這代表著博睿數(shù)據(jù)的智能運維算法平臺的產(chǎn)品能力全面性與完善性得到業(yè)界認可，同時代表著博睿數(shù)據(jù)AIOps系統(tǒng)和工具達到國內(nèi)領(lǐng)先水平。

AIOps將賦能運維，帶給用戶全新的體驗

近10年來，云計算、大數(shù)據(jù)和人工智能等技術(shù)浪潮風起云涌，運維的價值逐漸顯現(xiàn)，企業(yè)底層IT基礎(chǔ)架構(gòu)愈加復雜化，軟件規(guī)模量級提高，原來的傳統(tǒng)運維方式已經(jīng)越來越跟不上時代的步伐，此時AIOps應(yīng)運而生。

根據(jù)Gartner的闡釋，AIOps通過松耦合、可擴展方式去提取和分析數(shù)據(jù)量、種類和速度這三個維度不斷增長的IT 數(shù)據(jù)，進而為IT運維管理產(chǎn)品提供支撐。

AIOps的落地在多方面直擊傳統(tǒng)運維的痛點，AI算法承擔起分析海量運維數(shù)據(jù)的重任，能夠自動、準確地發(fā)現(xiàn)和定位問題，從決策層面提高運營效率，為企業(yè)運營和運維工作在成本、質(zhì)量和效率方面的優(yōu)化提供了重要支持。

談及AIOps的未來發(fā)展，博睿數(shù)據(jù)產(chǎn)品管理部高級總監(jiān)孫麗表示，隨著企業(yè)業(yè)務(wù)規(guī)模擴大，云原生與微服務(wù)的興起，企業(yè)IT架構(gòu)復雜性呈現(xiàn)指數(shù)級增長。而傳統(tǒng)的IT運維手段面臨故障發(fā)生后，查找故障原因困難，故障平均修復時間周期長,因此，運用人工智能賦能運維，去取代緩慢易錯的人力決策，快速給出運維決策建議，降低問題的影響并提前預(yù)警問題就成為了必然。AIOps作為目前運維發(fā)展的最高階目標，未來將會賦能運維帶給用戶全新的體驗。

同時孫麗也強調(diào)，當前智能運維的很多產(chǎn)品和項目在企業(yè)側(cè)落地效果并不理想，究其原因可歸類為三點：

一是數(shù)據(jù)采集與AI平臺割裂，多源數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系缺失導致AI平臺缺乏高質(zhì)量的數(shù)據(jù)，進而導致模型訓練效果不佳；二是數(shù)據(jù)采集以Metric和Log為主，導致應(yīng)用場景較窄且存在數(shù)據(jù)孤島問題；三是AI平臺能力尚有提升空間。當前落地的場景多以異常檢測與智能告警為主，未來需要進一步提升根因分析與故障預(yù)測的能力。

因此，在孫麗看來，未來企業(yè)首先要建設(shè)一體化監(jiān)控運維平臺，一體化是智能化的基礎(chǔ)。基于一體化監(jiān)控運維平臺采集的高質(zhì)量的可觀測數(shù)據(jù)數(shù)據(jù)以及數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，進一步將AIOps的能力落地到一體化監(jiān)控運維平臺中，從而實現(xiàn)問題精準定位與見解能力。

可以預(yù)見，在新技術(shù)的促進下，AIOps成為未來運維發(fā)展的趨勢，是企業(yè)在運維（技術(shù)運營）側(cè)的高階實現(xiàn)。

將AIOps能力融入全棧監(jiān)控產(chǎn)品線

作為領(lǐng)先的APM應(yīng)用性能管理廠商，多年來博睿數(shù)據(jù)積極擁抱人工智能、機器學習等新技術(shù)變革的浪潮，并基于AI和機器學習技術(shù)，自主研發(fā)了“數(shù)據(jù)接入、處理、存儲與分析技術(shù)”核心技術(shù)體系，全面布局智能基線、異常檢測、智能告警、關(guān)聯(lián)分析、根因分析等豐富且廣泛的智能運維功能，并將AIOps能力融入端到端全棧監(jiān)控產(chǎn)品線，可為傳統(tǒng)企業(yè)提供強大的數(shù)據(jù)處理、存儲和分析的軟件工具，幫助客戶整合各類IT運維監(jiān)控數(shù)據(jù)，實現(xiàn)數(shù)據(jù)的統(tǒng)一存儲和關(guān)聯(lián)分析，打破數(shù)據(jù)孤島，構(gòu)建統(tǒng)一的IT運維管理平臺，讓企業(yè)的IT運維更加智能化、自動化。

在此基礎(chǔ)上，博睿數(shù)據(jù)還依托完整的IT運維監(jiān)控能力，利用大數(shù)據(jù)和機器學習技術(shù)持續(xù)構(gòu)建先進的智能運維監(jiān)控產(chǎn)品，2021年先后推出了搭載了AI能力的新一代APM產(chǎn)品Server7.0和新版的統(tǒng)一智能運維平臺Dataview，不斷落地智能異常檢測、根因分析、故障預(yù)測等場景?；谌斯ぶ悄艿哪芰崿F(xiàn)運維監(jiān)控場景的信息整合、特征關(guān)聯(lián)和業(yè)務(wù)洞察，幫助企業(yè)確保數(shù)字化業(yè)務(wù)平穩(wěn)運行，并保障良好的數(shù)字化體驗。

為AIOps行業(yè)的發(fā)展添磚加瓦

事實上，博睿數(shù)據(jù)能夠得到如此認可，也并不意外。博睿數(shù)據(jù)很早就成立了AI算法研究部，不斷加強產(chǎn)品根因分析能力和預(yù)測能力，并先后在北京、廈門、武漢等地設(shè)立研發(fā)團隊，并與重點大學達成戰(zhàn)略合作，通過共同的科研成果實現(xiàn)算法的升級創(chuàng)新。

未來，博睿數(shù)據(jù)將持續(xù)專注智能運維算法能力平臺Swift-AI的研發(fā)，不斷夯實在異常檢測、故障預(yù)測、智能告警和根因分析的相關(guān)算法與能力突破。

孫麗表示，Swift-AI的能力引擎將賦能博睿數(shù)據(jù)全產(chǎn)品智能化的體驗升級?；诓╊?shù)據(jù)的一體化監(jiān)控能力，可實現(xiàn)開箱即用的AI。客戶無需投入較大的人力和時間在收集數(shù)據(jù)、準備數(shù)據(jù)、清洗數(shù)據(jù)上，我們的智能探針能力會根據(jù)AI引擎的需要，對Metric、Trace、Log以及相關(guān)的關(guān)聯(lián)關(guān)系進行數(shù)據(jù)的智能化采集?；诟哔|(zhì)量Telemetry data和強大的算法模型，實現(xiàn)開箱即用且故障定位精準的AI體驗，助力更多企業(yè)實現(xiàn)數(shù)字化智能化轉(zhuǎn)型。

同時博睿數(shù)據(jù)將不斷推進相關(guān)能力在技術(shù)和功能方面的打磨，致力于與業(yè)界攜手推動AIOps等新興領(lǐng)域的標準制定，共同推動行業(yè)進步，為AIOps行業(yè)的發(fā)展添磚加瓦。

zhupb