并非所有AIops工具都是一样的

AIops正在成为支持云操作的操作工具的新规范。 这项技术可以应用于所有类型的操作任务，提供智能自动化，可以在解决操作问题时进行学习。

这些工具必须执行预编程的自我纠正过程，而AIops工具在这些过程中学习的能力将带来巨大的优势。 例如，认识到性能问题可能是由网络攻击造成的饱和，应该启动安全性流程以进行防御。 或超出性能阈值应自动启动更多资源以使性能回到可接受的范围。

[ 同样在InfoWorld上：AI可以真正为您的业务做（以及不能做的事情） ]

这些工具可以做的事情每天都在增加，对于那些部署和操作多云的人来说，这可能是标准设备。

最重要的是，AIops工具可以处理成千上万个数据点，并进行大多数人不会创建的关联。 此外，由于它们将这些数据点相关联，因此工具本身更智能-它知道信息的实际含义以及如何协助cloudops团队。

麻烦的是，这个领域中的许多产品实际上都是将旧技术变成新技术。 我们多年来一直在使用操作工具。 重做这些工具以支持公共云。 现在，它们已被重新命名为具有某些内置AI功能的AIops工具。

这种类型的进化的麻烦在于它发生得如此之快，这些工具自然会采取不同的方法。 有些是由数据驱动的，能够分析历史数据。 其他专注于实时监控。

面向数据的工具通常在AI引擎的辅助下寻找数据中的模式，以便找到因果关系。 他们找到了问题的根本原因，而无忧无虑的员工不必精打细算。

而且，人工智能以不同的方式被利用。 有些工具中已对AI系统进行了预训练，这意味着这些工具具有预定的知识量。 其他人则专注于从头开始的培训。 每种方法都有优点。

最重要的是，尽管许多供应商是更传统的技术参与者，但AIops仍然是一个新兴领域。 解决方案的模式因工具而异，因此您需要更加勤奋地了解工具的基本功能，以及如何通过适当的产品满足操作要求。

From: https://www.infoworld.com/article/3537414/not-all-aiops-tools-are-created-equal.html