AIOps这是一个古老问题的新解决方案:如何防止我的团队在管理1500万个不同的工具控制台时变得疯狂?
该工具膨胀问题对于在这个行业中工作超过一分钟的人来说，这并不新鲜。在过去，当IT团队由服务器、存储、网络、数据库等方面的专家组成时，每一组专家都有一个最喜欢的工具集，向他们展示他们的小块世界是如何工作的。由于没有人理解整个体系，每个选区的代表们不得不聚在一起解决问题。每个参与调查的人都非常擅长使用他们所掌握的工具集，这是其他人都不理解的，以便找到各种证据来证明被调查的事件肯定不是从他们的系统开始的。
这个工作有关，以及你认为它没有，这在所有喂食描述数据的概念，导致一些聪明人的土地基础设施的运行状况和性能到一个系统，每个人都可以看到。这是术语“监视器监视器”（MOM）是从哪里来的。而在理想的条件下，它让整个基础架构团队工作过的同一数据集，共享信息来回，并确定以协调的方式根本原因和补救措施。许多产品获得相当不错的，在成为母亲，其中包括Zenoss的服务动态信息和IT世界是和谐的，而完全没有手指指向任何地方永远。
但随后，（插入老生常谈约数字化改造）发生。其中一个这样大的影响一直是企业经常要移动快于基础设施能够支持。当无法提供LOB团队，他们以一致的，及时的，可扩展的方式需要相关的数据点，这些球队逛街其他地方找到解决问题的工具。Forrester研究发现全球服务决策者的24％是做IT /技术采购决策，而无需IT参与的最后一年。
这是够糟糕的，当流氓IT团队自己买的工具，但是当业务部门试图购买自己的IT解决方案，可能会导致混乱的一个全新的水平。越来越多地使用DevOps的团队对企业来说也是导致快速增加应用程序基础架构需要进行监控。增殖混合云和无服务器计算模式进一步加剧了这个问题的规模。这并不少见，一些企业有超过50个工具监控重叠应用和基础设施的补丁，往往没有共享数据。由于这些解决方案通常没有什么相似之处昔日的IT点工具，标准MOM方法是行不通的。
在一个最近的研究中，Forrester发现，AIOps解决方案(像Zenoss)正在演变以解决这些新出现的问题。不仅可以在一个地方收集和显示所有数据(就像妈妈会做的那样)，而且还可以由系统分析聚合的数据，以查找出格的性能并确定原因。更高级的AIOps系统可以评估问题的业务影响，甚至可以自动执行解决步骤来最小化这些影响。
要了解更多有关这两种方法评估部署AIOps解决方案时，Forrester推荐，打这个链接下载报告。
