采用智能运维以提高云迁移效率

随着很多企业努力提高其灵活性和资源以满足消费者的期望,同时降低成本,他们正在经历一场严重依赖虚拟技术的数字化转型,当然还有云计算。将所有内容迁移到云端的任务通常是自上而下的,而不考虑所涉及的复杂性,导致大多数高级管理人员认为云迁移就像“提升和转移”一样简单。但IT运营人员更清楚,事实上,“如何在不提高成本的情况获得云效率,以及如何着手迁移所有内容?”是一些最常见的问题。这些问题的答案是需要一种渐进的方法,并且能够利用标记为IT运营或智能运维(AIOps)的人工智能的新框架。

如果企业刚开始进行数字化转型,那么可以从他人的错误中吸取教训,这些错误总是包括迁移过快。因此企业需要制定计划和流程。也许令人失望的是,该计划可能意味着,如果企业已经在某种类型的私有云上运行,不会尽快迁移所有内容,而是迁移选定的技术,甚至是整合/升级。

通过采用外科手术方法处理移动到云平台的内容以及何时发生,企业将减轻与管理多个域相关的复杂性,同时使自己能够从已迁移的技术中获取更好的数据,这一点至关重要。当企业开始跨不同云迁移数据和关联技术时,需要采用三个步骤来了解每个部分的执行情况:

(1)从时间的角度来看,技术是如何被使用的?随着时间的推移,它如何随着不同的使用和不同的模型而变化的?

(2)查看基础设施组件的互连性,了解所有内容是如何连接的。

(3)应用程序层在顶部是如何的?随着时间的推移,应用程序在哪里?还存在哪些其他云平台以及它将连接到哪里?

由于IT生态系统中发生了如此多的事情,并且产生的数据量,速度和种类繁多,因此流程不再可能维持现状。为了掌握当今瞬息万变的IT环境,企业的多云策略必须专注于完全的可视性,并使用智能运维(AIOps)来理解从其环境中发布的数据。

智能运维(AIOps)将人工智能或机器学习应用于其生态系统生成的大量数据,为其提供必要的洞察力,以了解IT环境如何执行,将企业和基础设施/应用程序/业务服务之间的关系置于场景中,并根据可能会损害企业生态系统的问题采取行动的运作能力。如果应用得当,智能运维(AIOps)是一个差异制造者,使IT运营部门能够自动化流程并更快地做出更好的决策。但是为了让智能运维(AIOps)能够正常工作,这一切都归结到数据上。

为了正确地准备在智能运维(AIOps)中使用的数据,数据必须经历五个步骤,其中包括:

(1)数据收集–从IT生态系统中的每个设备开始并持续发现数据。

(2)数据准备-删除发送有关同一实例的警报的多个源和环境,然后为保留的数据建立一个通用的数据模型。

(3)数据丰富-通过向设备或服务指标添加元数据,为原始数据提供场景或其他洞察力。

(4)数据分析-包括通过动态基线、阈值处理和事件关联减少不可操作数据量的过程。

(5)数据驱动操作-在数据经历之前的过程后对其执行自动操作。

智能运维(AIOps)是多云使用的合理策略,因为它提供了对IT生态系统的增强可见性,使企业能够预测未来可能发生的问题,提供容量规划仪表板,以及显示企业更有效利用的云平台。

如果企业正在考虑迁移到云端,或采用多云策略,这并不一定是一个痛苦的过渡过程。就任何行动而言,企业最好采用计划周密、统计驱动、允许完全可见性的策略,即使是多云的策略。

未经允许不得转载(声明:本文内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:net-net@foxmail.com进行举报,并提供相关证据,工作人员会在10个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。):策信智库资讯网 » 采用智能运维以提高云迁移效率

赞 (0)