معرفی AIOps و ویژگی‌های اصلی آن در یک پلتفرم مانیتورینگ

اهمیت خودکارسازی فرایندها و عملیات خدمات فناوری اطلاعات

نرخ تغییر در حوزه IT به طور خاص در زیرساخت‌­ها و پلتفرم‌­های مختلف اصلا شبیه به گذشته نیست و سرعت تغییرات بسیار افزایش یافته است. سازمان‌ها با حجم عظیمی از داده‌های جمع‌­آوری شده توسط سامانه­‌های مانیتورینگ، پیچیدگی فزاینده سیستم‌های فناوری اطلاعات و نیاز به ارائه خدمات سریع و قابل اعتماد به کاربران روبه‌رو هستند. بسیاری از این خدمات به صورت سرویس­‌های برخطی ارائه می­‌شوند که دسترس­‌پذیری (availability) این سرویس‌­ها اهمیت بسیار زیادی دارد. همچنین اهمیت کیفیت سرویسی که به کاربران ارائه می‌شود تحت عنوان Service level agreement (SLA) بر افراد این حوزه پوشیده نیست. با پیچیدگی روزافزون سرویس‌­ها، خدمات و همچنین زیرساخت‌­های فناوری اطلاعات محقق ساختن SLA نیازمند مجموعه‌­ای از خدمات و عملیات است که با توجه به پیچیدگی زیرساخت‌­ها، انجام دستی و انسانی این عملیات می‌­تواند چالش­‌های فراوانی داشته باشد. موارد مطرح‌­شده در واقع نشان دهنده چالش‌های متعددی در حوزه مدیریت و بهینه‌سازی عملیات خدمات فناوری اطلاعات می‌­باشد. به عنوان نمونه برخی از این عملیات نگه­داری و مدیریت زیرساخت عبارتند از: مدیریت مصرف منابع، مدیریت خطاهای سامانه‌­ها، مدیریت هشدارها و اعلان­‌ها، تشخیص خودکار رویدادهای نامطلوب در زیرساخت­. لذا اهمیت وجود ابزارها و فرآیندهایی که بتوان مدیریت سیستم‌­ها و خدمات پیچیده را خودکار نمود بیش از پیش احساس می­‌شود. در همین راستا مفهوم AIOps معرفی شده است. در ادامه با AIOps و کاربردهای آن بیشتر آشنا خواهیم شد.

معرفی AIOps

AIOps اختصاری برای واژه Artificial Intelligence for IT Operations می­‌باشد. اولین بار این مفهوم توسط موسسه گارتنر در سال 2016 ارائه شد. طبق تعریفی که توسط موسسه گارتنر ارائه شده است، AIOps ترکیبی از big data وmachine learning به منظور خودکارسازی فرآیندهای مرتبط با حوزه فناوری اطلاعات می‌­باشد. تکنولوژی‌­های مرتبط با AIOps از رو­ش­‌های یادگیری ماشین، پردازش زبان طبیعی و سایر روش­‌های پیشرفته هوش مصنوعی استفاده می‌­کنند تا عملکرد عملیات مختلفی مانند مانیتورینگ، تعیین همبستگی بین رخدادها، تشخیص ناهنجاری، آنالیز تعیین ریشه خطا و ...  را در حوزه فناوری اطلاعات خودکار سازند. در واقع می‌­توان از AIOps به عنوان یک تفکر سیستماتیک برای استفاده بهینه از روش­‌های هوش مصنوعی به منظور کاهش دخالت نیروی انسانی در سامانه‌­ها و عملیات حوزه فناوری اطلاعات نام برد.

یک چهارچوب پیشنهادی برای AIOps

یک پلتفرم مبتنی بر AIOps از تکنولوژی‌­ها و روش­‌های پیچیده مختلفی پشتیبانی می‌­کند که در قالب معماری AIOps به صورت یک چارچوب ارائه می‌­شود. طبق چارچوب پیشنهادی معماری پلتفرم‌­های مبتنی بر AIOps شامل سه هسته اصلی به نام‌­های مانیتورینگ (Observe)، مدیریت سرویس­‌های IT (IT Service Management) و خودکارسازی (Act) است. در شکل زیر سه هسته اصلی نام­ برده شده قابل مشاهده است.

بخش اول - Observe (Monitoring)

اولین بخش از معماری AIOps را بخش مربوط به مانیتورینگ تشکیل می­دهد. هدف این بخش جمع‌­آوری داده و اجرای تحلیل­‌های مختلف بر روی داده‌­ها به منظور تعیین رویدادهای نامطلوب در سامانه است. سامانه­‌های مانیتورینگ یکی از منابع اصلی داده­‌ها برای AIOps است. می­‌توان از انواع داده­‌هایی مانند شاخص­‌ها، لاگ‌­ها، trace ها در این مرحله استفاده نمود. پردازش­‌های مناسب را بر روی آن­ها انجام داد و سپس تحلیل‌­های مختلفی را بر روی آن‌­ها اجرا نمود. برای انجام تحلیل‌­های مختلف معمولا از روش­‌های مبتنی بر یادگیری ماشین استفاده می­‌شود. برخی از مهم‌ترین تحلیل­‌هایی که می‌­توان در رویکرد AIOps انجام داد عبارتند از:

• تعیین رویدادهای نامطلوب بر اساس حد آستانه شاخص­‌ها (Event Detection)
• تشخیص ناهنجاری­‌ها (Anomaly Detection)
• تعیین ارتباط و همبستگی بین رویدادهای نامطلوب (Event Correlation)
• تحلیل ریشه خطا (Root Cause Analysis)
• پیش­بینی رویدادهای سامانه و روند شاخص­‌ها (افزایشی، کاهشی، ثابت)

بخش دوم - Engage

دومین بخش از معماری AIOps را اصطلاحا Engage می‌­نامند که این بخش مرتبط با عملیات مدیریت سرویس یا IT service Management می‌­باشد. پس از اینکه در بخش اول Observe بر مبنای تحلیل داده‌­ها incident های سامانه تولید شدند، لازم است فرآیندهایی به منظور مدیریت incident ها توسط راهبران خدمات انجام شود. هدف بخش دوم در معماری AIOps این است که عملیات و خدماتی که معمولا توسط نیروی انسانی انجام می‌­شده است را خودکار نماید. برخی از مهم‌ترین فرآیندهای این هسته معماری AIOps عبارتند از:

• مدیریت incident ها (Incident Management)
• مدیریت تغییرات (Change Management)
• مدیریت پیکربندی­‌ها (Configuration Management)
• مدیریت توافق سطح سرویس (Service Level Agreements)
• مدیریت دسترس­‌پذیری و ظرفیت (Availability and Capability Management)

هر یک از موارد ذکر شده قابل توضیح و تفصیل بیشتر است که در مقاله‌­های آتی به آن­‌ها خواهیم پرداخت.

بخش سوم - Act

در هسته اول از معماری AIOps که مانیتورینگ است، با مشاهده پارامترهای مختلف در سامانه و با بهره‌­گیری از روش­‌های مبتنی بر هوش مصنوعی و یادگیری ماشین، حوادث و رویدادهای نامطلوب در سامانه شناسایی می‌­شود. یک رویداد نامطلوب می­‌تواند کمبود حافظه در SQL Server باشد (این مقاله مطالعه شود) که منجر به کاهش performance آن می‌­شود. یا از کار افتادن منابع تغذیه در سرورهای HPE (این مقاله مطالعه شود) می­‌تواند نوع دیگری از رویداد نامطلوب باشد. سپس به ازای هر یک از این رویدادهای نامطلوب در سامانه لازم است یک incident ایجاد شود و عملیاتی را برای رفع آن رویداد نامطلوب یا کاهش اثرات آن انجام داد. در تفکر AIOps، حالت ایده‌­آل این است که این عملیات که از آن‌­ها به عنوان Remediation Action نام برده می‌­شود به صورت خودکار انجام گیرد تا سامانه را به حالت نرمال بازگرداند.

در بخش­های Observe و Engage بیشتر عملیات مرتبط با تشخیص، تحلیل و مدیریت رویدادهای نامطلوب انجام می‌­گیرد. بخش سوم یعنی Act مزایای استفاده از تفکر AIOps را برای یک سازمان به حداکثر می‌­رساند. به این صورت که سازمان­‌ها علاوه بر این که قادر به تشخیص خطاهای سامانه و یافتن علت اصلی آن خواهند بود، می‌­توانند برای رفع آن­ها به صورت خودکار و بدون دخالت نیروی انسانی نیز مکانیزم­‌هایی داشته باشند. یکی از مهم­ترین فرآیندهایی که در این هسته از معماری AIOps به آن اشاره می‌­شود رفع incident ها به صورت خودکار است. برای محقق شدن این هدف می­‌توان راهکارهای مختلفی را اتخاذ نمود. برای مثال اجرای Script های خودکار در PowerShell یا Shell Script برای reboot یا restart کردن سرویس­‌ها یکی از ساده­‌ترین عملیات خودکاری است که می­‌توان در این راستا انجام داد.

دسته‌بندی روش‌های مورد استفاده در AIOps

در قسمت قبل یکی از چارچوب‌­های پیشنهادی برای AIOps معرفی شد. در ادامه یکی از دسته­‌بندی­‌های پیشنهادی مرتبط با روش­‌های به کار رفته در AIOps را بررسی خواهیم نمود. در این دسته‌­بندی رویکردهایی که در سال­‌های اخیر بیشتر مورد توجه پژوهش­گران حوزه AIOps بوده است عمدتا در دو دسته: 1- مدیریت خطا (Failure Management) و 2- مدیریت منابع (Resource Provisioning) قرار می‌­گیرد. در این دسته­‌بندی در حوزه مدیریت خطا به روش­‌های مختلفی در حوزه جلوگیری از خطا، پیش­بینی خطا، تشخیص خطا و تحلیل دلایل ریشه‌­ای خطا اشاره می شود. در دسته دوم یعنی مدیریت منابع نیز به روش­‌های مختلفی در حوزه تخصیص منابع، زمان­بندی مصرف منابع، پیش­بینی بارکاری اشاره می‌­شود. هر کدام از این دسته‌­ها از روش­‌های مختلفی استفاده می‌­شود که در مقاله‌­های آتی مورد بررسی قرار خواهند گرفت.

جمع‌بندی

در این مقاله مفهوم AIOps معرفی شد و به ضرورت داشتن تفکر مبتنی بر آن در سازمان­‌های مختلف اشاره شد. همچنین بخش­‌های مختلف یک چارچوب پیشنهادی برای AIOps معرفی شدند. سه هسته اصلی یک معماری پیشنهادی برای AIOps عبارتند از: Observe، Engage و Act که هر یک از این بخش­‌ها اهداف متفاوتی دارند و فرایندهای مختلفی را در چرخه عمر یک پلتفرم مبتنی بر AIOps پوشش می‌ دهند. با توجه به پیچیدگی زیرساخت­‌ها و خدمات فناوری اطلاعات از یک طرف و همچنین رشد استفاده از روش­‌های مبتنی بر هوش مصنوعی از طرف دیگر، انتظار می‌­رود تفکری مانند AIOps با گذشت زمان بیش از پیش در حوزه خدمات فناوری اطلاعات و ابزارهای مانیتورینگ نفوذ کرده و سازمان‌­ها و شرکت­‌های بیشتری به سمت خودکار سازی فرآیندهای خود با رویکرد AIOps بروند.

منابع/لینک‌های مفید

[1] Hands-on AIOps: Best Practices Guide to Implementing AIOps 1st ed. Edition, by Navin Sabharwal and Gaurav Bhardwaj, 2022

[2] Notaro, Paolo, Jorge Cardoso, and Michael Gerndt. "A survey of aiops methods for failure management." ACM Transactions on Intelligent Systems and Technology (TIST) 12.6 (2021): 1-45.