کتاب Hands-on AIOps (AIOps عملی: راهنمای بهترین روش‌ها برای پیاده‌سازی AIOps) از جدیدترین منابع و کامل‌ترین منابع آموزش AIOps در زمینه هوش مصنوعی می‌باشد. این کتاب در 9 فصل به صورت مقدماتی تا پیشرفته نکات مهم و ضروری این فیلد در هوش مصنوعی را آموزش می‌دهد.
در ادامه مقدمه‌ای از کتاب Hands-on AIOps را از زبان نویسنده شرح خواهیم داد.
مقدمه‌ای بر کتاب Hands-on AIOps:
قبل از شروع سفر AIOps، اجازه دهید به طور خلاصه درباره اتوماسیون و چگونگی تکامل آن در دهه گذشته صحبت کنیم.
اتوماسیون در حوزه فناوری به عنوان سیستمی تعریف می‌شود که در آن یک فرآیند یا کار می‌تواند با حداقل نظارت و اقدام انسانی انجام شود. انسان‌ها برای همیشه کارها را خودکار می‌کردند و در نهایت ماشین‌های مکانیکی که تلاش انسان را کاهش می‌داد و کارایی را افزایش می‌داد برای کاهش تلاش انسان اختراع شدند. امروزه چیزهایی مانند تولید، که قبلاً تا حدی خودکار شده بودند، به سمت چاپ سه‌بعدی می‌روند که فرآیند تولید را کاملاً خودکار می‌کند. با این حال، طراحی چه چیزی برای تولید هنوز در حوزه انسانی است.
بنابراین، اتوماسیون تلاش انسان را کاهش می‌دهد و از ماشین‌ها یا نرم افزارها برای تکمیل وظایف قابل تعریف و تکراری استفاده می‌کند.
در حوزه فناوری اطلاعات، انسان‌ها وظایف مختلفی را انجام می‌دهند، از جمله تصور یک محصول یا برنامه جدید، توسعه نرم‌افزاری که این الزامات را به نرم‌افزار کاربردی تبدیل می‌کند، و استقرار زیرساخت‌ها و برنامه‌ها و به روز نگه داشتن آنها در طول چرخه عمرشان.
تیم‌های فناوری اطلاعات از اتوماسیون به طور گسترده در هر زمینه ای، از توسعه نرم‌افزار گرفته تا عملیات، استفاده کرده اند. با این حال، این تا حد زیادی حذف شده و بدون یک سیستم یا روش رسمی برای اتوماسیون انجام شده است. تیم‌های فناوری اطلاعات از اسکریپت‌ها، ابزارهای اتوماسیون runbook، سیستم‌های زمان بندی کار و سیستم‌های اتوماسیون فرآیند روباتیک برای خودکارسازی وظایف خود استفاده کرده اند. این ابزارها منجر به افزایش کارایی و کاهش نیاز انسان به کار با محیط‌های IT شده است.
با افزایش پذیرش اصول رایانش ابری و DevOps، فراهم کردن محیط‌های زیرساخت به‌عنوان سرویس و پلتفرم به‌عنوان سرویس نیز خودکار شده است، همانطور که استقرار برنامه‌ها نیز انجام شده است. این امر نه تنها منجر به خودکارسازی وظایف و افزایش کارایی، بلکه در چابکی و سرعت نیز شده است، که با تغییر سریع عملکرد و ویژگی‌ها بر اساس بازخورد مشتری و بازار، پشتیبانی را برای کسب‌وکارها فراهم می‌کند تا بتوانند با نیازهای متغیر بازار سازگار شوند.
فناوری اطلاعات بر روی سه پایه کار می‌کند: فرآیند، افراد و فناوری. برای اینکه بتوان خودکارسازی کرد، باید از روابط متقابل بین این ستون‌ها آگاه بود. مردم از فرآیندهای تعریف شده برای کار بر روی فناوری استفاده می‌کنند و با اتوماسیون ما اساساً فرآیندهای فعلی را که افراد برای عملکرد یک محیط استفاده می‌کنند، خودکار می‌کنیم. با این حال، با تغییر چشم‌انداز فناوری و افزایش پذیرش و بلوغ هوش مصنوعی و قابلیت‌های یادگیری ماشین، اکنون می‌توانیم به فرآیندهای فعلی نگاه کنیم و فرآیندهای جدیدی را برای استفاده از قابلیت‌های تحول‌آفرین ارائه شده توسط این فناوری‌ها تدوین کنیم.
فرآیندهای کنونی با فناوری پیشرفته در آن مقطع زمانی تنظیم شدند، و این فرآیندها سپس نحوه عملکرد انسان در آن فرآیند را برای اجرای وظایف برای رسیدن به یک هدف تعریف کردند. با این حال، با تغییر شدید در چشم‌انداز فناوری، فرآیندها باید تغییر کرده و اتخاذ شوند.
به عنوان مثال، با رایج شدن ابر، فرآیندهای فناوری اطلاعات باید تغییر کنند و تطبیق دهند، و فرآیندهای متوالی و غیرخودکار باید تغییر کنند تا قابلیت‌های جدیدی مانند تأمین خودکار را برآورده کنند. در سال 2013، من در مورد اینکه چگونه مدیریت ظرفیت به شدت در دنیای رایانش ابری تغییر خواهد کرد و اینکه رویه‌های جدیدی برای مدیریت هزینه ابری مورد نیاز است صحبت کردم. برخی از این مفاهیم برای پوشش کل بخش عملیات مالی تحت چتر FinOps ابری گسترش یافته اند.
به طور مشابه، اتوماسیون عملیات فناوری اطلاعات در تمام این مدت در سیلوها وجود داشت. افراد از اسکریپت‌ها، ابزارهای نظارت، اتوماسیون runbook، اتوماسیون پیکربندی و استقرار، و ابزارهای RPA و فرآیندهای مدیریت خدمات خودکار با استفاده از ابزارهای ITSM استفاده کردند. با این حال، همه آن‌چه در حوزه‌های مختلف اتفاق می‌افتاد، همه با ادغام‌های سیلد ادغام می‌شوند.
در زمینه فناوری، فناوری‌های هوش مصنوعی و یادگیری ماشین به جریان اصلی تبدیل شدند و به‌شدت در تمام جنبه‌های برنامه‌های تجاری و مشتری‌دار از وب‌سایت‌ها گرفته تا موتورهای جستجو و ابزارهای همکاری و ارتباطات مورد استفاده قرار گرفتند. هوش مصنوعی به سرعت دنیای فناوری اطلاعات را در اختیار گرفت. با این حال، IT برای پذیرش این فناوری‌ها دیر بود. در حالی که تیم‌های فناوری اطلاعات از این فناوری‌ها برای ایجاد برنامه‌های کاربردی جدید با قابلیت‌های هوش مصنوعی برای مشتریان استفاده می‌کردند، سیستم‌های داخلی خودشان هنوز از فناوری‌های قدیمی‌تر استفاده می‌کردند و روی فرآیندها و سیستم‌هایی کار می‌کردند که تا حد زیادی در دهه گذشته دست نخورده باقی مانده بودند.
از طریق جنبش‌های DevOps و Agile، آن تغییر تحول‌آفرین، نحوه ساخت، آزمایش و استقرار برنامه‌ها را تغییر داده بود، و بیشتر وظایف در جریان ارزش توسعه خودکار و یکپارچه شدند و در نتیجه سازمان‌ها به سمت تحویل مستمر و پیوسته حرکت کردند. گسترش. مشابه تحولی که در DevOps مشاهده شد، با توجه به AIOps، شاهد یک تغییر تحول‌آفرین خواهیم بود که نحوه اجرای عملیات IT در گذشته را به شدت تغییر خواهد داد. فرآیندهای قدیمی، سیستم‌ها، ابزارها و روش‌های کار جای خود را به روش عملکرد AIOps می‌دهند و به تحقق چشم‌انداز NoOps کمک می‌کنند، جایی که عملیات به‌طور یکپارچه و بدون اختلال به روشی خودکار و بدون نظارت و مداخله انسانی کار می‌کند.
امروزه شرکت‌ها در سطوح مختلف بلوغ زمانی که صحبت از اتوماسیون می‌شود، قرار دارند. بیشتر آنها هنوز به سطح بالایی از بلوغ در اتوماسیون دست پیدا نکرده اند، تا حدی به این دلیل که تغییر فرآیندها، شکستن دیوارهای ساختارهای سازمانی و به کارگیری فناوری جدید وظایف پیچیده و وقت گیر هستند. در برخی از سازمان‌ها، که برنامه‌های دیجیتالی‌سازی و رایانش ابری بخشی از تحول در مقیاس بزرگ هستند. AIO ها و تغییرات فناوری و فرآیند مرتبط، دگرگونی کامل دیجیتالی شدن را ممکن می‌سازد.
یکی از عوامل کلیدی در اتخاذ AIOps فقدان دستورالعمل جامع فرآیند و فناوری در این حوزه بوده است. راهنمایی محدودی در دسترس است، و بیشتر آن بر محصولاتی متمرکز است که فروشندگان در تلاش برای فروش آنها به عنوان یک راه حل یک مرحله ای هستند، که یک سازمان را به سطح بعدی جهش می‌دهد. با این نشریه قصد داریم راهنمایی عملی عملی در مورد اینکه چگونه یک سازمان می‌تواند این تغییرات را در منشاء اتخاذ کند و از چه دام‌هایی که باید اجتناب شود، ارائه دهیم. پیاده سازی AIOps در مورد استقرار یک ابزار همبستگی رویداد نیست. این در مورد تزریق هوش مصنوعی و الگوریتم‌ها و خودکار کردن تمام جنبه‌های عملیات است.
امروزه اکثر سازمان‌ها در سطحی هستند که وظایف فردی را خودکار کرده و فرآیندهای خاصی را خودکار کرده اند. برخی نیز به اتوماسیون فرآیندهای پیچیده end-to-end دست یافته اند. با این حال، یک مدل خودپایه سرتاسر برای اتوماسیون هنوز وجود ندارد. خودکارسازی چند فرآیند در مقابل خودکار کردن هر چیزی که می‌تواند خودکار شود، تغییری است که افراد هنوز آن را آغاز نکرده‌اند. خودکارسازی چند فرآیند و سپس مقیاس‌بندی اتوماسیون در تیم‌ها، عملکردها و بخش‌ها هنوز در بیشتر سازمان‌ها در حال پیشرفت است.
AIOps فقط یک فناوری یا تغییر فرآیند نیست. این یک تغییر فرهنگی است که در آن انسان‌ها و هوش مصنوعی با هم همکاری می‌کنند و توانایی‌های یکدیگر را برای دستیابی به کارایی و مقیاس‌پذیری افزایش می‌دهند، چیزی که تیم‌های فناوری اطلاعات تنها آرزوی آن را داشته‌اند اما نتوانسته‌اند به آن دست یابند. وعده NoOps محقق نشد زیرا سازمان‌ها نتوانسته‌اند رویکردی کل‌نگر و تمام‌نگر به AIOps داشته باشند و در عوض بر رفع سریع در قالب ابزارهای Siled که مستقر شده‌اند تکیه کرده‌اند.
در شرکت‌هایی که منحنی بلوغ در اتوماسیون را بالا برده‌اند، بیشتر فعالیت‌هایی که می‌توانند به طور کامل یا جزئی خودکار شوند، خودکار هستند و هوش مصنوعی به جای استفاده از داشبورد و تجزیه و تحلیل توسط انسان‌ها برای رسیدن به مراحل بعدی، تصمیم‌گیری را هدایت می‌کند.
این یک تغییر ذهنیت است که در آن انسان‌ها باید برتری سیستم‌های هوش مصنوعی را در مناطق خاصی بپذیرند و ذهنیت کنترلی ذاتی گونه ما را کنار بگذارند. تیم‌های فناوری اطلاعات به سیستم‌های مبتنی بر قاعده و قطعیت که برای دهه‌ها بر چشم‌انداز فناوری اطلاعات تسلط داشته‌اند، استفاده می‌کنند. سیستم‌های مبتنی بر هوش مصنوعی احتمالی هستند و قطعی نیستند. بنابراین، برخی از شرکت‌ها سیستم‌های AIOps را مستقر کرده اند اما آنها را به گونه ای پیکربندی کرده اند که چیزی جز سیستم‌های مبتنی بر قانون نیستند.
پذیرش سیستم‌های احتمالی به جای سیستم‌های مبتنی بر قانون گام به گام، یک تغییر ذهنیت است، و فرد باید خطرات ناشی از اجرای چنین سیستم‌ها و کنترل‌هایی را بپذیرد تا از بهترین شیوه‌ها برای اجرای سیستم‌های مبتنی بر هوش مصنوعی اطمینان حاصل شود. کنترل انسان بر روی برخی از اقدامات به عنوان بخشی از تغییرات فرآیند گنجانده شده است.
شرکت‌ها نیز در حال تکامل هستند تا مدل‌های عملیاتی خود را تغییر دهند تا با اصول Agile هماهنگ شوند. آنها شروع به ادغام برنامه‌ها و تیم‌های زیرساختی کرده‌اند و شیوه‌های جدیدی مانند مهندسی قابلیت اطمینان سایت را اتخاذ می‌کنند تا عملیات‌ها را از سیستم‌های بسیار قابل اعتماد و دسترسی بالا و برنامه‌های کاربردی در مقیاس اینترنت پشتیبانی کنند. AIOps یک رکن کلیدی در عملیات مبتنی بر مهندسی قابلیت اطمینان سایت است. کتاب Hands On Guide to AgileOps که در سال 2021 توسط Apress منتشر شد، راهنمایی عملی در مورد نحوه اتخاذ Agile برای عملیات IT ارائه می‌دهد.
کتاب Hands-on AIOps شما را در تمام جنبه‌های AIOps از جمله هوش مصنوعی و الگوریتم‌های یادگیری ماشین راهنمایی می‌کند و نشان می‌دهد که چگونه برخی از ویژگی‌های AIOps در پلتفرم‌های AIOps سازمانی پیاده‌سازی می‌شوند. شما قادر خواهید بود از قابلیت‌های ارائه شده توسط فرآیندها و پلتفرم‌های AIOps استفاده کنید و سازمان خود را به سطح بالاتری از بلوغ در عملیات ببرید. ما همچنان به ارائه محتوا و راهنمایی‌های به روز در وب سایت همراه، www.AgileInfraOps.com ادامه می‌دهیم، جایی که با ادامه تکامل فرآیندها و فناوری، مقالات و بهترین شیوه‌ها را خواهید یافت.
کتاب Hands-on AIOps راهنمای عملی برای درک جزئیات AIOps و کمک به پیاده سازی فناوری‌ها و فرآیندهای آن در سازمان است.
این کتاب نیاز صنعت فناوری اطلاعات به AIOps، معماری آن و فناوری‌هایی را که به تکامل آن کمک کردند، توضیح می‌دهد. خوانندگان قادر خواهند بود مفاهیم نظری اصلی در مورد AIOps را درک کنند و همچنین با اجرای مثال‌ها و تمرین‌های عملی که از تکنیک‌های یادگیری ماشین برای پیاده‌سازی AIOps استفاده می‌کنند، عمیق‌تر شوند.
کتاب Hands-on AIOps همچنین راهنمایی‌هایی در مورد چگونگی راه اندازی AIOps در یک سازمان و از چه مشکلاتی برای تکمیل یک پیاده‌سازی موفق ارائه می‌دهد. این کتاب همچنین نقش AIOps را در مدل SRE و DevOps توضیح می‌دهد و توضیح مفصلی از فعال‌سازی اصول کلیدی SRE توسط AIOps ارائه می‌دهد.
کتاب Hands-on AIOps عملی همچنین پیاده‌سازی چندین مورد استفاده AIOps را ارائه می‌کند و کد نمونه‌ای را ارائه می‌دهد که می‌توانید برای درک بهتر برخی از اصول و فناوری‌های اساسی که هسته AIOps را تشکیل می‌دهند، اجرا کنید.
کتاب Hands-on AIOps بهترین شیوه‌ها، فرآیندها و دستورالعمل‌ها را برای ایجاد عملکرد و سیستم‌های AIOps در شرکت‌ها و روش‌هایی برای اندازه‌گیری نتایج و تکامل مداوم به اشتراک می‌گذارد.
سرفصل‌های کتاب Hands-on AIOps:
Cover
Front Matter
1. What Is AIOps?
2. AIOps Architecture and Methodology
3. AIOps Challenges
4. AIOps Supporting SRE and DevOps
5. Fundamentals of Machine Learning and AI
6. AIOps Use Case: Deduplication
7. AIOps Use Case: Automated Baselining
8. AIOps Use Case: Anomaly Detection
9. Setting Up AIOps
Back Matter
جهت دانلود کتاب Hands-on AIOps می‌توانید پس از پرداخت، دریافت کنید.
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.