杜燁磊

關(guān)于開(kāi)源工具與專有工具的爭(zhēng)論早已不是什么新鮮事。但在AIOps工具方面，還有其他一些特殊的因素需要考量。

AIOps工具市場(chǎng)不僅特別復(fù)雜，而且相關(guān)工具總是有著很多獨(dú)特的性質(zhì)，例如需要訪問(wèn)敏感數(shù)據(jù)，往往進(jìn)一步影響到采購(gòu)方在評(píng)估方面的具體判斷。

在深入探討開(kāi)源與專有問(wèn)題之前，首先需要明確定義何謂AIOps工具，以此為基礎(chǔ)，再比較2類工具，嘗試解釋企業(yè)應(yīng)當(dāng)結(jié)合哪些因素在開(kāi)源與專有AIOps方案之間做出抉擇。

作為一個(gè)流行詞匯，不同的人往往對(duì)AIOps有著不同的定義與理解。本文中，將AIOps定義為使用人工智能（AI）或機(jī)器學(xué)習(xí)的一切IT工具或服務(wù)。很明顯，這是一種相當(dāng)寬泛的定義方法，也有部分供應(yīng)商及分析師認(rèn)為，工具必須要用到復(fù)雜的AI與機(jī)器學(xué)習(xí)算法，才有資格被列入AIOps陣營(yíng)。但是，隨著AIOps市場(chǎng)的迅速發(fā)展，不妨把標(biāo)準(zhǔn)放寬一點(diǎn)。某些工具雖然未被明確劃定為AIOps平臺(tái)，但采購(gòu)方很可能就是想把它當(dāng)成AIOps工具來(lái)使用。對(duì)于這類情況，堅(jiān)持狹義AIOps定義顯然不利于做出確切的判斷。

開(kāi)源AIOps工具

就目前來(lái)看，只有少部分開(kāi)源項(xiàng)目將自身標(biāo)榜為AIOps，但不少開(kāi)源平臺(tái)提供的某些功能完全符合AIOps的理念。例如，使用數(shù)據(jù)分析（在一定程度上）實(shí)現(xiàn)工作流程編排自動(dòng)化的Kubernetes正是AIOps平臺(tái)的重要特征，Nagios及Zabbix等開(kāi)源監(jiān)控平臺(tái)也能夠提供一部分AIOps基本分析功能。此外，各類開(kāi)源編程語(yǔ)言模塊或框架，如PyTorch與TensorFlow也有助于實(shí)現(xiàn)AIOps功能，而這些顯然不算是完整的AIOps平臺(tái)。

從各個(gè)角度來(lái)看，支持開(kāi)源AIOps工具的觀點(diǎn)與支持整個(gè)開(kāi)源生態(tài)的思路基本相同，與專有替代方案相比，開(kāi)源AIOps工具往往成本更低、更易于修改或自定義，同時(shí)也降低了供應(yīng)商及平臺(tái)鎖定的風(fēng)險(xiǎn)。

除此之外，評(píng)估開(kāi)源AIOps工具時(shí)還應(yīng)關(guān)注一些特殊的注意事項(xiàng)，首先，到目前為止還沒(méi)有出現(xiàn)任何端到端開(kāi)源AIOps平臺(tái)。換句話說(shuō)，沒(méi)有哪種單一的開(kāi)源平臺(tái)能夠直接為企業(yè)提供簡(jiǎn)化IT運(yùn)營(yíng)的全部必要AIOps功能。相反，需要將多種不同開(kāi)源工具整合起來(lái)，每款工具只能提供一部分AIOps功能。要使用這些開(kāi)源工具并充分發(fā)揮AIOps的優(yōu)勢(shì)，IT運(yùn)營(yíng)團(tuán)隊(duì)需要面對(duì)大量工具選項(xiàng)，自然也就得耗費(fèi)大量精力。

除此之外，AIOps工具在本質(zhì)上需要訪問(wèn)到大量數(shù)據(jù)，其中一部分?jǐn)?shù)據(jù)可能相當(dāng)敏感，或者可能被攻擊者用于發(fā)動(dòng)入侵乃至破壞。這意味著使用專有的AIOps工具，買(mǎi)方必須信任賣(mài)方，允許后者成為在客戶系統(tǒng)及環(huán)境中提取并分析數(shù)據(jù)的稱職管家。此外，合規(guī)性問(wèn)題也很重要，目前不少法律已經(jīng)對(duì)供應(yīng)商工具將用戶數(shù)據(jù)移動(dòng)至自有基礎(chǔ)設(shè)施內(nèi)以進(jìn)行處理或存儲(chǔ)的場(chǎng)景做出約束。

如果平臺(tái)需要借助外部基礎(chǔ)設(shè)施進(jìn)行數(shù)據(jù)處理，那么開(kāi)源AIOps工具也會(huì)受到同樣的影響。但大多數(shù)開(kāi)源工具主要運(yùn)行在用戶的自有數(shù)據(jù)中心內(nèi)，或者至少是在用戶控制的公有云基礎(chǔ)設(shè)施之上運(yùn)行，因此帶來(lái)的合規(guī)性或數(shù)據(jù)隱私問(wèn)題一般更少。畢竟每個(gè)人都可以觀察開(kāi)源工具的源代碼，確定項(xiàng)目對(duì)用戶信息的處理方式，提升數(shù)據(jù)管理流程的透明度與可信度。

專有AIOps工具

與開(kāi)源領(lǐng)域相反，專有軟件市場(chǎng)上已經(jīng)出現(xiàn)了大量被明確標(biāo)榜為AIOps的工具。例如，Broadcom公司就在著力以AIOps產(chǎn)品的名義推銷(xiāo)其可觀察性軟件。Splunk以及Instana與Pager Duty等小型廠商也已經(jīng)涉足AIOps。作為一種整體趨勢(shì)，越來(lái)越多專有監(jiān)控與事件響應(yīng)工具都在用AIOps強(qiáng)化自己的市場(chǎng)影響力。

選擇專有AIOps工具的核心原因，在于其難度往往比開(kāi)源方案更低。專有工具的用戶友好度一般較高，而且與開(kāi)源選項(xiàng)相比，前者更傾向于提供較為廣泛的AIOps功能。此外，相當(dāng)一部分專有AIOps工具都以托管服務(wù)的形式運(yùn)行，所以用戶不必費(fèi)神建立起用于托管這些服務(wù)的自有基礎(chǔ)設(shè)施。

但對(duì)于部分專有AIOps工具，上述數(shù)據(jù)管理問(wèn)題可能會(huì)構(gòu)成新的挑戰(zhàn)。因此，一般企業(yè)在選擇供應(yīng)商時(shí)必須認(rèn)真評(píng)估對(duì)方的合規(guī)性保障與防止數(shù)據(jù)遭到濫用的能力。好消息是，AIOps領(lǐng)域的大多數(shù)供應(yīng)商都擁有良好的商業(yè)聲譽(yù)，在以合規(guī)且安全方式管理客戶數(shù)據(jù)方面也擁有豐富的經(jīng)驗(yàn)。

AIOps開(kāi)始成為一種極為重要的站點(diǎn)可靠性工程工具。它能夠高效吸納觀察數(shù)據(jù)、參與數(shù)據(jù)以及來(lái)自第三方工具的數(shù)據(jù)，判斷系統(tǒng)運(yùn)行狀態(tài)并保證其處于最佳狀態(tài)。

基礎(chǔ)設(shè)施與網(wǎng)絡(luò)層面發(fā)生的問(wèn)題，必須以閃電般的速度加以解決，在理想情況下，最好能讓最終用戶或客戶完全感受不到問(wèn)題的發(fā)生。而隨著全球經(jīng)濟(jì)體系乃至社會(huì)數(shù)字化轉(zhuǎn)型，對(duì)事件管理能力的需求也變得愈發(fā)緊迫。

盡管現(xiàn)代應(yīng)用程序能夠快速響應(yīng)客戶需求，但其自身的更新與修復(fù)又提出了新的要求，同樣對(duì)基礎(chǔ)設(shè)施可靠性形成巨大壓力。一旦出現(xiàn)性能問(wèn)題甚至數(shù)字服務(wù)中斷，對(duì)現(xiàn)代應(yīng)用程序造成的影響反而比傳統(tǒng)應(yīng)用更嚴(yán)重。

在管理基礎(chǔ)設(shè)施可靠性方面，選擇正確工具無(wú)疑是達(dá)成目標(biāo)的重要前提。對(duì)于SRE及其他員工而言，相當(dāng)一部分云原生方法確實(shí)太過(guò)復(fù)雜、難以理解。因此，除了良好的可見(jiàn)性之外，他們還需要建立起判斷問(wèn)題優(yōu)先級(jí)、迅速發(fā)現(xiàn)故障并加以解決的能力。AIOps的意義也正在于此。隨著軟件與基礎(chǔ)設(shè)施的迅猛拓展，AIOps能夠自動(dòng)檢測(cè)到環(huán)境中的異常、為團(tuán)隊(duì)提供必要的安全性加持，保證在問(wèn)題擴(kuò)大化、復(fù)雜化之前及時(shí)將其解決。

隨著應(yīng)用程序與基礎(chǔ)設(shè)施的蓬勃發(fā)展，AIOps也開(kāi)始成為一種極為重要的站點(diǎn)可靠性工程工具。它能夠高效判斷系統(tǒng)運(yùn)行狀態(tài)并保證其處于最佳狀態(tài)。為了幫助團(tuán)隊(duì)識(shí)別并診斷問(wèn)題，算法與機(jī)器學(xué)習(xí)工具被整合至數(shù)據(jù)之內(nèi)，借此充實(shí)現(xiàn)狀，甚至有望自動(dòng)高效地完成事件響應(yīng)。

著眼于現(xiàn)實(shí)場(chǎng)景，以下5種AIOps應(yīng)用方法值得關(guān)注：

檢測(cè)事件

這也是AIOps擴(kuò)展工具包的核心用例，可幫助團(tuán)隊(duì)快速發(fā)現(xiàn)問(wèn)題。AI與機(jī)器學(xué)習(xí)能夠自動(dòng)梳理異常跡象，而后將學(xué)習(xí)結(jié)果用于觀察系統(tǒng)及基礎(chǔ)設(shè)施的運(yùn)行態(tài)勢(shì)。憑借這種自動(dòng)性方法，AIOps能夠及時(shí)發(fā)現(xiàn)預(yù)警信號(hào)，幫助運(yùn)營(yíng)團(tuán)隊(duì)在客戶體驗(yàn)受到影響之前就及時(shí)介入。

減少及消除噪音

事件響應(yīng)當(dāng)中，警報(bào)疲勞一直是個(gè)大問(wèn)題。警報(bào)的持續(xù)涌出往往令員工的神經(jīng)變得麻木，難以發(fā)現(xiàn)真正緊急的狀況。理想情況下，需要準(zhǔn)確判斷哪些警報(bào)優(yōu)先級(jí)較低、哪些警報(bào)彼此關(guān)聯(lián)。AIOps能夠關(guān)聯(lián)、精簡(jiǎn)警報(bào)并確定優(yōu)先級(jí)，借此消除警報(bào)疲勞問(wèn)題、幫助團(tuán)隊(duì)高效處理對(duì)可靠性威脅最大的故障。

結(jié)合背景

突發(fā)事件往往非?；靵y，而且形勢(shì)也瞬息萬(wàn)變。過(guò)多的信息會(huì)導(dǎo)致團(tuán)隊(duì)迷失方向，為此必須為運(yùn)營(yíng)人員提供背景信息，幫助他們找到正確的方向。AIOps能夠自動(dòng)對(duì)事件做出映射，同時(shí)建立起全面了解。除了理解以外，背景信息在事件解決方面同樣有著重要作用。

提升智能化水平

AIOps是一種不斷發(fā)展的有效工具。過(guò)往經(jīng)驗(yàn)、當(dāng)前使用方式以及用戶反饋等，共同為AIOps提供良好的訓(xùn)練數(shù)據(jù)，進(jìn)而可以幫助識(shí)別并預(yù)防以往曾經(jīng)發(fā)生過(guò)或較為類似的問(wèn)題。隨著信息的不斷積累，模型智能化程度將持續(xù)提升，最終提供更具針對(duì)性的關(guān)聯(lián)、洞見(jiàn)與建議。

整合數(shù)據(jù)、統(tǒng)一團(tuán)隊(duì)

任何來(lái)源的事件數(shù)據(jù)，都會(huì)與企業(yè)的現(xiàn)有事件管理工具和工作流集成在一處。輸入的數(shù)據(jù)越多，機(jī)器學(xué)習(xí)模型的訓(xùn)練度也就越高，產(chǎn)生有針對(duì)性、高實(shí)用度結(jié)果的幾率就更高。AIOps解決方案能夠吸納數(shù)據(jù)，通過(guò)背景信息豐富數(shù)據(jù)內(nèi)容，并將結(jié)果通報(bào)至相關(guān)團(tuán)隊(duì)或響應(yīng)人員手中，以供各個(gè)事件管理團(tuán)隊(duì)加以使用。以此為基礎(chǔ)，各團(tuán)隊(duì)將不用把時(shí)間浪費(fèi)在不同工具的切換中。

對(duì)于尚未開(kāi)始使用AIOps的組織而言，這項(xiàng)工作聽(tīng)起來(lái)似乎繁復(fù)無(wú)比。沒(méi)錯(cuò)，AIOps確有一定門(mén)檻，但目前已經(jīng)有不少實(shí)踐標(biāo)準(zhǔn)能夠幫助我們較為輕松地跨過(guò)這些門(mén)檻。

首先，考慮最適合自身需求的用例，縮小思考范圍，從小處入手開(kāi)始學(xué)習(xí)，并在測(cè)試中不斷成長(zhǎng)。

其次，保證工作流程的透明化。人們天然會(huì)抵觸變化，所以大家必須破除迷團(tuán)、讓AIOps呈現(xiàn)出清晰明確的形象。

最后，為囊括AI及ML元素的新型IT運(yùn)營(yíng)體系做好準(zhǔn)備。如今，采用AIOps技術(shù)支持運(yùn)營(yíng)體系的組織越來(lái)越多，相信也終將成為顛覆傳統(tǒng)運(yùn)營(yíng)理念與運(yùn)營(yíng)思維的主流解決方案。

開(kāi)源與專有AIOps的未來(lái)

評(píng)估AIOps工具的最后一個(gè)因素，在于市場(chǎng)的快速發(fā)展。盡管截至2021年初，AIOps產(chǎn)品中的開(kāi)源生態(tài)還遠(yuǎn)遠(yuǎn)落后于專有軟件市場(chǎng)，但隨著更多開(kāi)源開(kāi)發(fā)者及支持者向AIOps領(lǐng)域投入資源，雙方的關(guān)系與競(jìng)爭(zhēng)形勢(shì)有可能發(fā)生改變。

當(dāng)然，專有供應(yīng)商也會(huì)繼續(xù)增強(qiáng)AIOps功能。如今，大多數(shù)商業(yè)AIOps工具都集中在監(jiān)控與事件管理方案層面。但在不久的未來(lái)，將有更多專有AIOps工具嘗試在日志管理、基礎(chǔ)設(shè)施配置以及其他IT運(yùn)營(yíng)利基領(lǐng)域發(fā)揮作用。

總而言之，AIOps工具的評(píng)估工作需要充分的耐心與對(duì)細(xì)節(jié)的關(guān)注。另外，企業(yè)也不應(yīng)將選擇視為一勞永逸的工作———只要出現(xiàn)了更好的選擇，大家必須迅速行動(dòng)、順應(yīng)變革。