vchalup - stock.adobe.com
Das sollten Admins über die Zukunft von AIOps wissen
AIOps ist schafft die Voraussetzungen für schnelles Wachstum und wird sich daher auf dem Markt durchsetzen. Planen Sie, wie Sie mit KI DevOps und Systemmanagement verbessern.
Das Unterstützen von Administratoren mi künstlicher KI – das heißt AIOps – ist noch ein relativ neuer Ansatz. Die Idee ist, die IT-Verwaltung zu vereinfachen und die Problemlösung zu automatisieren, während sich die Prozesse in komplexen modernen IT-Plattformen beschleunigen.
Hybrid-Cloud-basierte Plattformen erzeugen Unmengen von Daten – viel zu viele, als dass das Betriebspersonal sie in Echtzeit analysieren könnte. Selbst Datenaggregatoren haben Schwierigkeiten, mit solchen Mengen umzugehen; es ist eine immer drängendere Notwendigkeit, das Rauschen aus den echten Daten intelligent herauszufiltern.
AIOps aggregiert Datensätze, filtert und analysiert sie, um die Grundursache eines Problems zu identifizieren, und behebt das Problem dann entweder automatisch oder stellt eine geeignete Ressource zur Verfügung, um das Problem zu lösen. Dieses Prinzip können Sie auf die physische Hardware-Ebene, die Virtualisierungsplattform-Ebene oder die virtuellen Maschinen (VM), Container und Anwendungen, die auf der Plattform laufen, anwenden.
AIOps-Anwendungsfälle sind jedoch nur ein kleiner Schritt nach vorn gegenüber vielen seit langem etablierten Systemmanagement-Plattformen.
Problem-Rückkopplungsschleifen
Statt zu warten, bis ein Problem auftritt – und bis Benutzer den Helpdesk kontaktieren – vergleicht AIOps verschiedene Variablen mit einer bei der Instanziierung erstellten Baseline.
Wenn beispielsweise ein Speicherleck in einer Anwendung die Leistung beeinträchtigt, oder zusätzliche Ressourcen beansprucht, erkennt AIOps, dass die Speichernutzung unerwartet zunimmt und prüft, ob sich diese Zunahme in einem normalen Rahmen bewegt. Haben die Administratoren dies eingestellt, bereinigt es als Reaktion den Arbeitsspeicher, um die Probleme zu reduzieren sowie anschließend ein formelles Problemticket für das Entwicklungsteam zu erstellen. Danach machen sich Menschen in Ruhe an das Ermitteln und Beheben des Fehlers.
Da sich die AIOps-Technologie im Laufe der Zeit verbessert, kann sie lernen, die Grundursachen selbständig zu identifizieren, sie den Entwicklern mitzuteilen und den Code wieder in den DevOps-Strom zu geben.
Kontinuierliches Lernen
Die anfängliche Baseline, die ein AIOps-System erstellt, ist nicht in Stein gemeißelt. Das AIOps-System muss große Datenmengen aufnehmen, um so viel wie möglich zu lernen. Wenn beispielsweise eine Gruppe neuer Benutzer zu einer Plattform hinzugefügt wird, wirkt sich dies auf viele Variablen wie Ressourcenanforderungen oder Lizenzierung aus.
Administratoren sollten laufend neue Baselines erstellen. Das AIOps-System muss in der Lage sein, darüber zu berichten, warum die neue Baseline so ist, wie sie ist, und was diese Änderung für das Unternehmen jetzt und – durch intelligente Prognosen – in der Zukunft bedeutet.
Prädiktive Problemerkennung
Auf der Grundlage globaler Daten werden Anbieter in der Lage sein, die Leistung eines IT-Kits schnell zu analysieren – von einzelnen Chips über Baugruppen bis hin zu ganzen Servern, Speichersystemen und Netzwerkknoten.
Wenn IT-Administratoren wissen, wann ein Element der physischen Infrastruktur wahrscheinlich Probleme verursachen wird, können sie den Austausch von Geräten planen, bevor es zu Ausfällen kommt. Auch die Lebensdauer von Geräten lässt sich verlängern, wenn die Analyse zeigt, dass das Gerät länger halten wird, als gedacht und man somit den Austausch verschieben kann.
Verlagerung von Workloads
Derzeit verlagert die Orchestrierungssoftware Workloads von einem Plattformbereich auf einen anderen. Dies erfordert heute immer noch einen manuellen Auslöser. Mit AIOps kann künstliche Intelligenz (KI) dieselbe Workload auf der Grundlage von Variablen wie Ressourcenverfügbarkeit, Ressourcenkosten und Anzahl der Benutzer, die auf den Workload zugreifen, verschieben. Sie können die Gesamtkosten optimiert werden, indem Lizenzen in allen Bereichen ausgelagert werden, von der Anwendung über virtuelle Dienste bis hin zum Betriebssystem und der Cloud-Nutzung.
Ereignisgesteuerte Prozesse
Microservices-basierte, zusammengesetzte Anwendungen sind teilweise fest verdrahtet, wobei ein Dienst einen anderen über festgelegte Aufrufe anfragt. AIOps ermöglicht es IT-Administratoren, diesen Vorgang durch die Abstraktion von Aufrufen zu umgehen. Dadurch trägt AIOps dazu bei, den gesamten Prozessfluss zu optimieren, und zwar anhand von Metriken wie Geschäftswert, Volumen oder maximalen Kosten.
Ein aufrufender Microservice kann eine Reihe von Metadaten übergeben, die seine Bedürfnisse definieren. AIOps hat dann Zugriff auf alle Daten der gesamten Plattform, gegebenenfalls auf die öffentlichen Dienste. Der Bedarf des aufrufenden Dienstes lässt sich dann in Echtzeit mit den Fähigkeiten eines antwortenden Dienstes abgleichen, und der Prozess ist abgeschlossen. AIOps, das selbst ein wichtiger datenaggregierender Dienst ist, kann dann ein vollständiges Audit darüber durchführen, welche Aktionen das System vollzogen hat, um Daten an externe Systeme, wie zum Beispiel Abrechnungssysteme, zu übergeben.
Sicherheit
Da AIOps so viele Datenquellen überwacht und grundlegende Analysen, Mustervergleiche und fortgeschrittene Heuristiken durchführt, ist es in einer guten Position, um zu überwachen, was im Bereich der Sicherheit geschieht.
Künftige AIOps-Systeme sollten – zumindest bis zu einem gewissen Grad – DDoS-, Trojaner-, Wurm- und Zero-Hour-Angriffe, möglicherweise böswillige abnorme Aktivitäten von Benutzern und Phishing-Angriffe erkennen. Während das AIOps-System selbst wahrscheinlich nicht in der Lage sein wird, solche Probleme direkt zu beheben, sollte es Maßnahmen ergreifen, um die Probleme zu lindern, während Menschen sich um den Vorfall kümmern – und zwar direkt über das AIOps-Feedback-System.
