AIopsにおける人工知能

組織にとって、機械学習 (ML)、自動化、人工知能 (AI) 機能を備えたテクノロジー プラットフォームを簡単に見つけて適用できるようになりました。 DevOps が主流になると、CloudOps、DataOps、SysOps、AIOps などのプロセス、テクノロジー、IT 文化が促進されます。

IT 運用に機械学習を適用することでビジネス価値と IT 価値の両方を実現できるかどうかについて懐疑的な人もいます。こうした疑問を持つのは普通のことですが、驚かないでください。 AIops は、2021 年に強化される可能性が高い DevOps 機能の 1 つです。

[[378734]]

過去 10 年間で、パブリック クラウドとプライベート クラウド、モノのインターネット (IoT) をサポートするエッジ コンピューティング インフラストラクチャ、大規模データベースでの機械学習実験、新しい統合、アプリケーションの頻繁な展開、ミッション クリティカルなレガシー システム、多数のマイクロサービスの使用により、IT 環境はより複雑になりました。セキュリティ インシデント、エンド ユーザーのコンピューティング構成の変化、不安定なアプリケーション使用パターンなど、IT が制御できない変数は数多くあります。

組織の業務が、インシデントへの対応、アプリケーションの問題のトラブルシューティング、根本原因の分析、複雑なユーザーの問題の診断、運用上のリスクの検証、セキュリティ上の弱点の特定、コンピューティング コストの予測である場合、これは困難な環境です。

ここで AIops ソリューションが役立ちます。さまざまなソリューションによって、データ クレンジング、分析、機械学習、自動化を実現し、IT 運用を効率化し、ビジネス パフォーマンスを向上させる方法を説明します。

6 つの AIops ソリューション プロバイダーが、AIops がビジネス部門と IT 部門のために解決する問題、ソリューションで使用されている機械学習アルゴリズムの種類、製品が自動化をどのようにサポートしているかについての洞察を提供します。

Devoはリアルタイムの運用とセキュリティの可視性を提供します

Devo の IT 運用および検出機能担当シニアディレクターである Paco Huerta 氏は、AIops は IT チームがエンドユーザーの問題を解決するのに役立つと述べています。 Devo の AI システムは、大規模なハイブリッド環境全体にわたって自動化された包括的なコンテキスト分析情報を提供し、エンドユーザーに影響が及ぶ前に運用スタッフが問題の正確な原因を特定できるようにします。

IT 部門は常にプレッシャーにさらされていますが、Devo は IT 部門が問題の根本原因を迅速に特定し、リスクを評価するのに役立ちます。 Devo は、時系列異常検出やモデルの開発と展開のための機械学習ワークベンチなど、さまざまなオープンソース ツールと独自の機械学習アルゴリズムを使用します。 Devo のモデルは継続的に学習し、迅速に適応することができます。

マイクロフォーカスはIT運用上の問題を発見し解決することを目指しています

「フルスタック AIops は、IT 部門が膨大なデータセットをふるいにかけて問題を特定し解決するのに役立ちます」と、Micro Focus の AIops プロダクト マーケティング マネージャーである Michael Procopio 氏は述べています。「今日の IT 環境では、人間が処理できる以上のデータが生成されますが、機械学習により、数百のアラートや数百万のログ ファイルを、運用スタッフが簡単に処理できる数個の問題にまで絞り込むことができます。自動化は、これらの問題をより迅速に解決するための鍵です。この 2 つを組み合わせることで、人間の介入をほとんどまたはまったく必要としない問題解決ソリューションを提供できるため、私たちはこれをフルスタック AIops と呼んでいます。」

Micro Focus の AIops ソリューションには、200 を超えるサードパーティのツールとテクノロジーからシステム パッチやコンプライアンス データを含むすべてのイベント、メトリック、ログを収集する Operations Bridge が含まれています。次に、サービス マッピング、トポロジ、依存関係データを相関させて、正確なビジネス サービス モデルを構築します。

このプラットフォームは、クラスタリング、回帰、推論統計、カスタムロジック、季節性アルゴリズムなどの教師なし機械学習を活用します。また、オペレーターのフィードバックを使用してシステムの精度を向上させ、将来の操作をガイドします。

Moogsoft が IT 運用スタッフの認知能力を強化

Moogsoft の CTO である Will Cappelli 氏は、「IT 運用では、開発者主導の急速な変化に対応するために AI 技術を採用する必要があります。現代の IT システムは複雑な動作を示し、頻繁な CI/CD 展開による変化の圧力を受けて、そのコンポーネントと接続トポロジーは常に変化しています。AI は、現代の IT システムによって生成されるログ、イベント レコード、メトリックなどの自己記述型データを理解し、問題や停止を予測し、AI 技術によって解釈された信号によって明らかになる問題への対応の実行をサポートするために必要です」と強調しました。

Moogsoft の人工知能システムは、いくつかの機能を順番に実行します。ログ ファイルやその他の運用システムによって収集されたノイズの多い背景から、非常に有益なデータセットを抽出します。次に、それらの高情報データセット内の関連パターンを発見し、どの相関関係が因果関係にあるかを判断します。最後に、応答の自動化に役立ちます。

カペッリ氏は、AIops は組織の収益とブランドの評判に直接影響を与えると指摘しました。インテリジェントな対応がロボット化されると、顧客や従業員に影響を与えるインシデントの平均復旧時間 (MTTR) が短縮されます。

OpsRampはIT部門がサービスレベル目標を達成するのを助けます

OpsRamp のインシデント管理および自動化担当主任製品マネージャーである Neil Pearson 氏は、AIops の自動化により IT 部門の業務効率が向上し、ビジネスにも良い影響が出ると指摘しています。 「AIOps は、機械学習、ディープラーニング、ロボティック プロセス オートメーション (RPA) などのさまざまな AI テクノロジを応用して、複雑で手作業の多い反復タスクを自動化するものです。多くの場合、さまざまなソースからさまざまな形式で大量のデータを取り込む必要があります。私たちは、リソースの最初の発見から解決まで、異常を検出し、繰り返し発生するアラートやインシデントを予測して防止することに重点を置いています。これにより、人々は仕事を大幅に効率化でき、組織はビジネスを改善できます」と彼は述べました。

OpsRamp は、メトリック、ログ、ネットワーク パケット、トレースなどの複数のデータ ソースから大量のデータ セットを取り込んで処理し、問題の根本原因を特定します。ディープラーニングと自然言語処理アルゴリズムを使用してノイズを排除し、問題の解決策を提案して問題が繰り返されないようにすることで業務を支援します。 OpsRamp は、手動による介入を減らし、ビジネスへの影響に基づいて問題の優先順位を付ける自動応答戦略を IT 部門が設計するのに役立ちます。

Resolveは俊敏かつ自律的なIT運用を実現します

Resolve の CEO である Vijay Kurkal 氏は、AI と自動化を使用して問題と解決策の間のループを排除することで、「自己修復型 IT」を実現できると考えています。同氏は、「AIops ツールは、既存または潜在的なパフォーマンスの問題を迅速に特定し、異常を見つけ、問題の根本原因を特定し、さらには将来の問題を予測して、ビジネスに影響が出る前にプロアクティブな修正をトリガーすることができます。AI の洞察と自動化を組み合わせることで、組織はこれらのテクノロジーの価値と可能性を最大限に引き出し、検出、分析、検出、予測、自動化のクローズド ループを作成して、組織を自己修復型 IT に近づけることができます」と述べています。

Resolve Insights は、アプリケーションとインフラストラクチャを自動的に検出し、豊富なトポロジ マップを生成し、ビジネス クリティカルなアプリケーションとインフラストラクチャ間の依存関係を識別します。これらの関係を理解することで、複雑なクロスドメイン環境を単一のビューで把握できるため、トラブルシューティングが容易になり、全体的な IT 管理に役立ちます。このデータはほぼリアルタイムで構成管理データベース (CMDB) に自動的にプッシュされるため、正確なインベントリ情報が確保され、強力な IT サービス管理 (ITSM) 基盤が構築されます。

Resolve Insights は、異常検出、イベント パターン認識、予測アルゴリズムなど、さまざまな機械学習アルゴリズムを活用します。その目標は、重要なアプリケーションとインフラストラクチャのパフォーマンスを向上させ、稼働時間を最大化し、作業の最適化に役立つ洞察を提供することで、顧客と従業員のエクスペリエンスを向上させることです。

SplunkはITが複雑な運用環境を管理するのに役立ちます

Splunk の CTO である Andi Mann 氏は、IT スタッフは従来の運用モデルを超えて、データ主導で自動化を取り入れ、サービス提供の実践に注力するモデルに重点を置く必要があるとアドバイスしています。

「最新のアプローチにより、世界の電子機器市場におけるテクノロジーの採用と参加が加速していますが、最新のシステムの複雑さは人間が効果的に管理するには高すぎ、従来の IT 運用手法では需要に追いつくことができません。データ主導のアプローチを採用し、高度なアルゴリズム処理、機械学習、人工知能、応答自動化、ワークフロー オーケストレーションを適用することによってのみ、サービス提供チームはこれらの新しい複雑さに対処できます。Splunk は AIops を採用してこれらの課題に対処し、IOps、可観測性、セキュリティに対するデータ主導のアプローチを提供して、パフォーマンス、可用性、機能性、安定性を確保し、ビジネスと顧客の需要に影響を与えます。」

Splunk は機械学習に「ホワイト ボックス」アプローチを採用しており、異常検出、分類、クラスタリング、相互検証、特徴抽出、前処理、回帰、時系列分析のための 30 個のアルゴリズムが事前に設定されています。また、scikit-learn、pandas、statsmodels、NumPy、SciPy ライブラリからの 300 を超えるオープン ソース Python アルゴリズムも備えています。

AIopsはすべてのITチームにとって大きな前進です

顧客や従業員が問題をエスカレートする場合、システムとアプリケーションのモニターを設置する必要があることは誰もが知っています。繰り返し発生するインシデント タイプが発生した場合、組織はそれに対処するためのプレイブックと標準操作手順を開発します。可能であれば、Web サーバーを再起動し、データベース領域をクリーンアップし、プライマリ ストレージ システムから古いファイルをアーカイブするためのスクリプトを作成します。

今日の規模、複雑さ、およびサービスへの期待に応えるには、IT 部門がこれらの分野を加速する必要があります。これはまさに AIops ソリューションが対処するように設計されています。 AIops プラットフォームは、運用データを一元管理してクリーンアップし、機械学習を使用してさまざまな問題を特定し、自動化されたソリューションのフレームワークを提供します。最終的な目標は、より優れたエクスペリエンスを提供し、作業負荷を軽減し、IT 部門の負担を軽減して、より価値の高いビジネス成果を生み出すことです。