運(yùn)維價(jià)值化

圖1 IBM 黃衛(wèi)

在數(shù)字化和云化轉(zhuǎn)型時(shí)代，云數(shù)據(jù)中心的IT運(yùn)維面臨著挑戰(zhàn)。IBM 認(rèn)知IT運(yùn)維能夠基于洞察以提升效率、提前預(yù)判，基于Watson認(rèn)知決策。IBM混合云顧問(wèn)工程師黃衛(wèi)告訴記者，IBM認(rèn)知IT運(yùn)維有三個(gè)指導(dǎo)原則，分別是持續(xù)學(xué)習(xí)、預(yù)測(cè)修正、推薦決策。持續(xù)學(xué)習(xí)以揭示海量數(shù)據(jù)內(nèi)在特征和變化規(guī)律，認(rèn)知分析以在重大故障之前揭示異常征兆， 跨混合云端到端的可視化、可控化、自動(dòng)化和敏捷性，雙模態(tài)深度集成、一致統(tǒng)一的IT運(yùn)維平臺(tái)， NLP輔助問(wèn)題診斷和修復(fù)。并且機(jī)器自學(xué)習(xí)策略可設(shè)定強(qiáng)、中、弱關(guān)系學(xué)習(xí)，并且，機(jī)器學(xué)習(xí)自動(dòng)識(shí)別事件間相關(guān)性可以顯著提升IT運(yùn)維甚至運(yùn)營(yíng)效率。

IBM認(rèn)知IT運(yùn)維由Netcool提供創(chuàng)新的大數(shù)據(jù)智能分析,提高運(yùn)維價(jià)值并在整個(gè)IT環(huán)境降低成本。能夠進(jìn)行事件日志上下文歷史挖掘和規(guī)律分析，事件日志周期性規(guī)律分析，事件日志成對(duì)成組出現(xiàn)分析和事件日志相關(guān)與因果分析。

圖2 IBM 認(rèn)知IT運(yùn)維結(jié)構(gòu)化數(shù)據(jù)認(rèn)知學(xué)習(xí)和預(yù)測(cè)

而結(jié)構(gòu)化數(shù)據(jù)認(rèn)知學(xué)習(xí)和預(yù)測(cè)，能夠使用統(tǒng)計(jì)學(xué)工具，和行為學(xué)知算法，揭示指標(biāo)間的數(shù)學(xué)關(guān)系。

多KPI相關(guān)性認(rèn)知學(xué)習(xí)和預(yù)警功能中，PI學(xué)習(xí)到“業(yè)務(wù)響應(yīng)時(shí)間”與“用戶請(qǐng)求”有正相關(guān)因果關(guān)系，且隨著用戶負(fù)載增加而變慢。如果這一正常歷史規(guī)律被破壞，比如說(shuō)由于內(nèi)存泄漏，造成即便用戶請(qǐng)求數(shù)下降了，業(yè)務(wù)響應(yīng)時(shí)間還很高，異常預(yù)警信號(hào)將立即發(fā)出。盡管這時(shí)業(yè)務(wù)服務(wù)質(zhì)量仍處于“好”的區(qū)間，問(wèn)題已被發(fā)現(xiàn)。

同時(shí)，該功能具有強(qiáng)大的實(shí)時(shí)分析能力和伸縮性，普通刀片服務(wù)器上每一分析引擎支持多達(dá)500,000個(gè)指標(biāo)每5分鐘粒度的數(shù)據(jù)。一個(gè)全裝備的關(guān)鍵業(yè)務(wù)應(yīng)用可產(chǎn)生多達(dá)50,000個(gè)指標(biāo)數(shù)據(jù)。

黃衛(wèi)最后表示，IBM認(rèn)知IT運(yùn)維實(shí)現(xiàn)了敏捷運(yùn)維與知識(shí)共享，提升了運(yùn)維的自動(dòng)化能力：日常操作自動(dòng)化，交流與知識(shí)共享，以加速解決日常運(yùn)維常見(jiàn)問(wèn)題。