Part 3：为什么 NetOps 是通往 AIOps 的桥梁

转载

网络运营（或NetOps）团队，传统上使用性能监控工具来管理企业网络的运行状况和性能。然而，网络使用量的增长加上分散的网络部署，导致许多人寻求替代的性能监控方法，包括使用人工智能进行 IT 运营（AIOps）。

本文比较了 NetOps 实践中的传统性能监控方法，并讨论了团队最终转向采用 AIOps 的原因。

什么是网络运营？

NetOps 源自DevOps，一组 IT 软件开发原则，依靠操作反馈来推动应用程序的快速开发和实施。DevOps 的目标是为最终用户提供更有用、更可靠、更安全的数字服务。

NetOps 原则采用 DevOps 的敏捷本质，并将其应用于网络管理实践中的管理、增长和可扩展性流程。使用这种方法，NetOps 工具自动收集网络健康数据。NetOps 员工可以分析数据，就如何调整网络组件并实现最佳网络性能做出明智的决策。

NetOps 在很大程度上依赖于自动化的使用来简化网络管理和故障排除任务。这些自动化加快了识别可以修改以提高关键区域性能的网络区域所需的时间。NetOps 管理员手动分析这些收集和组织的数据，以做出明智的决策。

网络运营的下一步：人工智能

虽然 NetOps 原则强调网络性能敏捷性的进步，但向公共云、私有云以及边缘计算的扩展增加了整体复杂性。这种日益增长的复杂性可能会在 NetOps 流程的网络分析阶段产生瓶颈。

人工智能可以使用具有内置数据分析功能的工具来分析网络健康数据。

直到最近，IT 决策者消除这一瓶颈的唯一选择是提高 NetOps 团队的人员配置水平。随着数量的增加，更多的人可以查看网络分析数据，这些数据将转化为可操作的任务。因此，实现网络性能改进的能力常常被实现所述改进所需的显着更高的成本所抵消。

为了在花费的资金和可实现的性能提升之间重新取得平衡，第二个选择以 AIOps 的形式出现。人工智能可以使用具有内置数据分析功能的工具来分析网络健康数据。它可以提供关于团队应进行哪些网络更改以提高整个网络或已确定的业务关键型应用程序的性能的详细而精细的建议。

NetOps 员工将寻求 AIOps 工具，否则就有落后的风险

随着越来越多的 NetOps 团队认识到，在网络健康分析中投入更多的人力资源会带来成本效益的不足，因此他们将开始推动 AIOps 工具，以显着减少流程的数据分析阶段。

大多数网络运营从业者意识到，随着越来越多的应用程序、服务和设备添加到网络中，并且随着网络进一步扩展到各种边缘和云，收集的健康和性能数据量将很快变得如此之大，以至于让他们的团队不堪重负。因此，依靠能够自动分析数据并提供网络性能问题修复的 AIOps 工具的能力将变得非常可取。