2018年，现代企业采用了不同的方法和工具预测并消除IT中断使用数据收集和分析——从建模和性能数据到日志、事件和应用程序数据。机器学习和人工智能的进步将帮助DevOps和IT Ops在2019年突破边界，使他们能够实时收集流数据，并获得优化和提高IT性能的见解。以下是我们观察到的2019年的一些趋势。
界限模糊:无缝管理多云基础设施
随着人口的不断迁移云在过去十年中，在物理基础设施供应商的帮助下，大多数运行在办公场所的组织能够将其资源扩展到公共云，这些供应商提供的特性有望实现完全透明的混合云基础设施。尽管这并没有完全实现，但一些人已经显示出了未来的迹象。谷歌Kubernetes引擎和努塔尼棱镜和光束是企业客户如何要求跨场所和公共云基础设施的无缝管理体验的例子。必威亚洲体育 官网登陆这将为……铺平道路DevOps轻松地在任何地方部署资源，而不必担心操作复杂性的增加，以便管理这个多云和hyperconverged基础设施。
越来越关注环境和性能
在最近的历史中，ITOM工具的一些关键驱动因素集中于可视化服务健康和交付IT服务保证。但是，考虑到DevOps最近出现了中断，并且跨基础设施分布的临时服务面临越来越大的伸缩性挑战，因此对整个IT堆栈的性能监视变得非常重要。APM供应商试图通过以应用程序为中心的监视为用户提供端到端可见性，但是失败了，因为DevOps团队需要完整IT堆栈的上下文。对整个IT领域的即时和自服务性能监控，着眼于围绕IT事件提供上下文，将取代服务保障和可见性等遗留目标。这种跨域分析数据和潜在发现趋势的能力可以为跨整个环境部署机器学习的公司提供预测性的好处。
增加智能:用数据宽度授权IT操作
“统一的”监视工具最初关注于监视目标的范围，现在关注于添加一系列的平台功能，并且使用机器学习/人工智能来深入了解IT基础设施已经成为一种流行的工具。Ops意识到他们的工具功能有限，需要大量的数据来创建有意义的机器学习模型。这意味着仅在日志或事件上添加智能不足以创建可靠的自动化。为了实现健壮的自修复，这些工具必须能够从不同的数据源传输所有数据类型，以提供足够的上下文以使其值得信任。很明显，It运营团队需要基于云的工具，这些工具具有可伸缩性，可以组合事件、模型、指标、日志等，只有那些能够智能地从各种形式的收集中度量性能的工具，才能成为自治数据中心蓬勃发展的可行机制。
