AIOps Nedir: Gereklilik mi Pazarlama mı?

Gartner analistleri, işin dijital dönüşümüyle birlikte BT hizmetini dönüştürme ihtiyacını tahmin ediyor. Dijital dönüşüm, yeni teknolojilerin kullanımını ve bunların kısa sürede uygulanmasını birleştirir. Bu, yeni uygulamaların yazılması, sonuçlandırılması, yeni sürümlerin uygulanması için gereken sürenin kısaltılması, API arabirimleri aracılığıyla farklı uygulamalarla etkileşime geçilmesi, makine aracıları ve nesnelerin İnterneti üzerinde yoğun bir çaba gösterilmesini gerektirir. Daha önce mevcut olmayan yeni yaklaşımlar ve teknolojiler, geleneksel BT yönetim stratejilerini ve uygulamalarını hızlı dönüşüm için geride ve uygunsuz hale getiriyor.

Analistler, hibrit BT altyapılarını etkin bir şekilde yönetmek için mevcut metodolojilerde ve uygulamalarda önemli değişiklikler göreceğimizi tahmin ediyor. Ve bu değişikliklerin anahtarı, Gartner'ın AIOps olarak adlandırdığı yeni bir platform. Ve bunlar yeni teknolojilerin zorluklarına cevap vermeli.

AIOps nedir?

AIOps, BT İşlemleri için Yapay Zeka anlamına gelir. Özünde, BT altyapısının çeşitli öğelerinden gerçek zamanlı olarak gelen makine öğrenimi ve büyük veri analitiğini kullanarak veri işlemeyi ve karar vermeyi otomatikleştiren çok katmanlı bir platforma dayalı BT yönetimi için bir yapay zekadır.

AIOps'un iki ana bileşeni vardır: "büyük veri" ve "makine öğrenimi". Bu nedenle, BT uzmanları, şu anda aktif olarak kullanılan birçok bireysel olayı (silolanmış BT) günlüğe kaydetmekten ve izlemekten uzaklaşmalı ve izleme sistemlerinden, iş emri günlüklerinden vb. gelen makine öğrenimi ve veri analizine güvenmelidir.  

İstenen sonuç, cevaplar sağlayacak ve BT altyapısının işleyişinde sürekli iyileştirme ve düzeltmelerin uygulanmasına izin verecek sürekli bir analizdir. AIOps platformu, istenen sonucu elde etmek için üç disiplini (hizmet yönetimi, performans yönetimi ve otomasyon) birbirine bağlar ve temel BT işlevlerinin sürekli iyileştirilmesi, entegrasyonu ve uygulanması (CI/CD) olarak görülebilir.

Bir AIOps platformunda ne olmalıdır?

Bu aşamada, farklı satıcılar yedekli veya kısmi AIOps çözümleri sunar, bu nedenle Gartner, farklı çözümleri karşılaştırabilmek için bir AIOps platformunun sahip olması gereken 9 işlevsel öğe belirlemiştir:

1. Depolanan veri yönetimi, büyük hacimlerde ve yüksek hızda gelen yarı yapılandırılmış verileri kaydetmenize, dizine eklemenize ve saklamanıza olanak tanıyan bir yazılım veya donanım kompleksidir. Özünde, bu büyük veri yönetimidir.
2. Akış veri yönetimi, aşağıda listelenen bir veya daha fazla veri türünün yakalanmasına, nihai normalleştirilmesine ve indekslenmesine ve gerçek zamanlı sunumuna izin veren yazılım veya donanımdır. Verileri gerçek zamanlı olarak yönetmek için, yazılım yalnızca kullanıcının gerçek olarak kabul edeceği gelen verileri zamanında sunmakla kalmamalı, aynı zamanda verileri doğrudan kullanıcıya anında, tabiri caizse anında veritabanına erişim gerektirir.
3. Log Reception, depolama için daha fazla işleme ve indeksleme için çeşitli kaynaklardan metin günlük dosyaları almanıza izin veren bir yazılımdır.
4. Paket veri yakalama - doğrudan yansıtma bağlantı noktalarından veya trafik bağlantı noktalarından paket verileri yakalamanıza olanak sağlayan yazılım . Tüm paketler veya akış kayıtları yazılmaya hazır hale getirilmeli ve indekslenmelidir.
5. Dijital göstergelerin alınması - matematiksel işlemler veya zaman içinde toplama yoluyla işleme uygulanabilecek herhangi bir dijital göstergeyi almanızı sağlayan yazılım.
6. Belge Alımı - belgeleri almanızı ve belgelerin anlamsal ve sözdizimsel analizini yapmanızı sağlayan yazılım. Özünde, bu doğal dil işlemedir (NLP).
7. Otomatik Örüntü Algılama ve Tahmin, yukarıda bahsedilen türlerden birinin veya daha fazlasının geçmiş veya akış verilerine dayalı olarak, veri kümelerinden çıkarsanabilecek, ancak bunlarda doğrudan mevcut olmayan yeni korelasyonları tanımlayan matematiksel veya yapısal modeller oluşturan yazılımdır. Bu modeller daha sonra değişen derecelerde olasılıklara sahip olayları tahmin etmek için kullanılabilir.
8. Anomali Algılama, önce bir öğenin veya hizmetin temel performansını veya durumunu belirlemek için önceki bileşenler tarafından algılanan çeşitli kalıpları kullanan ve ardından anormallikleri ve bunların önem derecesini belirleyen bir yazılımdır.
9. Gerçek Sorun Kaynağı Belirleme - sorunu etkin bir şekilde çözmek için adımlar ve eylemler sağlama anlamında gerçek neden-sonuç ilişkilerini temsil eden bu bağımlılıkları izole etmek için Otomatik Model Algılama ve Tahmin öğesi tarafından kurulan korelasyonu devre dışı bırakan yazılım.

AIOps platformunun uygulanması, müşterinin ağında yerel bir kurulum veya bir SaaS hizmeti olarak mümkündür.

Pazarda birçok üretici var ve Gartner analistleri bunları yukarıdaki 9 unsura dayalı olarak tek bir tabloda özetledi:

	Birikmiş verilerin yönetimi	Akış Veri Yönetimi	Günlüklerin alınması	Dijital göstergelerin alınması	Paket veri alımı	Belgelerin kabulü	Otomatik Model Algılama ve Tahmin	anormallik algılama	Sorunun gerçek kaynağının belirlenmesi	Yerel çözüm	Bulut
BMC	*	*	*	*	*	*	*	*	*	*	*
Correlsense		*		*	*		*	*	*	*	*
Corvil		*		*	*		*	*	*	*
elastik	*		*	*	*		*	*		*	*
EkstraHop	*	*		*	*		*	*	*	*	*
FixStream	*	*	*	*	*		*		*	*	*
Hewlett Packard Enterprise (HPE)	*	*	*	*	*	*	*	*	*	*	*
IBM	*	*	*	*	*	*	*	*	*	*	*
ITRS	*	*	*	*	*	*	*	*	*	*	*
Logtröst	*	*	*	*			*	*	*	*	*
Logz.io	*		*			*	*	*	*		*
Tezgah Sistemleri	*	*	*	*			*	*	*	*	*
Moogsoft	*	*	*	*	*	*	*	*	*	*	*
rokana	*	*	*	*			*	*		*
SAP	*	*	*	*	*		*	*	*	*
ölçekleyici	*		*	*			*	*			*
SIOS Teknolojisi	*	*		*			*	*	*	*
atılgan	*	*	*		*		*	*	*	*	*
sumo mantığı	*	*	*	*			*	*	*		*
VNT Yazılımı	*	*		*	*		*	*	*	*	*

Sizi AIOps'a doğru ilerlemeye zorlayan nedir?

AIOps, yeni bir platformdur. Ancak AIOps, aşağıdaki ihtiyaçlar tarafından yönlendirilen BT yönetimindeki bir sonraki evrimsel adımdır:

• Modern altyapının manuel yönetiminin karmaşıklığı.

Modern BT ortamı, yönetilen ve yönetilmeyen bulutları, üçüncü taraf hizmetlerini, çeşitli mobil uygulamaları ve teknolojileri vb. içerir. Sürekli değişen bir organizmadır ve geleneksel yönetim yaklaşımları böyle dinamik bir ortamda çalışamaz. Makine öğrenimi ve büyük veri olmadan tüm olayları takip etmek ve bu ortamı yönetmek imkansızdır.

• BT'nin ihtiyaç duyduğu veri miktarı katlanarak artıyor.

BT ortamının performansının izlenmesi, olay ve uyarı sayısında önemli bir artışa yol açmakta, bu da manuel veya yarı otomatik modda raporların oluşturulamamasına yol açmaktadır.

• BT ortamıyla ilgili sorunlar hızla çözülmelidir.

BT kullanan şirketler para kazanıyor ve BT yazıcılar, kartuşlar ve kelime işlemciler değil - iş ortamının önemli bir parçası. Tüketici endüstrisi, kullanıcı beklentilerini değiştirdi. Burada ve şimdi her şeye ihtiyaç var, bu nedenle şirketin performansını doğrudan etkilediği için tüm sorunların çözülmesi gerekiyor.

• Gittikçe daha fazla kaynak, kurumsal ortamlarının özü olan binanın dışına taşınıyor.

Bulut teknolojileri, hizmet olarak altyapı kiralama, üçüncü şahıslardan alınan hizmetler, uzun süredir sınırları bulanıklaştırıyor ve genellikle size değil, başkasına ait olan ve onlarla diyalog kurmak için verilere ihtiyaç duyulan dağıtık altyapının kontrolünde sorunlar ortaya çıkarıyor.

• Uygulama ve hizmet geliştiricileri at sırtındadır ve daha fazla güce ve etkiye sahiptir, ancak işin sorumluluğu yine de BT'ye aittir.

Yeni DevOps ve Çevik teknolojiler, programcıları uygulama düzeyinde daha fazla kontrol sahibi olmaya zorlar, ancak ekosistemin genel sağlığı ve uygulamalar, hizmetler ve altyapı arasındaki etkileşimin sorumluluğu BT'ye aittir. Ağlar daha karmaşık hale geldikçe BT daha fazla sorumluluk alıyor.

AIOps'un temel yapısal elemanları

Yapısal olarak, AIOps platformu aşağıdaki unsurları içerir:

• Kapsamlı ve çeşitli veri kaynakları. Artık manuel modda alıştıkları ve kullanmaya çalıştıkları her şey: olaylar, ölçümler, günlükler, veriler, siparişler, izleme sistemleri vb.
• Geçmiş modunda büyük veriler ve gerçek veriler, dizine alınmış ve bir şekilde yapılandırılmış.
• Sistemin mevcut verilerden yeni veriler ve meta veriler oluşturmasını sağlayan hesaplamalar ve analitikler. Hesaplamalar ve analitikler, gereksiz verileri kaldırır, kalıpları veya eğilimleri tanımlar, olası nedenleri izole eder ve altta yatan sorunları tanımlar.
• Hesaplamaları ve analitiği doğru bir şekilde analiz etmenizi sağlayan ve istenen sonuca ulaşmak için etkili bir çözüm sunan algoritmalar.
• Algoritmik analiz bulgularına ve sisteme girilen yeni verilere göre otomatik olarak değiştirebilen veya yeni algoritmalar oluşturabilen makine öğrenmesi.
• Görselleştirme - sorunları ortadan kaldırmak için eylemlerin ve sonuçların anlaşılması için uygun bir biçimde gösterilmesi.

Yukarıda bahsedildiği gibi, AIOps platformu, dinamik bir BT ortamına uygulanan performans yönetimi, hizmet yönetimi, otomasyon ve süreç iyileştirmeyi içermelidir. Bu, analitik ve makine öğrenimi uygulamasında radikal bir yaklaşım değildir. Onlarca yıl önce, hisse senedi yatırımcıları tabloları, trendleri, makaleleri ve dergi makalelerini manuel olarak analiz etmekten makine öğrenimini kullanmaya geçti. Sosyal ağlar ve Big Brother, satın alınacak bir şey sunmak veya izlemek veya okumak için ilginç bir şey sunmak için bizi takip ediyor, aynı zamanda makine öğreniminin bir örneğidir. Bu yöntemler, dinamik olarak değişen koşullara ve kullanıcı beklentilerine yüksek tepki gerektiren ortamlarda güvenilir ve yaygın olarak kullanılmaktadır. Geleceğe adım atma sırası BT'de.