AIOps网络运维的利器 .pdf

专题计算机与网络

■杜烨磊

关于开源工具与专有工具的争论早已不是什么新鲜事。但除此之外，评估开源AIOps工具时还应关注一些特殊的注

在AIOps工具方面，还有其他一些特殊的因素需要考量。意事项，首先，到目前为止还没有出现任何端到端开源AIOps

AIOps工具市场不仅特别复杂，而且相关工具总是有着很平台。换句话说，没有哪种单一的开源平台能够直接为企业提

多独特的性质，例如需要访问敏感数据，往往进一步影响到采供简化IT运营的全部必要AIOps功能。相反，需要将多种不同

购方在评估方面的具体判断。开源工具整合起来，每款工具只能提供一部分AIOps功能。要

在深入探讨开源与专有问题之前，首先需要明确定义何谓，

使用这些开源工具并充分发挥AIOps的优势IT运营团队需要

AIOps工具，以此为基础，再比较2类工具，尝试解释企业应当面对大量工具选项，自然也就得耗费大量精力。

结合哪些因素在开源与专有AIOps方案之间做出抉择。除此之外，AIOps工具在本质上需要访问到大量数据，其中

作为一个流行词汇，不同的人往往对AIOps有着不同的定一部分数据可能相当敏感，或者可能被攻击者用于发动入侵乃

，将这

义与理解。本文中AIOps定义为使用人工智能（AI）或机器至破坏。意味着使用专有的AIOps工具，买方必须信任卖方，

这是一种相当宽泛的定义

学习的一切IT工具或服务。很明显，允许后者成为在客户系统及环境中提取并分析数据的称职管

方法，也有部分供应商及分析师认为，工具必须要用到复杂的家。此外，合规性问题也很重要，目前不少法律已经对供应商工

AI与机器学习算法，才有资格被列入AIOps阵营。但是，随着具将用户数据移动至自有基础设施内以进行处理或存储的场

，不妨把标准放宽某

AIOps市场的迅速发展一点。些工具虽然未景做出约束。

被明确划定为AIOps平台，但采购方很可能就是想把它当成如果平台需要借助外部基础设施进行数据处理，那么开源

AIOps工具来使用。对于这类情况，坚持狭义AIOps定义显然AIOps工具也会受到同样的影响。但大多数开源工具主要运行

不利于做出确切的判断。在用户的自有数据中心内，或者至少是在用户控制的公有云基

开源AIOps工具础设施之上运行，因此带来的合规性或数据隐私问题一般更

就目前来看，只有少部分开源项目将自身标榜为AIOps，少。毕竟每个人都可以观察开源工具的源代码，确定项目对用

但不少开源平台提供的某些功能完全符合AIOps的理念。例户信息的处理方式，提升数据管理流程的透明度与可信度。

如，使用数据分析（在一定程度上）实现工作流程编排自动化的专有AIOps工具

，与开源领域相反，专有软件市场上已经出现了大量被明确

Kubernetes正是AIOps平台的重要特征Nagios及Zabbix等开

源监控平台也能够提供一部分AIOps基本分析功能。此外，各标榜为AIOps