AIOps是一个老问题的新解决方案:我如何阻止我的团队管理1500万个不同的工具控制台?
的工具膨胀问题这对任何在这一行工作过一分钟的人来说都不是新鲜事。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，每个专家小组都有一个受欢迎的工具集，可以向他们展示他们的小领域是如何运行的。由于没有人了解整个系统，来自每个选区的代表不得不聚集在一起解决问题。每个参与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，为了找到各种证据，证明正在调查的事件肯定不是从他们的系统开始的。
这就像你想象的那样，这使得一些聪明的人想到了为所有描述的数据提供数据的概念基础设施运行状况和性能一个所有人都能看到的系统。这就是术语“监视器中的监视器”(MoM)的来源。在理想情况下，它允许整个基础设施团队使用相同的数据集，来回共享信息，并以协调的方式确定根本原因和补救步骤。许多产品都很擅长成为mom，包括Zenoss服务动态，在一段时间内，IT世界是和谐的，从来没有任何地方相互指责。
但是，(插入陈词滥调关于数字转换发生了)。这样做的一个重大影响是，业务经常希望比基础设施能够支持的速度更快。当IT无法以一致的、及时的、可伸缩的方式为LOB团队提供他们所需的相关数据点时，这些团队就会去别处寻找解决他们问题的工具。弗雷斯特研究公司发现去年，24%的全球服务决策者在没有IT参与的情况下做出了IT/技术购买决策。
流氓It团队购买自己的工具已经够糟糕的了，但当业务部门试图购买自己的It解决方案时，可能会导致全新程度的混乱。越来越多的使用DevOps团队在企业中也造成了快速的增加应用程序基础设施这需要监控。的扩散混合云无服务器计算模型进一步加剧了这个问题的规模。对于一些企业来说，拥有超过50个工具来监视应用程序和基础设施的重叠补丁并不罕见，而且通常不共享数据。由于这些解决方案通常与以前的IT点工具没有多少相似之处，因此标准的MOM方法不起作用。
在一个最近的研究， Forrester发现AIOps解决方案(如Zenoss)正在不断发展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MOM所做的那样)，而且系统还可以分析聚合的数据，以查找超出限制的性能并确定原因。更先进的AIOps系统可以评估问题的业务影响，甚至自动化解决步骤，以最小化所述影响。
要了解更多关于Forrester在评估AIOps解决方案部署时推荐的两种方法，请点击此链接下载报告．
