AIOps
AIOpsとは
Algorithmic IT Operations (AIOps) は、機械学習分析テクノロジーを利用してアプリケーションのデータを管理および分析し、IT運用の管理を簡素化するとともに問題解決を自動化する手法です。
企業がAIOpsを利用する理由
AIOpsは、IT運用を自動化してパフォーマンス効率を向上させる手法です。ITチームはAIOpsを利用して傾向を見極め、異常を検知して将来の挙動を予測し、プロセスを改善することができます。
基本的には、AIOpsがノイズを除去し、IT運用における共通の問題の特定、トラブルシューティング、解決を行います。さまざまなソースからデータを集めて、ソース側でリアルタイム分析を行うことで、ITチームがインシデント、容量、変更、パフォーマンスを適切に管理できるようになります。
機械学習を活用するテクノロジーであるAIOpsプラットフォームは、現在および過去のデータを把握して分析し、異常や確認されたパターンを関連するイベントに関連付けます。その分析が終わると、適切な自動化主導のアクションを開始します。それによって継続的な改善と修正が可能になります。
AIOpsの活用
企業レベルでは、AIOpsの利用により、あらゆるものがつながった世界で生み出された膨大なデータから有益な情報を引き出すことで顧客理解を深め、顧客のニーズに合わせて新しい製品やエクスペリエンスをカスタマイズできます。また、AIOpsでは、企業がサービスレベルを向上させ、IT環境の管理コストを削減/固定して、セキュリティやコンプライアンスに関連するリスクを最小限に抑えることができます。
AIOpsは、DevOpsの活動で基盤となる3つの原則 (システム思考、フィードバックループの増幅、継続的な実験および学習文化の創造) をIT運用に合わせて作り変え、アジリティと効率を向上させてDevOpsを強力なイノベーション組織に変えます。
AIOpsのコンポーネント
AIOpsプラットフォームは複数のテクノロジーで構成されており、具体的には以下のとおりです。
データソース
イベント、ログ、評価基準、チケット、監視、ジョブデータなどのさまざまなIT領域がソースとなります。
ビッグデータ
Elastic Stack、Hadoop 2.0、一部のApacheテクノロジーなど、リアルタイムでデータを処理できるツールです。
ルールとパターン
コンテキストを提供して、データの異常と規則性を明らかにします。
機械学習 (ML)
アルゴリズム的解析を使用して、従来のアルゴリズムを自動的に変更したり、新しくアルゴリズムを構築したりできます。
ドメインアルゴリズム
ルールとパターンをインテリジェントに理解して適用することで、IT固有の目標 (非構造化データの関連付け、ノイズの排除、不正行為への警告、考えられる原因の特定、ベースラインの確立など) を達成します。
自動化
機械学習の結果と人工知能を利用して、特定の問題や状況への対応を自動的に組み立てて適用します。
人工知能 (AI)
見慣れない要素や新しい要素に対応します。
AIOpsのメリット
多くの組織は、複雑化しているIT環境の監視、トラブルシューティング、診断を手動で行っており、多くの時間とリソースを奪われています。企業はAIOpsを導入することで、効率を向上させつつ、予期しないシステムのダウンタイムとそれに伴う多額のコストを削減できます。こうした時間短縮と効率向上により、AIOpsでは、ITチームがイノベーションに注力できます。
AIOpsが組織にもたらす具体的なメリットは次のとおりです。
企業の安定性とパフォーマンスの向上
AIOpsシステムがバックグラウンドで継続的に監視を行うため、スタッフは複雑な問題や優先順位の高いタスクに対応できます。
分析と修復の迅速化
さまざまなデータソースを収集してクラスタリングすることで、AIOpsシステムは因果リスクを特定して難しい問題や予期しない問題の修復を迅速に開始します。
ワークフローとコラボレーションの強化
AIOpsがカスタマイズされたレポートとダッシュボードを提供し、複数の部門にまたがる業務で各チームがより効果的に集中力を維持してコミュニケーションをとれるようにサポートします。
注意力の向上
AIOpsが不要な情報や雑音を取り除くため、ITスタッフが重要な問題に注力できます。
全体像の把握
さまざまなソースのデータを関連付けることで、サイロが解消され、ITインフラストラクチャ全体を一元的に把握できます。
時間の短縮
AIOpsによってシームレスなコラボレーションが可能になり、診断、分析、解決までの時間も短縮されます。
AIOpsの仕組み
AIOpsは、ITシステムの膨大なデータ (エンタープライズスタックのネットワーク、ストレージ、サーバーなどのレイヤーのログと時系列)、およびIT管理システムの構造化データ (既存のインフラストラクチャ監視ツール、アプリケーションパフォーマンスおよびネットワークパフォーマンス監視ツール、IT運用管理ツールなど) を直接利用することで機能します。基本的には、IT運用全体でサイロ化されたデータを1か所に集約し、対象となる分析と機械学習を適用してデータパターンに関する有益な情報を取得します。
AIOpsが実行する機械学習のタスクは次のとおりです。
「ノイズ」の除去
AIOpsは、ルールおよび一致するパターンの適用により、IT運用のデータを選別して重大な異常のイベントアラートだけを分離することができます。
根本原因の特定とソリューションの提案
膨大なイベントデータのプール内で、AIOpsが指定されたアルゴリズムを使用して異常なイベントを特定し、それを環境全体の他のイベントデータにつなげてインテリジェンスを構築することで、問題の原因を特定して修復/ソリューションを提案します。
自動応答
AIOpsは、機械学習の結果を処理して自動応答を送信し、問題をリアルタイムで解決します。
継続的学習
AIOpsは、分析結果を利用してアルゴリズムを改良するか、新しいアルゴリズムを作成して応答とソリューションを改善します。
AIOpsとHPE
- ビジネスのニーズと目標に基づいた、AIOpsのユースケースのロードマップを作成する方法
- さまざまなデータタイプのボリュームを、各ユースケースに適したスピードで管理できる、高性能でスケーラブルかつ柔軟なデータプラットフォームの設計と実装
- 膨大なデータを使用して、自動的かつリアルタイムに作業できる機械学習モデルの開発と運用開始
HPE AIトランスフォーメーションワークショップ
HPEの詳細なワークショップに参加すれば、データの価値を最大限に引き出す機会を迅速に特定できます。HPE PointnextのシニアAIおよびデータエキスパートが、より有益な情報の取得、よりパーソナライズされたやり取り、プロセス自動化を実現して競争力の向上につなげるためのデータ活用方法の見極めをサポートします。NVIDIA Deep Learning Instituteの業界エキスパートが、デジタルトランスフォーメーションを始めるにあたって必要となる、ディープラーニングのツールセットと体験型トレーニングを提供します。
統合AIソリューション
ディープラーニング向けのHPCシステムであるHPE Apollo 6500 Gen 10コンピュートで大きな問題を解決できます。膨大なデータ量に対応するITインフラストラクチャストレージを含むAIプラットフォームを構築できます。HPE GreenLakeではAIをサービスとして、従量制で利用できます。このソリューションはクラウドのアクセシビリティ、柔軟性、拡張性とオンプレミスインフラストラクチャのセキュリティ、コストベネフィットを兼ね備えています。
パートナーエコシステム
HPEのエキスパートとHPEが厳選したISVパートナーを通じて、お客様固有の環境に最適なAI戦略の策定をサポートします。お客様のIT部門から価値を引き出すために必要となるディープラーニングモデルの実装に関するベストプラクティスを利用しながら、競争力を維持できるスピードで、AIのPoCから本番環境へと移行できます。