程序管理中的AI/ML用例

管理方式。

多个应用程序同时运行可生成大量数据。数据从网络层直接生成到 API 调用对最终用户的延迟。用户期望获得应用程序体验，而不会出现丝毫的性能中断。

可以从堆栈的不同层获取数据，这成为推断见解的丰富来源。操作的复杂性导致了算法 IT 操作 （AIOps） 平台的创建。平台解决方案使用 AI 和 ML 从监控数据中获得见解，并通过增强人工决策来推动自动化解决方案。

重要用例和解决方案

应用程序监控

应用程序指标跟踪响应时间、请求/分钟、时间刻度加班错误率以及识别其行为趋势等内容。此外，还捕获了 CPU 利用率、内存利用率和负载平均值等基础结构指标，以了解基础结构层如何支持以满足应用程序的不同负载条件。随着应用程序复杂性的增加，很难从预期模式检测异常。如果被忽视，这些异常可能会导致潜在的中断。

解决 方案

可以在不同作用域（包括应用程序级别、服务级别、事务级别和外部依赖项）分析和发现更改模式。首先，确定什么构成正常的系统行为，然后辨别与正常系统行为的背离。AIOps 可以通过精确定位源来准确突出显示这些异常值，这有助于实时更好地实现 RCA。此外，它还可以防止潜在的中断和基础结构中断。

事务跟踪

业务事务范围从点对点应用程序连接之间的简单同步消息交换到更复杂的异步通信。要跟踪事务，需要流一个复杂的跟踪和监视解决方案。长时间运行的多步异步事务传输 IT 基础架构，跨越多种技术、层等。

解决 方案

（编辑：桂林站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!