[[386133]]

 關于開源工具與專有工具的爭論早已不是什么新鮮事。但在AIOps工具方面，還有其他一些特殊的因素需要考量。

AIOps工具市場不僅特別復雜，而且相關工具總是有著很多獨特的性質，例如需要訪問敏感數據，往往進一步影響到采購方在評估方面的具體判斷。

在深入探討開源與專有問題之前，我們首先需要明確定義何謂AIOps工具。以此為基礎，我們再比較兩類工具，嘗試解釋企業應當結合哪些因素在開源與專有AIOps方案之間做出抉擇。

作為一個流行詞匯，不同的人往往對AIOps有著不同的定義與理解。在本文中，我們將AIOps定義為使用人工智能(AI)或機器學習的一切IT工具或服務。很明顯，這是一種相當寬泛的定義方法;也有部分供應商及分析師認為，工具必須要用到復雜的AI與機器學習算法，才有資格被列入AIOps陣營。

但是，隨著AIOps市場的迅速發展，我們倒不妨把標準放寬一點。某些工具雖然未被明確劃定為AIOps平臺，但采購方很可能就是想把它當成AIOps工具來使用。對于這類情況，堅持狹義AIOps定義顯然不利于做出確切的判斷。

開源AIOps工具

就目前來看，只有少部分開源項目將自身標榜為AIOps。但不少開源平臺提供的某些功能完全符合AIOps的理念。例如，使用數據分析(在一定程度上)實現工作流程編排自動化的Kubernetes正是AIOps平臺的重要特征。Nagios及Zabbix等開源監控平臺也能夠提供相當一部分AIOps基本分析功能。此外，各類開源編程語言模塊或框架，如PyTorch與TensorFlow也有助于實現AIOps功能，而這些顯然不算是完整的AIOps平臺。

從各個角度來看，支持開源AIOps工具的觀點與支持整個開源生態的思路基本相同 ——與專有替代方案相比，開源AIOps工具往往成本更低、更易于修改或自定義，同時也降低了供應商及平臺鎖定的風險。

除此之外，評估開源AIOps工具時還應關注一些特殊的注意事項。首先，到目前為止還沒有出現任何端到端開源AIOps平臺。換句話說，沒有哪種單一的開源平臺能夠直接為企業提供簡化IT運營的全部必要AIOps功能。相反，我們需要將多種不同開源工具整合起來，每款工具只能提供一部分AIOps功能。要使用這些開源工具并充分發揮AIOps的優勢，IT運營團隊需要面對大量工具選項，自然也就得耗費大量精力。

除此之外，AIOps工具在本質上需要訪問到大量數據，其中一部分數據可能相當敏感，或者可能被攻擊者用于發動入侵乃至破壞。這意味著使用專有的AIOps工具，買方必須信任賣方，允許后者成為在客戶系統及環境中提取并分析數據的稱職管家。此外，合規性問題也很重要，目前不少法律已經對供應商工具將用戶數據移動至自有基礎設施內以進行處理或存儲的場景做出約束。

如果平臺需要借助外部基礎設施進行數據處理，那么開源AIOps工具也會受到同樣的影響。但大多數開源工具主要運行在用戶的自有數據中心內，或者至少是在用戶控制的公有云基礎設施之上運行，因此帶來的合規性或數據隱私問題一般更少。畢竟每個人都可以觀察開源工具的源代碼，借此確定項目對用戶信息的處理方式，借此提升數據管理流程的透明度與可信度。

專有AIOps工具

與開源領域相反，專有軟件市場上已經出現了大量被明確標榜為“AIOps”的工具。例如，Broadcom公司就在著力以AIOps產品的名義推銷其可觀察性軟件。Splunk以及Instana與PagerDuty等小型廠商也已經涉足于AIOps。作為一種整體趨勢，越來越多專有監控與事件響應工具都在用AIOps強化自己的市場影響力。

選擇專有AIOps工具的核心原因，在于其難度往往比開源方案更低。專有工具的用戶友好度一般較高，而且與開源選項相比，前者更傾向于提供較為廣泛的AIOps功能。此外，相當一部分專有 AIOps工具都以托管服務的形式運行，所以用戶不必費神建立起用于托管這些服務的自有基礎設施。

但對于部分專有AIOps工具，上述數據管理問題可能會構成新的挑戰。因此，一般企業在選擇供應商必須認真評估對方的合規性保障與防止數據遭到濫用的能力。好消息是，AIOps領域的大多數供應商都擁有良好的商業聲譽，在以合規且安全方式管理客戶數據方面也擁有豐富的經驗。

開源與專有AIOps的未來

評估AIOps工具的最后一個因素，在于市場的快速發展。盡管截至2021年初，AIOps產品中的開源生態還遠遠落后于專有軟件市場，但隨著更多開源開發者及支持者向AIOps領域投入資源，雙方的關系與競爭形勢有可能發生改變。

當然，專有供應商也會繼續增強AIOps功能。如今，大多數商業AIOps工具都集中在監控與事件管理方案層面。但在不久的未來，將有更多專有AIOps工具嘗試在日志管理、基礎設施配置以及其他IT運營利基領域發揮作用。

總而言之，AIOps工具的評估工作需要充分的耐心與對細節的關注。另外，企業也不應將選擇視為一勞永逸的工作——只要出現了更好的選擇，大家必須迅速行動、順應變革。