AIOps，也就是基于算法的IT运维（Algorithmic IT Operations），是由Gartner定义的新类别，源自业界之前所说的ITOA（IT Operations and Analytics）。我们已经到达了这样的一个时代，数据科学和算法正在被用于自动化传统的IT运维任务和流程。算法被集成到工具里，帮助企业进一步简化运维工作，把人类从耗时又容易出错的流程中解放出来。人们不再需要在遗留的管理系统中定义和管理无穷无尽的规则和过滤器。

在过去的几年间，一些新技术不断涌现，利用数据科学和机器学习来推进日益复杂的企业数字化进程，“AIOps”（Algorithmic IT Operations）因此应运而生。Gartner的报告宣称，到2020年，将近50%的企业将会在他们的业务和IT运维方面采用AIOps，远远高于今天的10%。

AIOps的不同之处在这里体现出来。AIOps的解决方案专注于解决问题，而且是通过使用基于算法的技术来高度模仿人类（而且以更快的速度和更大的规模）。算法的效率提升了AIOps的价值，而相对于人类的智慧——虽然是无限的，但不如机器来得高效。下面这个案例是基于机器学习的 KPI 自动化异常检测。

上图表示运维人员判断 KPI 曲线的异常并标注出来， 系统对标注的特征数据进行学习 。这是典型的监督式学习，需要高效的标注工具来节省运维人员的时间： 如可以拖拽，放大等方式。

借助智能算法的技术优势，原先人工需要几个小时完成的任务现在通过自动化可以在几秒钟内完成，而且能够得到更好的结果。传统的IT运维需要管理大量的告警，极大地分散了企业的注意力，他们需要花很多时间解决无聊的问题，没有时间用于创新。使用AIOps可以解决这些问题，把运维人员从纷繁复杂的告警和噪音中解脱出来。各个行业的企业正在采用AIOps，他们使用这项技术来改进客户的数字体验——银行、娱乐、交通、零售，甚至政府。

尽管AIOps还是一个新名词，但并不代表它只是未来的一种趋势而已。在这个数字的年代，任何使用传统技术来管理机器数据的组织要么忽略了信息的价值，要么已经让他们的运维团队不堪重负。随着数据的暴涨，CIO们应该快速拥抱AIOps。传统AI仍然会在某些领域发挥它的作用，而AIOps将为企业带来最直接最深远的价值。

大家一起来聊一聊AIOPS呗，比如你觉得AI可以在那些方面大大的提高维护的效率，它具体应该如何落地，或者你觉得AI在系统维护应用的过程中，会有哪些挑战与痛点呢？