پایش سنتی بر پایه آستانه‌های ثابت کار می‌کند: اگر مصرف CPU از ۹۰ درصد گذشت، هشدار بده. این روش ساده و قابل‌فهم است، اما دو مشکل دارد. اول، هشدارهای بی‌مورد زیاد می‌شود و تیم کم‌کم به آن‌ها بی‌توجه می‌شود. دوم، خیلی از خرابی‌ها با عبور از یک آستانه شروع نمی‌شوند، بلکه با یک تغییر رفتار آرام و غیرعادی شروع می‌شوند که هیچ آستانه‌ای آن را نمی‌گیرد.
AIOps چیست؟
AIOps به استفاده از یادگیری ماشین و روش‌های آماری در عملیات IT گفته می‌شود. ایده اصلی این است که سیستم از داده‌های گذشته یاد بگیرد رفتار «عادی» هر سرویس در هر ساعت و هر روز چگونه است و انحراف از آن را گزارش کند. مثلاً ترافیک شبکه ساعت ده صبح روز کاری با ساعت دو بامداد جمعه فرق دارد؛ یک آستانه ثابت این تفاوت را نمی‌فهمد، اما یک مدل مبتنی بر الگو می‌فهمد.
کجا واقعاً کمک می‌کند؟
- تشخیص ناهنجاری: افزایش غیرعادی ترافیک خروجی در نیمه‌شب، بالا رفتن تدریجی زمان پاسخ یک سرویس یا رشد ناگهانی خطاهای ورود.
- پیش‌بینی روند: برآورد اینکه با روند فعلی، دیسک یک سرور یا مخزن بکاپ کی پر می‌شود. بعضی ابزارهای پایش مثل Zabbix توابعی برای پیش‌بینی روند دارند که بدون پیچیدگی زیاد این کار را می‌کنند.
- همبستگی هشدارها: وقتی یک سوئیچ از کار می‌افتد، ده‌ها هشدار از سرورهای پشت آن می‌آید. AIOps می‌تواند این‌ها را به یک رخداد اصلی تبدیل کند.
- تحلیل لاگ: دسته‌بندی حجم زیاد لاگ و نشان دادن الگوهای تازه‌ای که قبلاً دیده نشده‌اند.
پیش‌نیاز: داده خوب
هیچ مدلی از داده بد نتیجه خوب نمی‌گیرد. پیش از هر ابزار AIOps، این پایه‌ها را محکم کنید:
- جمع‌آوری منظم معیارها از تجهیزات با SNMP یا Agent، و لاگ‌ها با Syslog در یک مکان مرکزی.
- هماهنگی ساعت همه دستگاه‌ها با NTP؛ بدون آن، مقایسه رخدادها گمراه‌کننده است.
- نگهداری تاریخچه کافی، دست‌کم چند هفته، تا الگوهای روزانه و هفتگی قابل یادگیری باشند.
- فهرست به‌روز دارایی‌ها، تا بدانید هر هشدار مربوط به کدام سرویس و کدام مشتری داخلی است.
پایش را فقط به «روشن یا خاموش بودن» محدود نکنید. وضعیت سخت‌افزار سرور از کنسول مدیریتی مثل HP iLO، نتیجه Jobهای بکاپ و رسیدن فایل بکاپ دیتابیس هم باید جزو داده‌های پایش باشد.
محدودیت‌ها و خطرها
- دوره یادگیری: مدل در هفته‌های اول هنوز رفتار عادی را نمی‌شناسد و ممکن است هشدار نادرست زیاد بدهد.
- عادی جلوه دادن مشکل: اگر مشکلی از قبل وجود داشته باشد، مدل ممکن است آن را جزو رفتار عادی یاد بگیرد.
- الگوهای فصلی: بستن حساب‌های پایان ماه یا پایان سال رفتار سیستم‌ها را تغییر می‌دهد و ممکن است هشدار بی‌مورد تولید کند.
- جعبه سیاه: بعضی ابزارها دلیل هشدار را روشن توضیح نمی‌دهند و تیم نمی‌تواند به آن اعتماد کند.
- هزینه و پیچیدگی: ابزارهای کامل AIOps برای شرکت کوچک ممکن است بیش از نیاز باشند.
از کجا شروع کنیم؟
لازم نیست از روز اول یک پلتفرم پیچیده بخرید. با سه کار ساده شروع کنید: هشدارهای تکراری و بی‌اثر را حذف یا اصلاح کنید، برای ظرفیت دیسک و مخزن بکاپ پیش‌بینی روند بگذارید و برای چند سرویس حیاتی، خط پایه رفتار عادی را تعریف کنید. هر هشدار هم باید یک صاحب و یک اقدام مشخص داشته باشد.
چک‌لیست
- معیارها و لاگ‌ها به‌صورت مرکزی جمع‌آوری می‌شوند.
- ساعت همه دستگاه‌ها با NTP هماهنگ است.
- تاریخچه کافی برای یادگیری الگوها نگه داشته می‌شود.
- هشدارهای بی‌مورد به‌صورت دوره‌ای بازبینی و حذف می‌شوند.
- برای دیسک و مخزن بکاپ پیش‌بینی روند فعال است.
- هر هشدار مسئول و دستورالعمل مشخص دارد.
کارشناسان ITPlus724 می‌توانند پایش شبکه، سرورها، سخت‌افزار و بکاپ‌های شرکت شما را راه‌اندازی کنند تا مشکلات پیش از تبدیل شدن به خرابی دیده شوند.