Как искусственный интеллект оптимизирует работу ИТ-подразделений

Интеграция Внедрения

02.10.2019, Ср, 11:16, Мск , Текст: Сергей Орлов

artificialintelligence4427460960720_200x

В век облаков, гибридных инфраструктур, цифровой трансформации и быстро меняющихся технологических ландшафтов ИТ-подразделениям все труднее эффективно поддерживать бизнес-процессы. Помочь им может внедрение средств AIOps (Artificial Intelligence for IT Operations, «искусственного интеллекта для ИТ-операций»), использующих искусственный интеллект и машинное обучение для управления инфраструктурой и приложениями.

Рост сложности корпоративных систем ставит перед ИТ-специалистами все более тяжелые задачи, которые все труднее решать «вручную». Надежды на решение вопросов, связанных с ИТ-операциями (Gartner определяет ИТ-операции как «управление персоналом и процессами, связанными с ИТ-услугами, для предоставления правильного набора сервисов с должным качеством и конкурентной стоимостью»), как сейчас принято, возлагаются на средства искусственного интеллекта и машинного обучения, объединенные термином AIOps, введенным в оборот около трех лет назад аналитиками все той же Gartner.

Artificial Intelligence for IT Operations — это комбинация аналитики больших данных, технологий машинного обучения и средств визуализации. Она используется средствами мониторинга и управления для диагностики ИТ-систем, инициации проактивных действий по устранению еще не возникших проблем, анализа событий, выявления причин отказов и сбоев, распознавания внешних угроз и выдачи рекомендации по борьбе с ними. Их работа помогает избежать длительных перебоев в работе систем и свести к минимуму последствия сбоев. В Gartner предлагают включить этот подход в стратегию организации на следующие два-пять лет. Внедрять искусственный интеллект в ИТ аналитики рекомендуют поэтапно, начиная с анализа оперативных данных и их визуализации.

Популярность платформ AIOps быстро растет. По оценке MarketsandMarkets, объем мирового рынка платформ AIOps вырастет с $2,55 млрд в 2018 г. до $11,02 млрд к 2023-му (среднегодовой рост — 34%). На нем соперничают как отраслевые гиганты, так и нишевые специализированные компании — места пока хватает всем. Однако процессы слияния и поглощения уже начались и до 2023 г. доживут не все — по крайней мере в качестве независимых компаний.

По прогнозу Gartner, к 2022 г. решения AIOps внедрят 40% крупных предприятий. Затормозить процесс может (и уже тормозит) традиционная в ИТ-отрасли проблема — нехватка кадров.

Рынок AIOps становится все более насыщенным и конкурентным

aiops1.jpg

Источник: Gartner, 2019

AIOps на практике

Сегодня платформы AIOps применяются для оповещения администраторов об отклонениях ИТ-систем от «нормального поведения», сортировки и фильтрации событий различных журналов и логов, для повышения эффективности и снижения затрат.

Интеллектуальное оповещение о событиях с использованием машинного обучения и ИИ помогает быстрее выявлять повторяющиеся проблемы, прогнозировать их воздействие на сервисы и принимать упреждающие меры.

Составляющие AIOps

aiops2.jpg

Источник: Virtual Instruments, 2019 г

Еще одна полезная возможность — анализ вероятных причин сбоев с помощью корреляции причинно-следственных связей для оперативного выявления источника проблемы и значительного сокращения времени восстановления. Возможности машинного обучения и анализа данных используют также для автоматизации задач восстановления систем.

12 шагов для успешного внедрения искусственного интеллекта в ИТ-операциях

aips3.jpg

Источник: Gartner, 2018 г.

Не вытеснят ли платформы AIOps традиционные инструменты мониторинга? Согласно прогнозам Gartner, хотя оба направления в ближайшие годы будут сосуществовать, платформы AIOps будут играть все более важную роль.

Как собирать данные

Для повышения эффективности ИТ-операций необходим сбор большего количества данных о состоянии аппаратных и программных сред и их анализ в соответствующих системах. Сейчас события, метрики, журналы, данные систем мониторинга, данные телеметрии и т. д. собираются и анализируются «в ручном режиме», средства ИИ существенно повысят эффективность этого процесса.

Компоненты ИТ-инфраструктуры применяют разные интерфейсные механизмы и протоколы (Modbus, I2C, PWM, PECI, APML и т. д.). Локальный контроллер управления может собирать данные телеметрии с использованием протоколов, специфичных для устройств и компонентов, а затем передавать их в стандартизированных форматах удаленным клиентам телеметрии и аналитическим приложениям.

Стандартизированная телеметрическая информация об инфраструктуре ИТ позволит аналитическим приложениям оптимизировать работу систем управления и шире использовать средства автоматизации, например при прогнозирование сбоев или обнаружении вторжений.

Экономия на охлаждении

По мнению аналитиков Gartner, использование средств искусственного интеллекта в дата-центрах просто необходимо — по оценкам компании к 2020 г. более 30% ЦОД, в которых не используются средства AIOps, станут экономически и технически нецелесообразными. Сейчас, как полагают аналитики компании, такие решения используются в 5% ЦОД, но уже к 2022 г. этот показатель вырастет до 40%.

Причина этого понятна: центры обработки данных, в их облачном и корпоративном «видах», — основа современной ИТ-инфраструктуры. Обслуживание дата-центра, «предсказание» возможных проблем с аппаратными и программными средствами с целью их проактивного решения, отражение атак злоумышленников требуют анализа огромного количества данных, и искусственный интеллект эффективно помогает справляться с этими задачами. В частности, AIOps можно использовать для управления системами охлаждения. Это даст большой выигрыш в потреблении энергии. Google удалось за счет использования разработок в области ИИ, приобретенных ею, на 40% снизить энергопотребление систем охлаждения своих дата-центров.

Полный текст статьи читайте на CNews