So vereinfachen Sie den Cloud-nativen Betrieb und die Wartung

Cloud Computing bringt nicht nur Intensivierung, Effizienz, Flexibilität und geschäftliche Agilität, sondern stellt auch den Betrieb und die Wartung der Cloud vor beispiellose Herausforderungen. Wie man den Herausforderungen neuer Technologietrends begegnet, eine intelligente Überwachungsplattform für das Cloud-Zeitalter aufbaut und Cloud-Anwendungen besser schützt, ist heute ein schwieriges Problem, mit dem jedes Unternehmen konfrontiert ist.

In der aktuellen achten Ausgabe der Veranstaltungsreihe [T·Talk] lud das 51CTO Content Center Zhang Huaipeng, Vizepräsident von Chengyun Products, ausdrücklich in den Live-Übertragungsraum ein, um seine Erfahrungen und Gedanken zur Entwicklung eines digitalen Beobachtungstools zu teilen im Cloud-Zeitalter. [T·Talk] hat auch die spannenden Inhalte dieser Ausgabe zusammengestellt, und ich hoffe, Sie können etwas daraus gewinnen:

​

Die Schmerzpunkte digitaler Abläufe unter der Welle der digitalen Transformation

Digitale Transformation und der Aufbau einer digitalen Wirtschaft sind die aktuellen Trends Der wichtigste Trend der Zeit, die digitale Transformation, kann als die vierte industrielle Revolution in der Geschichte der Menschheit bezeichnet werden. Unsere täglichen Arbeitsmethoden, Zahlungsmethoden, Einkaufsmethoden, einschließlich Reisemethoden, sind alle ständig von der Digitalisierung betroffen. Um es einfach auszudrücken: Wir sind nun vom traditionellen IT-Zeitalter in das Zeitalter der digitalen DT eingetreten.

Im Zeitalter der digitalen DT hat die digitale Transformation das aktuelle Geschäft von Unternehmen und die Art und Weise der Geschäftserfahrung nahezu neu definiert. Da sich die digitale Transformation verschiedener Branchen jedoch immer weiter vertieft, kommt es nach und nach zu immer mehr Unfällen bei digitalen Anwendungen. Beispielsweise hatten der Zusammenbruch der Gesundheitsvorschriften und Anomalien beim Nukleinsäuretestsystem in einer bestimmten Provinz oder Stadt zu Beginn des Jahres enorme Auswirkungen auf die Gesellschaft.

Einer Umfrage zufolge glauben derzeit 60 % der CEOs, dass die digitale Transformation sehr wichtig ist, und auch Unternehmen machen unter der Führung dieser Gruppe große Fortschritte in Richtung digitaler Transformation und Entwicklung der künstlichen Intelligenz von Menschen. Im krassen Gegensatz dazu haben jedoch 95 % der Unternehmensanwendungen keine wirksame Überwachung und Aufmerksamkeit erfahren.

Die meisten aktuellen digitalen Betriebsmethoden wurden im traditionellen Rechenzentrumszeitalter entwickelt, und eine große Anzahl von Tools oder Technologien berücksichtigte das Cloud-Computing-Szenario nicht. Mit der Popularität des Cloud Computing hat das Informatisierungsszenario weltbewegende Veränderungen erfahren. Die Komplexität der Anwendung selbst ist explodiert, da es immer mehr Distributionen gibt, Abhängigkeiten immer komplexer werden und die Geschwindigkeit der Software-Iteration immer schneller wird. In einem solchen Szenario müssen Unternehmen dringend eine Reihe von Lösungen entwickeln, die auf Geschäfts- und Datenflüssen für das DT-Zeitalter basieren.

Die DT-Ära hat zu viele neue Technologien und neue Szenarien hervorgebracht, wie z. B. Cloud Native, das derzeit sehr beliebt ist. Die Anforderungen von Cloud Native haben die Entwicklung vom traditionellen Betrieb und zur Wartung von Anwendungen beschleunigt. In herkömmlichen Szenarien gibt es eine große Menge an Infrastruktur, aber wenn Unternehmen in die Cloud wechseln, wird die Infrastruktur von Betreibern oder Betreibern gehostet. Unternehmen müssen keine herkömmliche Computerraumverwaltung, Schwachstromverwaltung, Hardwareüberwachung und Bare-Metal-Überwachung mehr bereitstellen , und USV-Konfiguration. Probleme mit Strom, Temperatur und Luftfeuchtigkeit. Daher hat sich der traditionelle Betrieb und die Wartung von Geräten zu einem anwendungsorientierten Betrieb und der Wartung der Standortzuverlässigkeit entwickelt, und Unternehmen werden immer weniger in den traditionellen Betrieb und die Wartung investieren.

Aktuell befinden wir uns in der Phase der Transformation hin zu intelligenter Bedienung und Wartung. Jetzt gilt es, den digitalen Betrieb und die Wartung sowie den IT-Betrieb und die Wartung einfacher, schneller und kostengünstiger zu gestalten. Die Energie des Betriebs- und Wartungsteams muss auf das Unternehmensgeschäft selbst konzentriert werden, und das Geschäft ist das Schlüsselthema, auf das das Betriebs- und Wartungspersonal achten muss. Diese werden die Nachfrage nach intelligenter Bedienung und Wartung mit sich bringen.

Typischer technischer Weg für Unternehmen zu intelligentem Betrieb und Wartung

1. Was ist intelligenter Betrieb und Wartung? In Bezug auf intelligenten Betrieb und Wartung haben Forrester und Gartner es in Berichten definiert: AIOps ist eine Reihe von KI Operations und Data Science werden auf Geschäfts- und Betriebsdatendomänen angewendet, um Korrelationen und Softwaresysteme zu erstellen, die präskriptive und prädiktive Antworten in Echtzeit liefern können. AIOps kann ein Softwaresystem und somit ein implementiertes Produkt sein. AIOps kann herkömmliche Haupt-IT-Betriebs- und Wartungsfunktionen verbessern und teilweise ersetzen, einschließlich Verfügbarkeits- und Leistungsüberwachung, Ereigniskorrelation und -analyse, IT-Service-Management und Automatisierung.

AIOps ist auf den Betrieb ausgerichtet. Der Betrieb muss die drei Aspekte Beobachtung, Management und Entsorgung abdecken. Das aktuelle Gesamtniveau der Branche ist jedoch eher auf die Beobachtungsebene ausgerichtet. Auch Forrester gab dazu eine klassische Aussage: AIOps verspricht eine stärkere Beobachtbarkeit und Stabilität.

Forrester glaubt, dass einer der Kernwerte des aktuellen AIOps darin besteht, die Fähigkeiten vor einem Ereignis zu verbessern und Ihre beobachtbaren Fähigkeiten zu verbessern und zu erweitern.

2. Was ist Beobachtbarkeit

Beobachtbarkeit wurde erstmals in der Kontrolltheorie geboren, die sich auf den Grad bezieht, in dem ein System seinen internen Zustand aus der externen Ausgabe ableiten kann. Im IT-Bereich definiert Gartner Beobachtbarkeit als eine Eigenschaft von Software und Systemen. Konkret bezieht es sich auf die Fähigkeit, den aktuellen Systemstatus und die Systembedingungen auf der Grundlage der vom System generierten Telemetriedaten zu bestimmen. Diese Fähigkeit wird Beobachtbarkeit oder Observability genannt.

​

Warum ist Beobachtbarkeit erforderlich?

Mit herkömmlichen Überwachungstechnologien und -tools ist es schwierig, die Kommunikationspfade und Abhängigkeiten in der aktuellen zunehmend verteilten Architektur zu verfolgen. In Cloud-nativen Szenarien oder Cloud-Szenarien sind Abhängigkeiten sehr komplex und nicht mehr so ​​komplex wie die Anwendungen vieler traditioneller monolithischer Architekturen sind gleich. Beobachtbarkeit kann komplexe Systeme besser steuern. Durch die drei Datensäulen der Beobachtbarkeit können wir alle Aspekte komplexer Systeme auf sehr intuitive und detaillierte Weise verstehen.

Observability dient nicht nur dem Betrieb und der Wartung, sondern auch der Entwicklungsabteilung, der SRE-Abteilung, der Support-Abteilung, der Marketing-Abteilung und der Geschäftsabteilung. Wenn wir also AIOps und Observability integrieren können, um eine integrierte Plattform zu schaffen, erhalten wir ein sehr perfektes Produkt, das zwei Fliegen mit einer Klappe schlagen kann.

3. Zwei typische technische Wege für Unternehmen, die zu intelligentem Betrieb und Wartung von AIOps führen

Die beiden typischen technischen Wege für Unternehmen, die zu intelligentem IT-Betrieb und -Wartung führen, können anschaulich als „Plug-in-AIOps“ und „Plug-in-AIOps“ zusammengefasst werden. endogene AIOps“ . Plug-in AIOps implantiert die AIOps-Plattform über eine Bypass-Methode in die IT-Betriebs- und Wartungsumgebung des Unternehmens. AIOps ist eine unabhängige Algorithmusplattform, die auf heterogene Unternehmensdaten zugreift und dann mithilfe von Dateningenieuren die Abhängigkeiten zwischen den Daten sortiert und Big-Data-Verarbeitungstechnologie nutzt, um eine projektbasierte Bereitstellung zu erreichen.

Endogenous AIOps betont einen integrierten technischen Weg. Durch die endogene AIOps-Engine kann ein geschlossener Kreislauf des gesamten Datenverarbeitungsprozesses ohne die Beteiligung von Dateningenieuren realisiert werden. Ähnlich wie bei der Expresszustellung sind die Sendungen des Absenders den Daten gleichgestellt. Nach Erhalt der Daten führt der Kurier Verpackung, Lagerung, Versand, Transport und andere Vorgänge durch. Aber am Ende erhält der Empfänger die Sendung und alle dazwischen liegenden Verarbeitungsschritte müssen nicht vom Absender und Empfänger übernommen werden. Endogenous AIOps betont diese Fähigkeit und bettet KI-Fähigkeiten in eine integrierte Beobachtungsplattform ein.

Unterschiede in der technischen Implementierung:

Plug-in-AIOps verwendet im Allgemeinen traditionelle KI für maschinelles Lernen. Bei dieser Technologie handelt es sich im Wesentlichen um eine statistische Methode, die Metriken, Protokolle, Ereignisse und andere Informationen korreliert und analysiert, um das Risiko von Alarmen zu verringern. Lärm. Durch maschinelles Lernen und KI können wir eine Reihe korrelierter Warnungen erhalten. Daher ist für Plug-in-AIOps eine gewisse Zeitspanne erforderlich, bis eine Empfehlung oder mögliche Grundursache ermittelt werden kann.

Gleichzeitig erfordert Plug-in-AIOps eine große Abhängigkeit von externen Daten, und Hersteller von Plug-in-AIOps stellen normalerweise nur Algorithmusplattformen her. Datenbereinigung, Abhängigkeiten zwischen CMDB-Entitäten usw. erfordern alle externe Daten. Wenn Sie Plug-in-AIOps implementieren möchten, benötigen Sie daher ein sehr ausgereiftes Informationsbetriebs- und Wartungssystem. Sie müssen über die Voraussetzungen zum Aufrufen von Daten verfügen, über APM-Produkte verfügen und über eine relativ vollständige Beobachtbarkeit verfügen, bevor Sie Plug-in-AIOps implementieren können. in AIOps.

Endogenous AIOps bietet eine deterministische Analyse mit künstlicher Intelligenz, wobei deterministische Analyseergebnisse als Ziel dienen, d. Endogenes AIOps verwaltet eine Matrix-Abhängigkeitskarte mit sehr hoher Echtzeitleistung. Stattdessen ist die Abhängigkeitskarte selbst äquivalent zu einer Echtzeit-CMDB, die Abhängigkeiten integrieren kann Änderungen in Echtzeit und Managementanalysen werden mit Hilfe endogener Beziehungen durchgeführt.

Wie entscheiden sich Unternehmen dafür, den Technologieweg zu wählen, der zu ihnen passt?

Auf der Implementierungsebene von AIOps müssen Unternehmen auch viele Aspekte berücksichtigen. Aus Sicht der Unternehmensleiter gilt es neben grundlegenden Fragen wie Kosten und Team auch die Balance zwischen verschiedenen Abteilungen sowie die Balance zwischen Kosten, Stabilität und Effizienz zu berücksichtigen. Das Ziel von AIOps ist es, Probleme nicht nur zu lösen, sondern sie auch sinnvoll zu lösen. Bei gleichzeitiger Sicherstellung der Kosten können wir die Stabilität und Effizienz unseres Unternehmens maximieren.

In einem Forrester-Bericht wurde erwähnt, dass Unternehmen die folgenden Schlüsselfunktionen bei der Implementierung von AIOps berücksichtigen müssen:

• AIOps-Plattform und ITOM-Tools Ob die Kette sein kann nahtlos integriert und ob ein hoher Automatisierungsgrad erreicht werden kann
• Die AIOps-Plattform legt großen Wert auf native Daten. Native Daten umfassen Cloud-native Abhängigkeiten und Cloud-native Maschinendateninformationen.
• Full-Service-Abhängigkeiten Automatisierung von Karten und Konstruktion von Panoramen
• Die Zukunft von AIOps ist die Implementierung intelligenter Beobachtungswahrnehmung und Automatisierung
• Der Automatisierungsgrad der Ursachenanalyse und der Pläne zur Behebung von Vorfällen
• Moderne Technologieabläufe erfordern Intelligenz und Automatisierung

Schauen Sie sich die Unterschiede zwischen den beiden technischen Pfaden des Datenverarbeitungsprozesses an:

Die traditionelle AIOps-Plattform, also die Plug-in-AIOps-Plattform, verwendet viele Tools, um sie während des Datenverarbeitungsprozesses zusammenzusetzen und zusammenzusetzen, wodurch ein Wackeln entsteht Satz von Big-Data-Systemen. Sollte es zu einem Personalwechsel kommen, ist es sehr wahrscheinlich, dass die neue Übergabe mit einer hohen technischen Verschuldung verbunden sein wird.

Der erste Schritt der Datenerfassung erfordert den Rückgriff auf eine große Anzahl von Open-Source- und kommerziellen Tools. Der zweite Schritt besteht darin, die Daten in die Big-Data-Plattform einzuspeisen. Der dritte Schritt besteht darin, Datenbeziehungen manuell zu sortieren und die Daten zu bereinigen. Die ersten drei Schritte sind sehr zeitaufwändig. Der vierte Schritt besteht darin, Probleme zu entdecken und zu lokalisieren. Nur in diesem Schritt müssen AIOps-Anbieter vor Ort sein, um bei Bedarf zu bauen. Hersteller werden den Bedarf abfragen und entsprechende Dienstleistungen erbringen. Fünftens: Erstellen Sie ein Dashboard. Sechstens: Systemerweiterung Mit zunehmender Größe des Anwendungssystems wächst das gesamte System linear.

Während des gesamten Prozesses müssen Dateningenieure fast 80 % ihrer Zeit damit verbringen, Daten zu bereinigen, zu sammeln und zu organisieren. Die gesamte Lösung erfordert hochmoderne Betriebs- und Wartungstalente Dimension-Experten müssen auch Algorithmen und Entwicklung verstehen. AIOps selbst ist ein unterstützendes System, das zur Lösung von Problemen verwendet wird. Plug-in-AIOps dürfte jedoch den Betrieb und die Wartung aufwändiger machen, sodass ein spezielles Team für die Wartung der AIOps-Plattform selbst erforderlich ist.

Der Datenverarbeitungsprozess endogener AIOps ist sehr einfach und ein Tool kann das Datenerfassungsproblem lösen. Und da es sich um ein stark kommerzialisiertes Produkt handelt, verfügt es über sofort einsatzbereite Dashboard-Funktionen, einschließlich Engines. Daher handelt es sich bei den nachfolgenden Verarbeitungsvorgängen ausschließlich um Black-Box-Prozesse, bei denen das Unternehmen nicht zu viel Aufmerksamkeit auf sich ziehen muss. Auch müssen Wirtschaftsingenieure den Algorithmus nicht verstehen und über das technische Niveau von SRE verfügen.

Gleichzeitig wird endogener AIOps nichtlinear wachsen, da die Größe der Unternehmensgeschäftssysteme zunimmt. Das gesamte System, einschließlich des Benutzerteams und des Produkts, wächst nichtlinear. Sobald die gesamte Lösung ausgelegt ist, muss das Unternehmen nur noch einen Agenten installieren und viele der nachfolgenden Funktionen werden automatisiert. Dadurch kann sich das Betriebs- und Wartungspersonal des Unternehmens auf das eigene Geschäft konzentrieren.

Zusammenfassung:

Die Branche benötigt eine neue Generation von Software-Intelligence-Plattformen, die den gesamten Datenverarbeitungsprozess vollständig abdecken können. Liefern Sie die von Ihren Kunden gewünschten Ergebnisse direkt, anstatt Rohdaten zu präsentieren. Im Allgemeinen wird für Unternehmen unter den beiden technischen Pfaden Plug-in-AIOps und endogener AIOps eher die Verwendung endogener AIOps empfohlen, was zu einem neuen Paradigma für intelligenten Betrieb und Wartung gehört.

​

Endogenes AIOps trägt dazu bei, den Cloud-nativen Betrieb und die Wartung zu vereinfachen

Das Ziel der endogenen AIOps-Plattform ist der Aufbau einer integrierten Plattform, die AIOps und Observability integriert. Es erfordert Beobachtungsfähigkeiten, und die Beobachtungsfähigkeiten müssen sich auf die Anwendungsüberwachung konzentrieren. Die Anwendungsüberwachung ist die Phänomenebene, mit der Endbenutzer konfrontiert sind. Gleichzeitig ist es auch notwendig, die Infrastrukturüberwachung zu integrieren, einschließlich Cloud-Plattform-Überwachung und Black-Box-Überwachung. Schließlich müssen Sie auch in der Lage sein, ein digitales Front-End-Erlebnis bereitzustellen.

Die neue AIOps-Plattform muss eine kontinuierliche Automatisierung schaffen, vom Datenzugriff bis zur Ausgabe der Datenergebnisse. Es sind Vorkenntnisse sowie die Fähigkeit zur Vorhersage und Warnung erforderlich.

Die neue AIOps-Plattform muss eine hohe Beobachtbarkeit bieten. Sie zeigt dem Unternehmen nicht nur die Originaldaten und Originalteile, sondern achtet auch auf das Phänomen und die Erfahrung und liefert genaue Ergebnisse, um zu reduzieren so viel wie möglich Die Auswirkungen und Störungen, die massiver Lärm auf Unternehmen verursacht.

Das Datenverarbeitungsmodell endogener AIOps weist viele Unterschiede auf, z. B. die Betonung der Fähigkeit eines Agenten bei der Datenerfassung. In Bezug auf die Datenverarbeitung legen wir Wert auf das Indikatorsystem. Der Aufbau des Indikatorsystems unterscheidet sich von der herkömmlichen Methode. Wir betonen, dass endogenes AIOps für die integrierte Plattform endogen ist.

Die endogene AIOps-Plattform wird hauptsächlich dazu beitragen, den Cloud-nativen Betrieb und die Wartung aus den folgenden fünf Aspekten zu vereinfachen:

• Die endogene AIOps-Plattform kann direkt hochwertige Beobachtungsdaten erhalten
• kann kontinuierliche Automatisierungsfunktionen schaffen, und für Betrieb und Wartung wird die Arbeitseffizienz höher sein
• Die Plattform kann eine Echtzeit-Matrixtopologie erstellen und eine Suche nach Bildern durchführen
• kann sofort eine Auswirkungsanalyse ausgeben
• Zeigen Sie die Ursache an und beobachten Sie die Ergebnisse

1. Erhalten Sie direkt hochwertige Beobachtungsdaten.

Erstens erhalten Sie direkt hochwertige Überwachungsdaten. Eine klassische Zusammenfassung lautet: „Hochwertige Beobachtungen basieren auf hochwertiger Telemetrie.“ Eine hochwertige Back-End-Analyse erfordert die Generierung hochwertiger Front-End-Telemetriedaten. Observability konzentriert sich auf drei Säulen. Wenn Sie Observability und endogene AIOps-Analysen durchführen möchten, benötigen Sie zusätzlich zu den herkömmlichen Tracking-Daten, Indikatoren und Protokolldaten auch sehr wichtige Topologiedaten Die Qualität der Daten kann die Obergrenze des Modells direkt bestimmen.

Diese Daten müssen ohne Eingriff in den Quellcode, das Geschäft und die Anwendungen direkt erfasst werden und können eine Kombination aus Kontextinformationen und Automatisierung erreichen. Kontextinformationen können dabei helfen, eine echte Ursachenanalyse zu erreichen, bei der Ursachenanalyse hochauflösende Hintergrundinformationen zu extrahieren und der Plattform dabei zu helfen, Echtzeit-Service-Flussdiagramme und Topologiediagramme zu erstellen, um Abhängigkeiten zu ermitteln. Unter Einbeziehung der relationalen Topologietechnologie vom Matrixtyp sind diese Kontextinformationen ebenfalls sehr wichtig.

Topologiediagramm zeigt hauptsächlich die Abhängigkeiten der gesamten Anwendungsumgebung, einschließlich vertikaler und horizontaler Stapel. Das Service-Flussdiagramm bietet einen Überblick über die gesamte Transaktion aus der Perspektive eines Services oder einer Anfrage. Mithilfe des Service-Flow-Diagramms und des Topologiediagramms kann die Abfolge der Aufrufe zwischen Services erläutert werden. Das Service-Flussdiagramm zeigt die gesamte verteilte Abfolge von Transaktionen, die geordnet ist, während das Topologiediagramm eine Abstraktion auf höherer Ebene ist und Abhängigkeiten usw. zeigt.

Der direkte Erhalt hochwertiger Überwachungsbeziehungen erfordert den Einsatz kommerzieller Agententechnologie. Obwohl es viele Open-Source- oder kostenlose Tools auf dem Markt gibt, bietet die kommerzielle Agententechnologie die folgenden Vorteile Quelltools nicht haben.

• Die Stabilität, Sicherheit und Zuverlässigkeit der gesammelten Proxy-Proxys sind garantiert.
• Die Auswirkungen der Probes auf den Host, den Ressourcenaufwand und die Leistung des Kerngeschäfts sind garantiert.
• Bereitstellung und Instrumentierung, einschließlich Änderungen können weniger manuelle Vorgänge erfordern
• Überwachung kann automatisch in diese Komponenten dynamischer Methoden oder Containerklassen implantiert werden
• Verschiedene Indikatoren-Stichproben sind in Ordnung, native High-Fidelity
• hat genug Informationen und Kontext sind verfügbar um ein einheitliches Datenmodell zu erstellen

Die oben genannten Vorteile sind in vielen kostenlosen Tools nicht verfügbar. Die endogene AIOps-Plattform basiert auf der One Agent-Technologie und verfügt über ein Edge-Computing-Design und führt umfangreiche Datenaggregation und Datenbereinigung auf Edge-Endpunkten durch.

2. Kontinuierliche Automatisierung erstellen

Die Fähigkeit der endogenen AIOps-Plattform ist darauf ausgelegt, eine kontinuierliche Automatisierung aufzubauen. Die Überwachung komplexer Cloud-nativer Umgebungen erfordert Automatisierung. Einschließlich automatisierter Bereitstellung, automatisierter Anpassung, automatisierter Erkennung, Überwachung, Injektion, Reinigung und einer Reihe von Automatisierungen. In einer komplexen Cloud-nativen Umgebung ist es schwierig, diese End-to-End-Geschäfte manuell zu verstehen, daher sind ein hohes Maß an Automatisierungsfunktionen als Hilfstools zur Unterstützung des automatischen Betriebs und der Wartung erforderlich.

3. Erstellen Sie eine Echtzeit-Matrix-Beziehungskarte

Die endogene AIOps-Plattform kann eine Echtzeit-Matrixtopologie erstellen. Sie können anhand der Zeichnung suchen und die horizontale Richtung in der Zeichnung anzeigen, z. B. das Abhängigkeitsdiagramm der Serviceschicht sowie der Containerschicht, der Hostschicht, der Prozessebene usw. Die vertikale Richtung gibt an, auf welchem ​​Container der Dienst ausgeführt wird, welchem ​​Prozess dieser Container entspricht und auf welchen Cloud-Host dieser Prozess fällt.

4. Ausgabeauswirkungsanalyse in Echtzeit

Ausgabeauswirkungsanalyse entspricht dem Netzwerksicherheitsdenken und ist bei Betrieb und Wartung dasselbe. Welche Auswirkungen hat das Auftreten eines Systemausfalls oder einer Anomalie, welche Benutzer, Dienste und Anwendungen sind davon betroffen und was sind die Grundursachen? Durch automatisierte Mittel und Technologien werden die Ergebnisse an Benutzer ausgegeben, ohne dass eine manuelle Analyse durch das Betriebs- und Wartungspersonal erforderlich ist.

5. Zeigen Sie auf die Grundursache und beobachten Sie die Ergebnisse

Schließlich besteht die sehr wichtige Fähigkeit des automatisierten Betriebs und der Wartung darin, auf die Grundursache hinzuweisen und die Ergebnisse zu beobachten . Herkömmliche Technologien erfordern unterschiedliche Methoden basierend auf Wissensdatenbank, CMDB und kausaler Schlussfolgerung, während AIOps eine endogene Ursachenpositionierung ermöglicht. Es kann zusätzlich zu den Abhängigkeiten zwischen Objekten auch die Abhängigkeiten zwischen verschiedenen Datentypen öffnen, beispielsweise die Abhängigkeiten zwischen Aufrufketten, Protokollen und Indikatoren. Es ermöglicht die Ursachenlokalisierung in Echtzeit, ist äußerst anpassungsfähig, weist einen geringen Overhead und eine sehr hohe Genauigkeit auf. Es verfügt außerdem über unbeaufsichtigte Technologie und erfordert nicht allzu viel manuelle Unterstützung, um die Bereitstellung dieser Funktionen zu erreichen.

Zusammenfassung

Wenn ein Unternehmen bei der digitalen Transformation erfolgreich sein will, muss es sicherstellen, dass alle Anwendungen, digitalen Dienste und die dynamischen Multi-Cloud-Plattformen, die seinen Betrieb unterstützen, perfekt funktionieren können, und dies muss jederzeit geschehen.

Diese hochdynamischen und verteilten Cloud-native-Technologien unterscheiden sich völlig von herkömmlichen Szenarien. Infolgedessen gerät die durch Microservices, Container und softwaredefinierte Cloud-Infrastruktur verursachte Komplexität derzeit außer Kontrolle. Diese Komplexität überschreitet die Grenzen der Teammanagementfähigkeiten und nimmt weiter zu. Wenn Sie alles, was in diesen sich schnell verändernden Umgebungen geschieht, jederzeit verstehen möchten, müssen Sie Ihre Beobachtbarkeit sowie Ihre intelligenten Betriebs- und Wartungsfunktionen verbessern.

Wir müssen ein hohes Maß an Automatisierung und intelligenter Technologie nutzen, um den Cloud-nativen Betrieb und die Wartung einfacher, schneller und kostengünstiger zu machen, damit sich die Energie des Unternehmensteams wirklich auf das Unternehmensgeschäft selbst konzentrieren muss Gehen Sie voran in die Ära der intelligenten Bedienung und Wartung.

​

Gastvorstellung

Zhang Huaipeng, Vizepräsident von Chengyun Products. Kam 2017 zu Hangzhou Chengyun Digital Technology Co., Ltd. und ist für die tägliche Verwaltung der Produktlinie [Integrierte Beobachtung und intelligente Bedienung und Wartung von DataBuff] verantwortlich. Er fungiert als Manager des integrierten Produktentwicklungsteams von IPD und nimmt am Markt teil Management, Bedarfsanalyse, Teamzusammenarbeit, Prozessstrukturierung und Qualitätskontrolle usw.

Das obige ist der detaillierte Inhalt vonSo vereinfachen Sie den Cloud-nativen Betrieb und die Wartung. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!