WatchStor.com — 领先的中文存储网络媒体 | 51CTO旗下网站

新闻资讯 > 混合云 > 正文
企业为何应选择机器学习来实施IT运营
作者: litao984lt编译 2018-01-11 10:48 【机房360】

在当下这样一个数字化转型的时代,领先的企业组织均已经认识到大型主机通过对于企业关键数据的高效事务处理和大量访问来提供高商业价值的重大战略意义。本文中,我们就将与广大读者朋友们共同探讨企业组织要如何将连接和创新大型主机作为其现代混合IT环境的一部分,并通过运营智能化和机器学习帮助简化大型主机的管理,以便跟上日益增长的市场需求。

计算世界正在我们眼前发生着天翻地覆的变化。曾经那些始终具有一致性和可预测的商业模式的行业正在经历着颠覆。在数字化经济中,无缝的客户体验是至关重要的。无论是正在探索新的创新在线销售策略的零售商,还是大型的银行机构,都在积极的探索如何预测客户对新服务的需求——而这其中,高性能和可扩展的IT系统无疑是推动成功的关键。当一天工作结束的时候,作为企业的IT领导者,您需要帮助您所在的企业预测机遇,推动业务增长,并主动防范各种或将威胁到您企业营收的风险。

当下的企业组织纷纷都在积极的以创新的方式利用大型主机作为其现代IT环境的一部分,进而为其客户提供新的服务和体验。而为了实现这一点,他们需要将关注重点放在如下三大举措方面:

现代大型主机与混合云环境之间的连接和管理;

在机器学习的帮助下管理大型主机的操作运营;

在数据源上应用机器学习和分析

连接

在当下这样一个灵活敏捷性和模块化应用程序和服务的需求占主导地位的时代,连接大型主机的概念正日渐获得更多企业组织的青睐。现代化的大型主机已经通过对包括Linux操作系统、Java语言以及分析平台(如Hadoop和Spark)在内的开源基础架构的本地化集成进行了充分的改造。另外,新一代的应用程序编程接口(API)则又为大型主机工作负载与混合云和移动环境之间提供了很好的无缝集成。

大型主机朝着更加开放的平台的方向发展,使其成为了企业混合IT环境的一个重要的组成部分。例如,使用API​​管理,您企业可以将大型主机的事务处理与方便用户使用的移动应用程序实现无缝连接。当您企业将大型主机的可扩展性、可靠性和安全性与新兴的DevOps工具、容器和微服务相结合时,您企业环境的变革能力便已经形成。

作为企业的一名IT领导者,您需要认识到:帮助推动业务发展的能力取决于提供高性能,持续可用的环境。而为了获得业务的成功,这些将大型主机连接到公共云和私有云的混合环境必须以操作复杂性进行管理。新兴的机器学习分析正在成为使该复杂的系统变得更加可管理和可预测的工具。

充分利用机器学习简化操作运营

虽然在大型主机和混合IT基础架构之间建立一个连接性的系统变得至关重要,但企业必须借助精简的技术来管理工作负载和功能的组合。现实情况则是,经验丰富的大型主机操作专家正在退休,而新的IT运营人员们则普遍缺乏管理大型主机方面的经验,更不用说灵活应付混合IT的复杂性了。

能够帮助理解大型主机操作完整性的主要技术是操作运营专家们所分析的大量的日志数据。这需要花费大量的时间,并且需要借助许多大型主机子系统的复杂知识来追踪相关问题。但随着大多数经验丰富的大型主机专业人员逐渐退休离职,企业越来越难以找到具有适当技能的新员工。积极应对这种日益扩大的技能差距的最可行的方案是配置一个软件环境,用于抽象管理大型主机的复杂性,以便管理员们能够在出现问题之前迅速找到问题的原因,并阻止潜在故障的发生。您企业应该考虑利用新兴的机器学习和自动化技术,使缺乏经验的IT运营管理人员们能够熟练地监控和管理您企业的大型主机的操作。

基于机器学习和嵌入式智能的操作环境主动从模式分析中学习,并在出现性能问题之前能够提供自动或手动采取补救措施的能力。

在数据源应用机器学习

大型主机上的机器学习使领先的企业组织能够利用大量常常未获得充分利用的大型主机数据。一个重要的因素是,现在可以在数据所在位置的附近执行高级分析。

大型主机交易数据可以提供丰富的情报,用于帮助企业解读对客户需求和未来期望的洞察。在这些数据中检测模式和异常的能力对于那些试图在竞争中保持领先或简单地提高运营效率的所有行业的企业组织而言都是一款相当有价值的工具。不迁移数据,而是将分析引入大型主机的交易事务数据更为有效,且更安全。因此,当数据安全性和实时分析很重要时,将机器学习应用于大型主机事务数据的最佳方法是在大型主机平台本身上执行分析。如果安全性和实时速度不是关键因素的话,例如执行简单的取证历史分析时,将大型主机数据卸载到分布式资源或云资源是获得整合洞察分析的另一种方法。

定义机器学习和操作智能

机器学习是一门计算机科学学科,其提供了一套复杂的算法,不断提高模型的准确性。通过机器学习,可以从海量数据中学习,并提高预测结果的准确性。有多种算法可以根据暴露于数据中的模式而不是通过显式编程来学习和改进其性能。本质上,机器学习系统是基于系统的最佳实践方案和预期行为而设计的。

机器学习系统不是简单地编程一款系统来检测操作系统中的已知问题,而是从操作数据开始,并且在当工作人员采取操作行为或甚至工作人员未执行推荐的操作行为时,系统将进行学习。在大型主机系统的案例中,机器学习模型理解大型主机的功能及其所创建的数据类型。机器学习系统依靠海量数据的收集。随着系统收集的数据越多,其能够更新其数据模型,以创建更准确的结果。机器学习系统与传统的解决方案形成了对比,在传统的解决方案中,程序员必须在一开始就做出假设,但系统不会随之演化发展。

企业IT角色的演变

随着IT逐渐转变为企业数字化颠覆性业务的服务部门,不同的IT筒仓发现他们必须协同合作才能生存下去。因此,开始更多的关注于管理复杂的混合计算环境。现在已经认识到大型主机是扩展和保护关键数据和事务的重点,从运营IT的角度来看,有一种可预测的方式来管理环境是至关重要的。仅仅假设运营团队将具有能够以反应式,手动方式继续管理这一互联系统的知识或能力是不现实的。为了取得成功,企业IT的运营领导者正在转向机器学习工具,以便能够迅速行动,并确保成功和透明的客户体验。

将机器学习应用于企业IT运营所带来的益处

机器学习算法与大型主机数据相结合的结果是为企业带来更容易和更有效地管理复杂大型主机环境的机会。另外,机器学习环境的优势远远超出了大型主机操作专家团队的目前所知。当新应用程序被创建,并且大型主机数据与新兴系统集成时,这一点尤为重要。

将机器学习应用于企业IT运营的5个最大重要的益处是:

1. 积极的管理。通过嵌入智能系统能够检测到可能导致故障中断和其他潜在问题的异常模式。

2. 更快地修复。分析师和管理员们可以快速找到问题的根源。机器学习不是筛选大量应用程序和系统数据,而是帮助识别导致问题的触发器。

3. 提高生产力。机器学习环境从历史数据和行为模式中学习,以更准确地检测性能异常,并自动执行常规任务纠正。这有助于提高更多初级团队成员的熟练程度,使您企业的专家们能够专注于最关键的问题。

4. 高效协作。统一的机器学习环境汇集了来自多个来源的不同分析数据,从而提高了洞察力,帮助您企业的团队实现更高效地合作,以隔离和解决问题。

5. 提高应用程序的性能。通过将机器学习应用于大型主机操作,您企业可以提高应用程序额性能,并减少延迟和停机时间。

案例分析研究:某金融服务公司利用机器学习解决IT运营和管理挑战的案例分析

某大型全球保险公司长期一直是大型主机企业客户。该保险公司使用大型主机来支持跨八个独立业务线的事务和数据工作负载。该公司的大型主机应用程序已经整合了数十年的有价值的商业逻辑。

该公司有两个压力点。首先,随着公司不断建立新的服务,大型主机环境变得越来越复杂。其次,由于市场竞争压力的与日俱增,该公司的IT团队需要能够支持各种新的业务计划。因此其大型主机的需求正在呈现爆炸式增长。例如,业务团队现在希望将大型主机应用程序和大型主机数据连接到新的基于云的移动化服务。总之,该公司希望能够利用他们宝贵的大型主机数据资源。

像许多类似的企业一样,该公司所面临的压制成本方面的压力也越来越大。尽管需求在不断的增加,但其业务预算并未增加。“我们负担不起更多的管理运营工作人员来负责我们的系统。”该公司的主机容量、性能和自动化总监解释说。“监控点太多了,因为我们扩大了大型主机的使用范围。而且,大型主机停机绝对是不能出现的。”

企业的IT管​​理层们都知道,他们唯一的选择是优化大型主机的管理。其中一个最重要的要求是找到一种方法来关联来自多个数据来源的数据,以进行实时的预测,并增加对大型主机系统行为的洞察力。利用基于机器学习的解决方案将使运营团队能够主动回应潜在的问题,同时确保大型主机可以支持新的举措。

该保险公司与CA Technologies公司合作,将机器学习和运营情报整合到他们管理大型主机环境的方式中。这种新方法简化了发现潜在问题的流程,而无需人工干预。该总监指出:“这种方法使我避免了有经验的员工浪费他们的时间用于监控报告的潜在问题。”该公司曾评估过一系列的运营分析产品。该负责人表示:“CA Technologies公司的方法比其他分析引擎领先,而这些分析引擎不是实时的,也没有嵌入到企业管理监控系统中。”

机器学习引擎从不同的来源获取各种系统和日志数据,以辨别其具体的大型主机如何运行。该运营总监表示说:“在我们开始实施后的头几个星期内,监控平台开始认识到什么状况是正常的,什么不是。系统学习检测性能异常,因此能够提醒操作运营人员来解决问题。”

该系统有助于改善正常运行时间,缩短平均维修时间(MTTR),并帮助运营领导者们更好地利用资源。他说:“因为运营管理人员们没有被束缚在海量繁杂的数据中,他们可以将他们的专业知识应用于解决方案。”机器学习现在为该团队中的每个人提供了背景和决策的标准基础。机器学习平台了解可变性,并能够识别和关联历史模式,并预测工作负载需要进行管理的方式。

结论

数字化转型只有在与客户的需求保持一致,并且满足可预见的前提下才能获得成功。而大型主机为企业的关键任务应用程序提供了确保运行速度、一致性、可信度和安全性所需的相关企业规模和可靠性。但是,假设大型主机可以孤立管理是不可行的。在高度连接的数字化世界中,大型主机必须被视为混合IT系统的一个组成部分。

大型主机的许多根本性的改变已经地改变了其作为一个真正的数字化推动者的角色。今天,大型主机拥有从操作系统(Linux)到高级分析服务(Spark)和语言(Java)的本地开放源代码基础架构。作为一款开放的平台,大型主机可以与支持数字化转型的最重要的新兴技术一起发挥中心作用。

根据咨询公司Hurwitz & Associates的采访调研发现:许多领先公司都在积极的将大型主机的机器学习与这些新兴技术相结合,以创建一个互联企业,并支持其数字化转型项目:

模块化的代码和部署使用微服务和容器。企业IT运营管理团队可以创建可重用的服务和可移植的代码,并利用这些代码快速创建新的应用程序或跨环境移动应用程序。

企业内部和第三方API正在帮助企业组织将大型主机集成到其整体的数字化转型的策略中。API有助于使大型主机与新的移动化和云应用程序以及数据源实现无缝连接。

移动应用程序是绝大多数企业客户的首选部署模式。但是,为了有效和安全,这些应用程序必须与大型主机上管理的交易和业务服务相结合。

机器学习和运营智能化可以将大型主机管理转变为企业战略成功的武器。机器学习环境将通过自动化来适应,学习和优化您企业的IT操作运营,使您能够专注于创建解决方案,并解决创新的方法,从而以数字化的方式打造您企业未来的业务。


标签:混合云 

LecVideo