機器學習解決IT運維難題

■ Vikas Sinha

你的IT架構運行得如何？它的客戶體驗、正常運行時間和即時響應時間達到你的期望值了嗎？你能避免宕機，在最短時間內修復問題并最小化影響嗎？讓機器學習來拯救你吧。

現實是，IT系統已經變得如此互通、復雜而龐大，讓人們——即使是最有天賦的基礎設施和工程團隊——都無法趕上。譬如最近的英國航空公司系統故障，一個簡單的人為錯誤導致電壓瞬間超出正常工作電壓，使得英航電腦癱瘓，并對包含乘客和飛行數據的關鍵服務器造成了嚴重損害。誰能知道一個動作的所有后果呢？

每天都有類似的問題困擾著世界各地的企業。但是，這些問題出現的原因并不是信息或數據匱乏，而是數據量太多。單純依靠人力去獲取和應用所有領域的知識已經不再可能，因而機器學習正在迅速變得必不可少。

以下是IT專業人員尋求機器幫助的三個重要原因。

定制化

機器學習的優點在于可以通過無監督學習實現定制化，從而滿足公司獨特業務環境的需求。機器學習通過采用各種算法，識別數據中可實際應用于商業活動、挑戰和機會的一致、連貫且循環的模式，從而實現這一優勢。

無監督學習有諸多好處：

機器并非由IT專家編程以實現特定結果不同，而是能夠通過識別數據中的模式以提供最優解。

機器并非只能針對有限的特定情況做出響應不同，而是在任何情境中都能能夠做出響應。

機器學習所得出的見解或洞悉不是泛泛的結果，而是個性化且有針對性的。

舉個例子，假設有兩家保險公司恰巧使用相同的數據中心基礎設施和軟件工具，但各自有不同的工作負載模式、客戶資料、業務規則和評分方法。如果兩者都采用機器學習，即使它們在同一個行業，并且使用相同的技術，機器學習也會根據兩個業務環境中的特有因素為每個公司生成完全定制化的結果。

高效化

現今的公司往往都掌握了大量的數據，但是大多未被利用或者不可用，并且可能還正在迅速變化。這些數據太過龐大，即使是整個部隊的分析員也無法奢望能夠完全掌控。

有了機器學習，大數據的優勢可以通過將操作智能嵌入到現有的性能管理工具中得到有效實現。

例如，假設一家大型百貨商店使用機器學習來分析銷售交易，就可以輕松地評估數十億筆交易及相關元數據并從中獲取有價值的信息（例如，交易發生的地點和時間是什么？網站是如何執行其功能的？

交易對收入、營銷和庫存有什么影響？諸如此類）。這些信息可以被納入現有的工具中，以幫助商店改進其內部運營，并提升端對端的客戶體驗。

持續化

機器學習也可以幫助彌補IT運維專家退休或離開公司時留下的空缺。

例如，新一代的IT專家未必接受過大型機技術的培訓，而許多領先的企業以及政府都依賴此技術來執行其最重要的應用程序。

嵌入智能和應用機器學習技術吸納了大型機專家的技能和知識，可以降低風險，確保機構可以實現持續和可擴展的運營，從而彌補對于優化大型機性能和故障排除等專業能力的缺失。

詞嵌入（Word2Vec）技術目前主要應用在自然語言處理應用中。

比 如 Word2Vec（2013，Mikolov等）通過把一個具有大量模態的分類特征轉換成一組較小的易于使用的數字特征。這些特征不僅易于使用，而且能夠成功學習到若干個模態之間的關系，

機器學習是優化基礎架構性能，促進業務增長，改善客戶體驗，提高知識管理以及帶來眾多可能性的關鍵。通過知識交互的雙向性互相學習。下一步，就是讓機器學習為你所用。