با پیچیده‌تر شدن زیرساخت‌های فناوری اطلاعات، مدیریت سرورها، شبکه‌ها، برنامه‌ها و سرویس‌های مختلف برای تیم‌های IT دشوارتر از گذشته شده است. در یک سازمان ممکن است هم‌زمان حجم زیادی از لاگ‌ها، هشدارها و داده‌های عملکردی تولید شود و بررسی همه این اطلاعات به‌صورت دستی زمان زیادی ببرد.
اینجاست که AIOps یا «هوش مصنوعی برای عملیات فناوری اطلاعات» وارد می‌شود. AIOps با استفاده از هوش مصنوعی، یادگیری ماشین و تحلیل داده‌ها به تیم‌های IT کمک می‌کند اطلاعات مختلف را در کنار یکدیگر بررسی کنند، الگوهای غیرعادی را سریع‌تر تشخیص دهند و بخشی از فرایندهای عملیاتی را خودکار کنند.
اما AIOps دقیقاً چیست و چه تفاوتی با ابزارهای سنتی مانیتورینگ دارد؟ در ادامه، کاربردها، مزایا و محدودیت‌های این رویکرد را بررسی می‌کنیم.
AIOps چیست؟
AIOps مخفف Artificial Intelligence for IT Operations است و به استفاده از فناوری‌های هوش مصنوعی و یادگیری ماشین برای بهبود عملیات فناوری اطلاعات گفته می‌شود.
در سیستم‌های سنتی، تیم IT معمولاً ابزارهای جداگانه‌ای برای مانیتورینگ شبکه، سرورها، برنامه‌ها، پایگاه داده و لاگ‌ها دارد. هر ابزار نیز ممکن است هشدارهای متعددی تولید کند. مشکل زمانی ایجاد می‌شود که تعداد هشدارها زیاد باشد و ارتباط میان آن‌ها به‌راحتی مشخص نشود.
AIOps تلاش می‌کند این داده‌ها را از منابع مختلف جمع‌آوری و با استفاده از تحلیل خودکار، الگوهای مهم را شناسایی کند. برای مثال، ممکن است چندین هشدار مختلف در مورد کاهش عملکرد سرویس‌ها ایجاد شود، اما AIOps بتواند ارتباط میان آن‌ها را تشخیص دهد و احتمال دهد که همه این اتفاقات به یک مشکل زیرساختی مشترک مربوط هستند.
IBM نیز AIOps را رویکردی برای استفاده از هوش مصنوعی، یادگیری ماشین و تحلیل داده برای خودکارسازی و بهبود عملیات IT معرفی می‌کند.
چرا مدیریت زیرساخت IT دشوار شده است؟
زیرساخت فناوری اطلاعات امروزی معمولاً از اجزای زیادی تشکیل شده است؛ از سرورهای فیزیکی و مجازی گرفته تا سرویس‌های ابری، کانتینرها، پایگاه‌های داده، شبکه‌ها و اپلیکیشن‌های مختلف.
هرکدام از این اجزا می‌توانند داده‌های متفاوتی تولید کنند. برای نمونه:
- لاگ‌های نرم‌افزاری
- معیارهای عملکرد سرور
- داده‌های شبکه
- رخدادهای امنیتی
- وضعیت پایگاه داده
- خطاهای برنامه
- اطلاعات مربوط به مصرف منابع
اگر این داده‌ها جداگانه بررسی شوند، ممکن است یک مشکل کوچک در ابتدا دیده نشود و زمانی شناسایی شود که روی چند سرویس تأثیر گذاشته است.
AIOps با ایجاد یک دید یکپارچه‌تر نسبت به این داده‌ها می‌تواند به تیم IT کمک کند به‌جای بررسی تک‌تک هشدارها، ارتباط میان رخدادها را نیز در نظر بگیرد.
AIOps چگونه به مدیریت هوشمند زیرساخت IT کمک می‌کند؟
یکی از مهم‌ترین کاربردهای AIOps، تشخیص ناهنجاری‌ها است. سیستم می‌تواند رفتار معمول یک سرویس یا زیرساخت را بر اساس داده‌های گذشته بررسی کند و زمانی که الگوی غیرعادی مشاهده شد، آن را به تیم مربوطه اطلاع دهد.
برای مثال، فرض کنید مصرف CPU یک سرور معمولاً در محدوده مشخصی قرار دارد، اما در یک بازه زمانی رفتار متفاوتی مشاهده می‌شود. AIOps می‌تواند این تغییر را شناسایی کند و آن را برای بررسی بیشتر در اختیار تیم IT قرار دهد.
کاربرد دیگر، همبستگی رخدادها یا Event Correlation است. اگر چندین هشدار در فاصله کوتاهی ایجاد شوند، ممکن است همه آن‌ها نتیجه یک مشکل اصلی باشند. AIOps می‌تواند این رخدادها را کنار یکدیگر قرار دهد تا تیم IT با تعداد زیادی هشدار مستقل مواجه نباشد.
پیش‌بینی مشکلات قبل از وقوع
یکی از قابلیت‌های مهم AIOps، استفاده از داده‌های تاریخی برای شناسایی الگوهایی است که می‌توانند نشانه یک مشکل احتمالی باشند.
برای مثال، اگر اطلاعات مربوط به عملکرد یک سرویس در طول زمان جمع‌آوری شده باشد، سیستم می‌تواند تغییرات غیرمعمول در مصرف منابع، زمان پاسخ یا تعداد خطاها را شناسایی کند.
البته نباید تصور کرد که AIOps می‌تواند آینده را با قطعیت پیش‌بینی کند. خروجی چنین سیستم‌هایی به کیفیت داده‌ها، مدل مورد استفاده و شرایط زیرساخت وابسته است. بنابراین بهتر است هشدارهای پیش‌بینی‌شده به‌عنوان اطلاعاتی برای تصمیم‌گیری تیم IT در نظر گرفته شوند، نه یک حقیقت قطعی.
خودکارسازی فرایندهای IT با AIOps
AIOps تنها برای مشاهده و تحلیل داده‌ها استفاده نمی‌شود و می‌تواند در اتوماسیون عملیات IT نیز نقش داشته باشد.
فرض کنید یک سرویس به دلیل مصرف بیش از حد منابع دچار مشکل شده است. در یک سیستم کاملاً خودکار، پس از شناسایی شرایط مشخص، می‌توان اقداماتی مانند اجرای یک فرایند از پیش تعریف‌شده، راه‌اندازی مجدد یک سرویس یا ایجاد تیکت برای تیم مربوطه را انجام داد.
البته سطح خودکارسازی باید با حساسیت سیستم متناسب باشد. برای سرویس‌های حیاتی، ممکن است بهتر باشد AIOps ابتدا فقط مشکل را شناسایی و پیشنهاد اقدام ارائه کند و اجرای تغییر نهایی با تأیید متخصص انجام شود.
تفاوت AIOps با مانیتورینگ سنتی چیست؟
مانیتورینگ سنتی معمولاً بر مشاهده شاخص‌ها و ایجاد هشدار بر اساس قوانین مشخص تمرکز دارد. برای مثال، می‌توان قانونی تعیین کرد که اگر مصرف CPU از یک مقدار مشخص بیشتر شد، هشدار ایجاد شود.
AIOps می‌تواند یک مرحله جلوتر برود و علاوه بر داده‌های لحظه‌ای، حجم زیادی از اطلاعات تاریخی و داده‌های منابع مختلف را تحلیل کند.
به همین دلیل تفاوت را می‌توان به شکل ساده این‌گونه توضیح داد:
| مانیتورینگ سنتی | AIOps |
| تمرکز بر مشاهده شاخص‌ها | تحلیل داده‌های متعدد |
| هشدار بر اساس قوانین مشخص | شناسایی الگو و ناهنجاری |
| بررسی جداگانه رخدادها | ایجاد ارتباط میان رخدادها |
| واکنش بیشتر پس از وقوع مشکل | امکان شناسایی نشانه‌های اولیه مشکل |
| اتوماسیون محدودتر | امکان خودکارسازی فرایندهای بیشتر |
این به معنای بی‌نیاز شدن سازمان از ابزارهای مانیتورینگ نیست؛ AIOps معمولاً با استفاده از داده‌های همین ابزارها ارزش بیشتری ایجاد می‌کند.
مزایای استفاده از AIOps برای سازمان‌ها
استفاده درست از AIOps می‌تواند چند مزیت مهم برای تیم‌های IT ایجاد کند. یکی از مهم‌ترین آن‌ها کاهش حجم هشدارهای غیرضروری است. زمانی که رخدادهای مرتبط در کنار یکدیگر تحلیل شوند، تیم فنی راحت‌تر می‌تواند روی موارد مهم تمرکز کند.
مزیت دیگر، کاهش زمان شناسایی و رفع مشکلات است. هرچه تیم IT سریع‌تر بتواند منشأ یک اختلال را پیدا کند، احتمال کاهش مدت قطعی سرویس نیز بیشتر می‌شود.
AIOps همچنین می‌تواند دید بهتری نسبت به وضعیت کلی زیرساخت ایجاد کند. به جای اینکه وضعیت هر سرور یا سرویس جداگانه بررسی شود، داده‌های مختلف می‌توانند در یک فرایند تحلیلی مشترک قرار بگیرند.
از طرف دیگر، خودکارسازی برخی فعالیت‌های تکراری می‌تواند زمان متخصصان IT را آزاد کند تا تمرکز بیشتری روی کارهای پیچیده‌تر و تصمیم‌های مهم داشته باشند.
محدودیت‌ها و چالش‌های AIOps
AIOps یک راهکار جادویی برای تمام مشکلات زیرساخت نیست. کیفیت عملکرد آن تا حد زیادی به کیفیت داده‌هایی که دریافت می‌کند بستگی دارد. اگر لاگ‌ها ناقص باشند، داده‌ها از منابع مختلف به‌درستی جمع‌آوری نشوند یا اطلاعات کافی برای تحلیل وجود نداشته باشد، خروجی سیستم نیز ممکن است قابل اتکا نباشد.
موضوع دیگر، پیچیدگی پیاده‌سازی است. اتصال منابع مختلف داده، تعریف فرایندهای مناسب، تنظیم مدل‌ها و ایجاد سیاست‌های اتوماسیون به دانش فنی نیاز دارد.
همچنین نباید تمام تصمیم‌های حساس را بدون نظارت انسانی به سیستم سپرد. به‌خصوص در زیرساخت‌های حیاتی، بهتر است برای اقدامات خودکار محدودیت‌ها و سازوکارهای تأیید مشخصی وجود داشته باشد.
برای شروع AIOps چه کارهایی باید انجام داد؟
قبل از خرید یا پیاده‌سازی یک راهکار AIOps، بهتر است سازمان ابتدا مشخص کند دقیقاً چه مشکلی را می‌خواهد حل کند. برای مثال، آیا مشکل اصلی تعداد زیاد هشدارهاست؟ آیا پیدا کردن علت اختلال‌ها زمان زیادی می‌برد؟ یا سازمان به دنبال خودکارسازی عملیات تکراری است؟
پس از مشخص شدن هدف، باید منابع داده موجود بررسی شوند. لاگ‌ها، معیارهای عملکرد، رخدادهای شبکه و اطلاعات سرویس‌ها باید تا حد امکان ساختارمند و قابل استفاده باشند.
سپس بهتر است پیاده‌سازی از یک سناریوی محدود آغاز شود. موفقیت در یک بخش کوچک می‌تواند اطلاعات لازم برای گسترش AIOps به سایر قسمت‌های زیرساخت را فراهم کند.
در این مسیر، تعیین شاخص‌هایی مانند زمان شناسایی مشکل، زمان رفع مشکل، تعداد هشدارهای غیرضروری و میزان موفقیت اقدامات خودکار می‌تواند برای ارزیابی نتیجه مفید باشد.
در آخر…
AIOps رویکردی برای استفاده از هوش مصنوعی، یادگیری ماشین و تحلیل داده در عملیات فناوری اطلاعات است. این فناوری می‌تواند داده‌های مختلف زیرساخت را کنار یکدیگر قرار دهد، ناهنجاری‌ها را شناسایی کند، ارتباط میان رخدادها را پیدا کند و بخشی از فرایندهای تکراری را خودکار کند.
با این حال، موفقیت AIOps فقط به انتخاب یک ابزار مناسب وابسته نیست. کیفیت داده‌ها، زیرساخت موجود، فرایندهای IT و میزان نظارت انسانی نیز نقش مهمی دارند. بنابراین بهتر است سازمان‌ها به جای پیاده‌سازی گسترده و ناگهانی، ابتدا یک مسئله مشخص را انتخاب و نتیجه آن را ارزیابی کنند.
اگر درباره مدیریت زیرساخت IT، فناوری اطلاعات یا تصمیم‌گیری برای مسائل تخصصی کسب‌وکار نیاز به راهنمایی دارید، می‌توانید برای اطلاعات بیشتر با مشاوران حرفه‌ای ما در پلتفرم مشاوره جامع و آنلاین الو کمک در ارتباط باشید.
به نظر شما استفاده از هوش مصنوعی در مدیریت زیرساخت IT تا چه اندازه می‌تواند جای کارهای دستی متخصصان را بگیرد؟ اگر تجربه‌ای از استفاده از ابزارهای هوشمند در محیط کاری خود دارید، آن را با ما در میان بگذارید.
برای آشنایی بیشتر با موضوعات مرتبط، مقالات زیر را مطالعه کنید:
AIOps چیست و چگونه به مدیریت هوشمند زیرساخت IT کمک می‌کند؟
چگونه APIهای قدیمی را بدون اختلال در سرویس‌ها به‌روزرسانی کنیم؟
FinOps چیست؟ راهنمای مدیریت و کاهش هزینه‌های سرویس‌های ابری
چگونه هزینه زیرساخت IT شرکت را بدون کاهش کیفیت کنترل کنیم؟
Zero Trust چیست و چه زمانی یک کسب‌وکار به معماری اعتماد صفر نیاز دارد؟
چگونه یک سیستم مدیریت رمز عبور امن برای کسب‌وکار انتخاب کنیم؟
