AIOps

定义

AIOps 是由 Gartner 提出的术语,原意为 Algorithmic IT Operations,后普遍解释为 Artificial Intelligence for IT Operations,指把大数据与机器学习应用于 IT 运维数据(指标、日志、事件、追踪、工单),以增强或自动化运维决策。

典型场景

包括:时序异常检测(替代静态阈值,自动学习周期性基线);告警聚合与降噪(把风暴般的告警聚类为少数事件);根因定位(基于拓扑与因果关系推断故障源头);容量预测与趋势外推;日志模式挖掘(如 Drain 等日志模板聚类算法);以及故障自愈(检测到已知模式后自动执行预案)。

现状

商业平台(Moogsoft、BigPanda、Dynatrace Davis 等)与大厂自研体系较为成熟;大语言模型出现后,基于 LLM 的告警摘要、排障助手成为新方向。

评价

AIOps 在降噪与异常检测上价值明确;但'全自动运维'仍受数据质量、可解释性与信任问题制约,实践中多为人机协同。