यह क्यों मायने रखता है

संचालन टीमें डेटा में डूबी रहती हैं। एक आधुनिक सेवा हर दिन लाखों लॉग पंक्तियाँ, हज़ारों मेट्रिक्स और सैकड़ों अलर्ट उत्सर्जित करती है। लोग यह सब पढ़ नहीं सकते, इसलिए वे यह तय करने के लिए थ्रेशोल्ड और नियम बनाते हैं कि क्या देखना है। नियम बढ़ते हैं, एक-दूसरे को प्रभावित करते हैं और समय के साथ घिस जाते हैं। अधिकांश अलर्ट शोर निकलते हैं, और कुछ वास्तविक समस्याएँ उनके बीच छिप जाती हैं।

AIOps, जो शब्द विश्लेषक फ़र्म Gartner ने 2010 के दशक के मध्य में "algorithmic IT operations" से गढ़ा और जिसे अब आम तौर पर "AI for IT operations" पढ़ा जाता है, मदद का वादा करता है। यह मशीन लर्निंग से सीखता है कि सामान्य क्या है, ध्यान देता है कि कब कुछ सामान्य नहीं है, संबंधित अलर्ट को एक इवेंट में समूहित करता है, और सुझाता है कि कारण कहाँ हो सकता है। Wikipedia AIOps का वर्णन IT संचालन को बेहतर बनाने के लिए कृत्रिम बुद्धिमत्ता के अनुप्रयोग के रूप में करता है। विक्रेता इसे ज़ोरदार शब्दों में प्रस्तुत करते हैं। अभ्यासकर्ता कुछ उपयोगों में, जैसे शोर घटाने में, वास्तविक लाभ और अन्य में, जैसे पूरी तरह स्वचालित निदान में, निराशा बताते हैं।

सेवा प्रबंधन के लिए प्रश्न व्यावहारिक है: AIOps के कौन-से हिस्से भरोसेमंद मूल्य देते हैं, आप उन्हें कैसे जाँचते हैं, और लोगों को नियंत्रण में कैसे रखते हैं? यह विषय मुख्य तकनीकों, उनकी विशिष्ट विफलता के तरीक़ों और अपनाने के एक समझदार मार्ग का वर्णन करता है। यह निगरानी («विषय 3.10 — निगरानी और इवेंट प्रबंधन») और ऑब्ज़र्वेबिलिटी («विषय 7.4 — ऑब्ज़र्वेबिलिटी और टेलीमेट्री») पर टिका है, और घटना प्रबंधन («विषय 3.2 — घटना प्रबंधन») तथा रनबुक स्वचालन («विषय 6.6 — रनबुक स्वचालन और स्वतः-उपचार») से मेल खाता है।

मूल अवधारणाएँ

AIOps। विसंगति पहचान, इवेंट सहसंबंध, मूल कारण का सुझाव और पूर्वानुमान जैसे कार्यों के समर्थन के लिए संचालन-डेटा पर AI तकनीकों, मुख्यतः मशीन लर्निंग और सांख्यिकी, का उपयोग। यह तकनीकों का समूह है, एकल उत्पाद नहीं, और क्षमताएँ बहुत भिन्न होती हैं।

विसंगति पहचान। ऐसे डेटा बिंदु या पैटर्न खोजना जो अपेक्षित से भिन्न हों। Wikipedia विसंगति पहचान (anomaly detection) और उसकी विधियों का वर्णन करता है। संचालन में कोई मॉडल अनुरोधों का सामान्य दैनिक और साप्ताहिक पैटर्न सीखकर विचलनों को चिह्नित कर सकता है। सामान्य स्थिर नहीं होता: मौसमीपन (seasonality), जिसका वर्णन Wikipedia पर है, का अर्थ है कि सोमवार की सुबह रविवार की रात से अलग दिखती है। अच्छे डिटेक्टर इसे ध्यान में रखते हैं।

टाइम सीरीज़। समय के साथ दर्ज डेटा, जैसे प्रतिक्रिया-समय या त्रुटि-गणना। Wikipedia टाइम सीरीज़ विश्लेषण (time series analysis) का वर्णन करता है। अधिकांश संचालन मेट्रिक्स टाइम सीरीज़ हैं, और AIOps तकनीकें उनके मॉडल बनाने और पूर्वानुमान लगाने की विधियों पर आधारित हैं।

इवेंट सहसंबंध और शोर घटाना। एक कारण से उपजे अलर्ट को एक घटना में मिलाना, और डुप्लिकेट तथा ज्ञात शोर को दबाना। Wikipedia इवेंट सहसंबंध (event correlation) का वर्णन करता है। क्लस्टरिंग तकनीकें, जिनका वर्णन Wikipedia पर क्लस्टर विश्लेषण (cluster analysis) के रूप में है, मदों को समानता के आधार पर समूहित करती हैं। अच्छा सहसंबंध दो सौ अलर्ट को एक में बदल देता है, संभावित स्रोत का नाम बताते हुए।

मूल कारण का सुझाव। टोपोलॉजी, परिवर्तन-रिकॉर्ड, लॉग और पिछली घटनाओं का उपयोग करके प्रस्ताव देना कि दोष संभवतः कहाँ है। सुझाव परिकल्पनाएँ हैं। वे तब सबसे उपयोगी होते हैं जब किसी हाल के परिवर्तन या निर्भरता की ओर इशारा करें, और तब सबसे कम भरोसेमंद जब कारण नया हो।

पूर्वानुमानी संचालन। समस्याओं का उनके होने से पहले अनुमान लगाना, जैसे डिस्क जो तीन दिन में भर जाएगी या घटक जिसके विफल होने की संभावना है। Wikipedia पूर्वानुमानी रखरखाव (predictive maintenance) और पूर्वानुमानी विश्लेषण (predictive analytics) का वर्णन करता है। पूर्वानुमान संभावनाएँ हैं, और हर एक की झूठे अलार्म और चूक की लागत होती है। «विषय 7.5 — पूर्वानुमान विश्लेषण और फ़ोरकास्टिंग» देखें।

लॉग विश्लेषण। लॉग में पैटर्न खोजने के लिए, जैसे नए संदेश-प्रकार या आवृत्ति में बदलाव, प्राकृतिक भाषा प्रसंस्करण और सांख्यिकी की तकनीकों का उपयोग। Wikipedia लॉग विश्लेषण (log analysis) का वर्णन करता है।

संचालन में जनरेटिव AI। बड़े भाषा मॉडल घटना की समयरेखा का सारांश बना सकते हैं, अलर्ट को सरल भाषा में बदल सकते हैं, रनबुक के चरणों का मसौदा बना सकते हैं, और परिवेश के बारे में प्रश्नों के उत्तर दे सकते हैं। वे लचीलापन जोड़ते हैं और गढ़ी हुई सामग्री का जोखिम भी। «विषय 5.4 — घटनाओं, ज्ञान और परिवर्तनों के लिए जनरेटिव AI» देखें।

परिशुद्धता, रिकॉल और त्रुटि की लागत। डिटेक्टर दो तरह से ग़लत हो सकता है: वह झूठा अलार्म (फ़ॉल्स पॉज़िटिव) दे सकता है या वास्तविक समस्या चूक सकता है (फ़ॉल्स नेगेटिव)। Wikipedia दोनों प्रकार की त्रुटि और परिशुद्धता (precision) तथा रिकॉल (recall) के मापों (type I and type II errors) का वर्णन करता है। एक को घटाने के लिए ट्यून करना दूसरे को बढ़ाता है। सही संतुलन हर एक की लागत पर निर्भर है, और अलग-अलग सेवाओं के लिए अलग सेटिंग उचित हैं।

अवधारणा-विचलन (कॉन्सेप्ट ड्रिफ़्ट)। मॉडल पिछले डेटा से सीखते हैं, और दुनिया बदलती है: नई रिलीज़, नए ट्रैफ़िक पैटर्न, नया इन्फ्रास्ट्रक्चर। Wikipedia अवधारणा-विचलन (concept drift) का वर्णन करता है, जिसमें जिस चीज़ का पूर्वानुमान लगाया जा रहा है उसके सांख्यिकीय गुण समय के साथ बदलते हैं। जनवरी में सटीक मॉडल जून तक भ्रामक हो सकता है, जब तक उसकी निगरानी और पुनः प्रशिक्षण न हो।

व्याख्येयता। प्रतिक्रिया देने वाले किसी सुझाव पर अधिक भरोसा करेंगे, और उसे अधिक उपयोगी ढंग से सुधारेंगे, अगर वे देख सकें कि वह क्यों दिया गया: कौन-से मेट्रिक्स हिले, कौन-से इवेंट समूहित हुए, कौन-सा परिवर्तन बदलाव से पहले हुआ। Wikipedia व्याख्येय कृत्रिम बुद्धिमत्ता (explainable artificial intelligence) और ब्लैक बॉक्स की समस्या का वर्णन करता है। संचालन के लिए ऐसे दृष्टिकोण चुनें जो अपना प्रमाण दिखाएँ।

डेटा की गुणवत्ता और कवरेज। AIOps को अच्छा डेटा चाहिए: पूर्ण, एकरूप, सही टाइमस्टैम्प वाला, और सेवाओं तथा स्वामियों के लेबल सहित। छूटा या असंगत डेटा चूके हुए संकेत और ग़लत जोड़ पैदा करता है। «विषय 4.4 — कॉन्फ़िगरेशन प्रबंधन» और «विषय 7.2 — डेटा की नींव और गवर्नेंस» देखें।

स्वायत्त और स्वतः-उपचार के विचार। ऐसी प्रणालियों का पुराना लक्ष्य जो अपने दोष स्वयं पहचानें और ठीक करें, जिसका वर्णन Wikipedia पर स्वायत्त कंप्यूटिंग (autonomic computing) के रूप में है। कुछ हिस्से आज व्यावहारिक हैं, जैसे विफल प्रक्रिया को पुनः आरंभ करना। व्यापक स्वतः-उपचार कहीं कठिन है। «विषय 6.6 — रनबुक स्वचालन और स्वतः-उपचार» देखें।

मानवीय निगरानी। प्रतिक्रिया देने वाला जवाबदेह बना रहता है। AIOps के आउटपुट मानवीय निर्णय के लिए इनपुट हैं, जब तक कि किसी संकीर्ण रूप से परिभाषित कार्रवाई को स्वतः चलने के लिए परखा और अनुमोदित न किया गया हो। «विषय 5.5 — एजेंटिक AI और मानवीय निगरानी» देखें।

दृष्टियाँ कैसे फ़िट होती हैं। AIOps सेवा प्रबंधन के संचालन वाले हिस्से के लिए AI और विश्लेषण को मिलाता है। एजाइल अभ्यास ऑन-कॉल कर्मचारियों की प्रतिक्रिया के साथ एक सेवा पर छोटे परीक्षणों का सुझाव देता है। स्वचालन AIOps के आउटपुट का उपयोग करता है, जैसे टिकट खोलने या सुरक्षित जाँच चलाने के लिए।

सर्वोत्तम अभ्यास

  1. स्पष्ट कष्ट से शुरू करें। एक समस्या चुनें, जैसे किसी एक सेवा पर बहुत अधिक अलर्ट, और एक माप, जैसे प्रति शिफ़्ट पेज की संख्या। AIOps को वहीं आज़माएँ।
  2. पहले डेटा ठीक करें। जाँचें कि लॉग और मेट्रिक्स पूर्ण हैं, टाइमस्टैम्प एकरूप हैं, और सेवाओं तथा स्वामियों के लेबल लगे हैं। मॉडल को दोष देने से पहले ख़ाली जगहें भरें।
  3. पिछली घटनाओं के विरुद्ध परखें। ऐतिहासिक डेटा को उपकरण से दोबारा चलाएँ, और पूछें कि वह क्या चिह्नित, समूहित या सुझाता। झूठे अलार्म और चूकें गिनें।
  4. सरल विधियों से तुलना करें। स्थिर थ्रेशोल्ड और बुनियादी नियमों से तुलना करें। अगर सरल विधि उतना ही अच्छा करती है, तो उसी का उपयोग करें। उस जटिलता के पैसे न दें जो कुछ नहीं जोड़ती।
  5. व्याख्येय आउटपुट को प्राथमिकता दें। ऐसे उपकरण चुनें जो अलर्ट या सुझाए गए कारण के पीछे का प्रमाण दिखाएँ। माँग करें कि प्रतिक्रिया देने वाले उसे देख और चुनौती दे सकें।
  6. सलाहकार मोड में शुरू करें। उपकरण को सुझाने दें, और लोगों को तय करने दें। उसे कोई स्वचालित कार्रवाई देने से पहले कुछ सप्ताह सुझावों की तुलना जो वास्तव में हुआ उससे करके समीक्षा करें।
  7. स्वचालित कार्रवाइयाँ सीमित रखें। केवल संकीर्ण, भली-भाँति समझी हुई, पलटने योग्य कार्रवाइयों की अनुमति दें, दर-सीमाओं, लॉग और मैन्युअल रोक के साथ। हर वर्ग की कार्रवाई को चालू करने से पहले उसकी समीक्षा करें।
  8. मॉडलों की निगरानी करें। झूठे अलार्म, चूकें और उपयोगी रहे सुझावों का हिस्सा ट्रैक करें। बड़ी रिलीज़ के बाद विचलन पर नज़र रखें और ज़रूरत हो तो पुनः प्रशिक्षित या पुनः कॉन्फ़िगर करें।
  9. ऑन-कॉल लोगों को शामिल रखें। उनसे उपकरण में सुझावों को रेट कराएँ, और उनकी प्रतिक्रिया की साप्ताहिक समीक्षा करें। उपयोगिता के सबसे अच्छे निर्णायक वही हैं।
  10. दर्ज करें कि क्या दबाया गया। सिस्टम ने जो अलर्ट छिपाए या मिलाए उनका लॉग रखें, और नमूनों की नियमित समीक्षा करें। सबसे बुरी विफलताएँ दमन में ही होती हैं।

अपनी टीम के साथ चर्चा के प्रश्न

कौन-से अलर्ट हमारे ऑन-कॉल समय का सबसे ज़्यादा हिस्सा बर्बाद करते हैं, और क्या बेहतर नियम किसी भी AI से पहले उन्हें ठीक कर देंगे? डेटा से शुरू करें। शोर की कई समस्याएँ सरल सुधारों से हल हो जाती हैं। अपेक्षा रखें कि कुछ नियम अधिकांश शोर की वजह हैं। फ़ॉलो-अप में उन्हें ठीक करें और फिर आकलन करें कि AI क्या जोड़ सकती है।

अगर हमारी पिछली तीन घटनाओं के दौरान उपकरण चल रहा होता, तो वह हमें क्या बताता, और क्या उससे मदद मिलती? दोबारा चलाएँ या अनुकरण करें। मिले-जुले परिणामों की अपेक्षा रखें। पूछें कि वह क्या चूकता। फ़ॉलो-अप में वह घटना-प्रकार चुनें जहाँ उपकरण सबसे आशाजनक लगता है।

हमें कैसे पता चलेगा कि उपकरण ने कोई वास्तविक अलर्ट दबा दिया? यह निगरानी की परीक्षा है। "हमें पता नहीं चलेगा" की अपेक्षा रखें। फ़ॉलो-अप में दबाए गए इवेंट का लॉग, नियमित नमूना, और यह नियम तय करें कि क्या कभी नहीं दबाया जाएगा।

जब कोई स्वचालित कार्रवाई ग़लत हो जाए तो जवाबदेह कौन है, और उसकी सीमाएँ क्या हैं? एक स्वामी तय करें और अनुमत कार्रवाइयाँ सूचीबद्ध करें। अस्पष्ट उत्तरों की अपेक्षा रखें। फ़ॉलो-अप में बिना अनुमोदन के अनुमत कार्रवाइयों की छोटी सूची लिखें, हर एक के रोलबैक के साथ।

बड़ी रिलीज़ या ट्रैफ़िक में बदलाव के बाद हम कैसे पता लगाएँगे कि मॉडल विचलित हो गया है? योजना माँगें। यह मानकर चलें कि कोई नहीं होगी। फ़ॉलो-अप में संकेतक, जैसे झूठे अलार्म की दर, और हर बड़ी रिलीज़ के बाद समीक्षा की तारीख़ चुनें।

ऑन-कॉल कर्मचारी इस उपकरण से क्या चाहेंगे, और किस वजह से वे इस पर भरोसा करना छोड़ देंगे? उनसे सीधे पूछें। संदर्भ और झूठे अलार्म के बारे में व्यावहारिक उत्तरों की अपेक्षा रखें। फ़ॉलो-अप में उत्तरों को परीक्षण के स्वीकृति-मानदंडों में बदलें।

व्यवहार में: सेवा प्रबंधन का एक उदाहरण

एक राष्ट्रीय मौसम सेवा की संचालन टीम ऑन-प्रिमाइसेस और क्लाउड प्रणालियों की मिली-जुली संपदा पर पूर्वानुमान पाइपलाइन और एक सार्वजनिक API चलाती है। ऑन-कॉल कर्मचारियों को रोज़ लगभग 300 अलर्ट मिलते हैं, जिनमें अधिकांश कुछ शोर वाले स्रोतों से हैं। एक विक्रेता स्वचालित सहसंबंध और मूल कारण के सुझावों वाला AIOps प्लेटफ़ॉर्म प्रस्तावित करता है।

संचालन प्रमुख शर्तों के साथ पायलट के लिए सहमत होती हैं। पहला, टीम सबसे शोर वाले 12 नियम साफ़ करती है, जिससे लगभग आधी मात्रा हट जाती है। दूसरा, वह छह महीने का डेटा, जिसमें 14 घटनाएँ हैं, सलाहकार मोड में प्लेटफ़ॉर्म से दोबारा चलाती है। दोबारा चलाने में प्लेटफ़ॉर्म अलर्ट को अच्छी तरह समूहित करता है: औसत घटना, जिसने 80 अलर्ट उत्पन्न किए थे, तीन समूहों के रूप में दिखती है। वह 14 में से नौ घटनाओं में पहला संकेत सही चिह्नित करता है, तीन चूक जाता है जहाँ पहला लक्षण लॉग में था, और रात की नियमित पुनःप्रक्रिया पर झूठे अलार्म देता है, जिसका पैटर्न उसने नहीं सीखा है।

टीम इसे दो महीने के लिए एक पाइपलाइन पर सलाहकार मोड में तैनात करती है, जिसमें ऑन-कॉल कर्मचारी हर सुझाव को उपयोगी, तटस्थ या ग़लत रेट करते हैं। लगभग 55 प्रतिशत उपयोगी और 15 प्रतिशत ग़लत रेट किए जाते हैं, आम तौर पर वहाँ जहाँ कारण हाल का अदर्ज परिवर्तन है। फिर प्लेटफ़ॉर्म को समूहित घटनाओं के लिए टिकट स्वतः खोलने की अनुमति दी जाती है, और कुछ और नहीं। टीम दबाए गए अलर्ट की साप्ताहिक समीक्षा रखती है और एक बड़ी रिलीज़ के बाद पाती है कि ट्रैफ़िक के लिए मॉडल का आधार अब ग़लत है और उसे पुनः प्रशिक्षित करना होगा।

क्या बदलता है: ऑन-कॉल कर्मचारियों को कहीं कम, बेहतर समूहित अलर्ट मिलते हैं। क्या कठिन रहता है: प्लेटफ़ॉर्म के सुझाव सटीक परिवर्तन-रिकॉर्ड पर निर्भर हैं, जो अधूरे हैं; नई तरह की विफलताओं के लिए वह कम मददगार है; और विक्रेता की क़ीमत डेटा की मात्रा के साथ बढ़ती है, इसलिए टीम सीमित करती है कि वह क्या अंतर्ग्रहण करे। प्रमुख चूकों की एक और समीक्षा के बाद ही पायलट को दूसरी पाइपलाइन तक बढ़ाने की योजना है।

चार दृष्टिकोण

उत्पाद और डिलीवरी टीमें

अच्छी टेलीमेट्री उत्सर्जित करें: एकरूप लॉग, सेवा-लेबल वाले मेट्रिक्स, और डिप्लॉयमेंट तथा परिवर्तनों के रिकॉर्ड। डिज़ाइन का ज्ञान संचालन टीम से साझा करें, और अपनी सेवा के बारे में उपकरण के सुझावों को जाँचने में मदद करें।

सेवा और संचालन टीमें

उपकरण को सहायक की तरह उपयोग करें: सुझावों को रेट करें, दबाई गई मदों की समीक्षा करें, और चूकों की रिपोर्ट करें। जहाँ नियम काम करते हैं वहाँ उन्हें सरल रखें, और निर्णयों तथा कार्रवाइयों का स्वामित्व अपने पास रखें।

नेतृत्व और गवर्नेंस

डेमो से नहीं, दोबारा चलाने के परीक्षणों और पायलट से परिणाम माँगें। स्वचालित कार्रवाइयों पर सीमाएँ तय करें। डेटा की गुणवत्ता और प्रशिक्षण का वित्तपोषण करें। पूरी तरह स्वायत्त संचालन के दावों से सावधान रहें।

ग्राहक और उपयोगकर्ता

आपको कम और छोटे व्यवधान दिखने चाहिए, इसमें बदलाव नहीं कि समस्याएँ आपको कैसे बताई जाती हैं। अगर आपके नोटिस करने से पहले कोई घटना चूक गई थी तो प्रदाता को बताएँ।

एजाइल, AI, स्वचालन और विश्लेषण

एजाइल

एक सेवा पर परीक्षण करें, ऑन-कॉल कर्मचारियों की बार-बार प्रतिक्रिया के साथ, फिर चरणों में बढ़ाएँ। हर घटना के बाद चूकों की समीक्षा करें और समायोजन करें। सावधानी: बदलाव दर्ज किए बिना मॉडल को लगातार ट्यून करना व्यवहार को अप्रत्याशित बना देता है; परिवर्तन-लॉग रखें।

AI

उपकरण स्वयं एक AI प्रणाली है जिसका स्वामी, परीक्षण-डेटा और समीक्षा होनी चाहिए। इसे किसी भी अन्य की तरह बरतें: दर्ज करें कि वह क्या कर सकता है, उसकी निगरानी करें, और अद्यतनों के बाद परखें। सावधानी: विक्रेता बिना सूचना के मॉडल बदल सकते हैं; पूछें कि वे बदलावों की घोषणा कैसे करते हैं और नियमित परीक्षण करें। «विषय 5.6 — AI गवर्नेंस, जोखिम और अनुपालन» देखें।

स्वचालन

AIOps के आउटपुट को संकीर्ण, परखी हुई स्वचालित कार्रवाइयों से जोड़ें, जैसे टिकट बनाना, निदान-डेटा जुटाना और ज्ञात विफल प्रक्रिया को पुनः आरंभ करना, सीमाओं और लॉग के साथ। सावधानी: अनिश्चित पूर्वानुमानों से चुनी गई स्वचालित कार्रवाइयाँ घटना को बदतर कर सकती हैं; उच्च विश्वास और रोलबैक की माँग करें। «विषय 6.6 — रनबुक स्वचालन और स्वतः-उपचार» देखें।

विश्लेषण

अलर्ट की मात्रा, उपयोगी का हिस्सा, झूठे अलार्म, घटना-समीक्षाओं में मिली चूकें, पहचानने का समय और निदान का समय मापें। सावधानी: अलर्ट की मात्रा वास्तविक अलर्ट छिपाकर भी घटाई जा सकती है; हमेशा घटनाओं और चूकों से तुलना करें। «विषय 7.4 — ऑब्ज़र्वेबिलिटी और टेलीमेट्री» और सेवा प्रबंधन मेट्रिक्स पुस्तक देखें।

आम विफलता के तरीके

  • वादा ख़रीदना। विक्रेता के डेमो को प्रमाण मान लिया जाता है। अपने डेटा पर दोबारा चलाकर और पायलट से परखें।
  • ख़राब डेटा। मॉडल असंगत लॉग और लेबल से सीखता है। पहले डेटा ठीक करें।
  • समीक्षा के बिना दमन। वास्तविक अलर्ट छिप जाते हैं। जो दबाया गया उसका लॉग रखें और नमूना लें।
  • अपारदर्शी सुझाव। प्रतिक्रिया देने वाले उन्हें परख नहीं पाते। ऐसे उपकरण चुनें जो प्रमाण दिखाएँ।
  • समय से पहले स्वचालन। ग़लत कार्रवाइयाँ तेज़ी से होती हैं। सलाहकार मोड से शुरू करें और कार्रवाइयाँ सीमित रखें।
  • मॉडल-विचलन की अनदेखी। सटीकता चुपचाप घटती है। बदलावों के बाद निगरानी करें और पुनः प्रशिक्षित करें।
  • लाभ के बिना जटिलता। एक सरल नियम काफ़ी होता। सरल विधियों से तुलना करें।

परिपक्वता मॉडल

आयाम आरंभ विकास मानकीकरण प्रबंधन समन्वय
डेटा की नींव असंगत मुख्य स्रोत एकत्र एकरूप, लेबल वाली और स्वामित्व वाली टेलीमेट्री डेटा की गुणवत्ता मापी और सुधारी जाती है गवर्नेंस के साथ टीमों और आपूर्तिकर्ताओं में साझा डेटा
AI का उपयोग विक्रेता के दावे एक सेवा पर पायलट दोबारा चलाने और प्रतिक्रिया के साथ सलाहकार उपयोग परिणाम मापे और उन पर कार्रवाई की जाती है निगरानी के साथ संचालन भर में AI एकीकृत
स्वचालन कोई नहीं टिकट बनाना सीमाओं के साथ संकीर्ण, अनुमोदित कार्रवाइयाँ कार्रवाइयों की समीक्षा और सुधार मानवीय नियंत्रण के साथ जोखिम के अनुसार व्यापक स्वचालन
मॉडल की देखभाल कोई नहीं तदर्थ ट्यूनिंग विचलन और त्रुटि की निगरानी पुनः प्रशिक्षण परिवर्तन से जुड़ा उपकरणों में सतत मूल्यांकन

जाँच-सूची

  • हमने पायलट के लिए एक विशिष्ट समस्या और एक माप चुना।
  • हमने पहले सरल नियमों से अपने अलर्ट-शोर का सबसे बुरा हिस्सा ठीक किया।
  • हमने उपकरण को ऐतिहासिक घटनाओं पर परखा और चूकें तथा झूठे अलार्म गिने।
  • हमने उसकी तुलना सरल विधियों से की।
  • आउटपुट प्रतिक्रिया देने वालों को समझाए जा सकते हैं।
  • कोई भी कार्रवाई अनुमत करने से पहले हम सलाहकार मोड में चलाते हैं।
  • स्वचालित कार्रवाइयाँ संकीर्ण, लॉग की गई, दर-सीमित और पलटने योग्य हैं।
  • हम विचलन की निगरानी करते हैं और दबाए गए अलर्ट की समीक्षा करते हैं।

AI प्रॉम्प्ट

दोबारा चलाने के परिणाम जाँचें।

यह हमारे AIOps उपकरण से [संख्या] पिछली घटनाओं को दोबारा चलाने के परिणाम हैं: हर एक के लिए पहला वास्तविक लक्षण, उपकरण ने क्या और कब चिह्नित किया, और उसने क्या सुझाया: [चिपकाएँ]।
हर घटना के लिए गणना करें कि क्या उपकरण ने पहले पेज से पहले समस्या चिह्नित की, और झूठे अलार्म तथा चूकें सूचीबद्ध करें। गिनतियों का सारांश दें और वे घटनाएँ बताएँ जहाँ डेटा अस्पष्ट है। उपकरण को समग्र रेटिंग न दें।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।

दबाए गए अलर्ट की समीक्षा करें।

यह पिछले सप्ताह सिस्टम द्वारा दबाए या मिलाए गए अलर्ट का ब्योरों सहित एक नमूना है: [नमूना चिपकाएँ]।
हर एक के लिए बताएँ कि ब्योरे संकेत देते हैं कि वह शोर था, किसी अन्य अलर्ट का डुप्लिकेट था, या संभवतः वास्तविक समस्या थी, और अपना कारण दें। जिनका आप निर्णय नहीं कर सकते उन्हें चिह्नित करें।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।

पायलट के लिए स्वीकृति-मानदंडों का मसौदा बनाएँ।

हमारी सेवा: [वर्णन करें]। हमारा वर्तमान कष्ट: [वर्णन करें, पता हो तो संख्याओं सहित]। हमारी सीमाएँ: [सूची]।
AIOps उपकरण के दो महीने के पायलट के लिए स्वीकृति-मानदंडों का मसौदा बनाएँ: माप, वे थ्रेशोल्ड जिन पर हमें पहले से सहमत होना चाहिए, किस वजह से हम रुक जाएँगे, और कौन-सी स्वचालित कार्रवाइयाँ अनुमत नहीं हैं। विक्रेता के दावों को तथ्य की तरह न कहें।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।

AI कौशल

  • anomaly-analysis: संचालन-डेटा में असामान्य पैटर्न जाँचने के लिए उपयोग करें।
  • trend-analysis: यह देखने के लिए उपयोग करें कि मेट्रिक्स समय के साथ कैसे बदलते हैं।
  • data-quality: AIOps जिन इनपुट पर निर्भर है उन्हें जाँचने के लिए उपयोग करें।
  • mlops: उपयोग में आने वाले मॉडलों की निगरानी और रखरखाव के लिए उपयोग करें।
  • root-cause-analysis: सुझाए गए कारणों को प्रमाण के विरुद्ध परखने के लिए उपयोग करें।

प्रमुख स्रोत

  • Betsy Beyer and others (eds.), Site Reliability Engineering (2016), वितरित प्रणालियों की निगरानी पर अध्याय, sre.google पर निःशुल्क: वे बुनियादें जिन पर AIOps टिका है।
  • PeopleCert, ITIL certification pages: निगरानी और इवेंट प्रबंधन अभ्यास का स्वामी का वर्णन।
  • Wikipedia, "AIOps" और "Anomaly detection": शब्द और तकनीकों का अवलोकन।
  • Wikipedia, "Concept drift": समय के साथ मॉडलों के घटिया होने का मुख्य कारण।

संदर्भ

  1. AIOps — Wikipedia — https://en.wikipedia.org/wiki/AIOps
  2. Anomaly detection — Wikipedia — https://en.wikipedia.org/wiki/Anomaly_detection
  3. Event correlation — Wikipedia — https://en.wikipedia.org/wiki/Event_correlation
  4. Time series — Wikipedia — https://en.wikipedia.org/wiki/Time_series
  5. Seasonality — Wikipedia — https://en.wikipedia.org/wiki/Seasonality
  6. Cluster analysis — Wikipedia — https://en.wikipedia.org/wiki/Cluster_analysis
  7. Precision and recall — Wikipedia — https://en.wikipedia.org/wiki/Precision_and_recall
  8. Type I and type II errors — Wikipedia — https://en.wikipedia.org/wiki/Type_I_and_type_II_errors
  9. Concept drift — Wikipedia — https://en.wikipedia.org/wiki/Concept_drift
  10. Explainable artificial intelligence — Wikipedia — https://en.wikipedia.org/wiki/Explainable_artificial_intelligence
  11. Predictive maintenance — Wikipedia — https://en.wikipedia.org/wiki/Predictive_maintenance

सेवा प्रबंधन मार्गदर्शिका — एजाइल, AI, स्वचालन और विश्लेषण के साथ सेवा प्रबंधन।

स्रोत और योगदान: github.com/service-management-guide. इसके साथ बनाया गया Lily Design System™.

संचालन Joel Parker Henderson.