AIOps Solutions for Incident Management: Technical Guidelines and A Comprehensive Literature Review

现代 IT 系统的管理面临着独特的挑战，需要处理大量数据流时具备可扩展性、可靠性和高效性。传统的手动任务和基于规则的方法对于 IT 系统产生的大量数据量和警报来说效率低下。基于人工智能的运营系统（AIOps）应运而生，利用机器学习和大数据等先进分析技术来增强事故管理。AIOps 可以检测和预测事故，识别根本原因并自动执行修复操作，提高质量并降低运营成本。然而，尽管 AIOps 具有巨大潜力，但该领域仍处于早期阶段，分散在多个部门中，缺乏标准化的约定。研究和工业贡献没有一致的数据管理框架、目标问题、实现细节、要求和能力。本研究提出了 AIOps 的术语和分类法，建立了结构化的事故管理流程，并提供了构建 AIOps 框架的指南。该研究还根据事故管理任务、应用领域、数据来源和技术方法等标准对贡献进行了分类。目标是全面审查 AIOps 技术和研究方面，以构建知识结构，识别差距，并为该领域的未来发展奠定基础。

本文旨在提出一种AIOps术语和分类法，建立一个结构化的事件管理流程，并为构建AIOps框架提供指南。

利用机器学习和大数据等高级分析技术，AIOps可以检测和预测事件，识别根本原因，并自动执行修复操作，从而提高质量并降低运营成本。

本文提出了一种AIOps术语和分类法，为未来的研究提供了基础。同时，通过分类贡献，如事件管理任务，应用领域，数据来源和技术方法等，对AIOps进行了全面的技术和研究方面的回顾。

最近在这个领域中，还有一些相关研究，例如：《基于AIOps的网络故障自愈系统研究》、《一种基于AIOps的云计算资源调度方法》等。