代表的製品を紹介

IT運用向け人工知能「AIOps」活用で仮想インフラの管理をスムーズに

仮想インフラはますます複雑になり、管理が難しくなってきている。「AIOps」を利用すれば、管理者はデータを手動で加工することなく有益な情報に変換できるようになる。

公開 2019年01月24日 05時00分

更新 2019年07月06日 18時10分

著者

Robert Sheldon

[TechTarget]

印刷する Googleで優先するソースとして追加

AIによる運用管理は現実的か？

　IT運用向け人工知能（AIOps）のユースケースにはいろいろなものがあるが、IT管理者にとって機械学習技術を利用する最も大きなメリットは、仮想リソースの最適化にあるかもしれない。

　企業のITインフラは、膨大な量のシステムデータを生み出す。その対象範囲は広く、アプリケーションの遅延レートからハードウェアの温度まで多岐にわたる。インフラが規模を拡大し、複雑になるにつれて、管理プロセスも複雑になる。その結果、業務のサイロ化が進み、情報が断片化することが多い。IT部門に個々のリソースを一元化する能力があったとしても、管理者が全領域での取り組みを調整できるほどの包括的なツールはまだない。

　AIOpsは、機械学習を利用して広範なシステムデータの関連性を調べて分析し、適切な処理を判断する。このアプローチが、先述の包括的な管理に関する問題を解決する可能性がある。AIとは、大ざっぱに言ってしまえば人間の知能のシミュレーションだ。入力されたデータを基に学習と推論をして、結論を導き出す。運用担当者がデータを追加するたび、AIは自身で改良を重ね、改善し続ける。

　機械学習はAIの一分野で、コンピュータと密接に関係している。機械学習を使うと、コンピュータは入力データを通じて学習し、そこから結果を予測して、プログラミングを要求することなく処理を実行できる。重要なのはアルゴリズムで、データに対して詳細な統計分析を実行する。機械学習は新しいデータを利用して自動で調整し改良するため、AIOpsのユースケースはその改良の結果として生じるパターンがある。

　IT部門は、機械学習などのAI技術を複雑なインフラの管理戦略に組み込み始めている。ビッグデータ分析などではAIの考え方を利用し、課題を解決することがトレンドだ。具体的には、数百万にも上るデータポイントのデータを自動的に関係付け、問題を特定して、できる限りリアルタイムに近い形で問題への解決策を提供する。

併せて読みたいお薦め記事

AIOpsを知る

AIとの付き合い方

AIOpsによる自動化と分類

　AI技術はさまざまなIT業務ツールを強化したり、そうしたツールに取って代わったりする可能性がある。AIOpsを活用すれば、日常の管理作業を減らす以上のことが期待できる。具体的には、機能停止の防止、ノイズ除去による問題の本質の特定、業務のサイロ化の軽減、正確な原因分析、IT業務の全般的な効率向上などだ。

　AIOpsシステムはさまざまな戦略を利用して管理プロセスを容易にする。最初に着手するのは、全ての領域のデータポイントからデータを包括的に収集することだ。ログファイル、ヘルプデスクのチケットサービス、管理ツールの出力など、さまざまなデータを収集する。AIOpsシステムは環境の仮想・非仮想を問わず、システム全体を監視し、ビッグデータ技術を活用してデータを集約、整形する。そこから機械学習アルゴリズムなどのAI技術によってデータを分析し、情報の関係付け、パターン検出、異常検知、根本原因の特定、システム構成要素同士の因果関係の特定などを実施する。

　AIOpsシステムはこの分析結果を利用して運用を自動化し、構築する。そうした一連の動作は、重要なポイントに関わる処理となる。例えば、仮想マシンで実行されるアプリケーションの処理能力を上げる必要があれば、AIOpsシステムは要求されたリソースをそのアプリケーションへ自動的に割り当てる。

　包括的なAIOpsシステムは管理者向けにレポートや可視化を生成するツールも提供する。こうしたツールは、問題の特定、環境変化の追跡、意思決定、ITインフラ全般への観測の提供などで、管理者の作業を支援する。

最優先すべきAIOpsのユースケースは「最適な仮想化」

　仮想化システムがリソースを抽象化する方法によっては、ITインフラ管理が難しくなる可能性がある。仮想化は、ハードウェアの使用状況とワークロードの管理に大きなメリットをもたらす。一方でシステムの本質が目に見えなくなるため、潜在的な問題の特定がより難しくなる。

　加えて、仮想化は仮想マシン（VM）の増加につながる恐れがある。VMは物理リソースよりもはるかに多くのデータポイントを作り出すため、システムデータの量が急増する。

　その上、仮想環境の容量設計は難しい。システム管理者が手動でプロビジョニングした場合、リソースが多過ぎたり、逆に少な過ぎたりすることがしばしばある。一般的なIT管理ツールは、仮想と非仮想の両環境を効果的に監視あるいは管理ができるほど、包括的でも高機能でもない。

　こうした管理の制限に対してAIOpsを活用できる。AI技術を使うことで、リソースの使用状況、容量設計、脅威の検出、異常検知、ストレージ管理などを改善できる可能性がある。AIOpsシステムは全環境のデータポイントを関係付け、一般的な管理ツールでは解決できなかった事項に対処する。このことがリソース使用率の向上につながる。

　例えば、ソフトウェアベンダーのScienceLogicやDynatraceは物理・仮想インフラを可視化するAIOpsシステムを提供している。このシステムは、あらゆる場所にあるコンピューティングリソースを追跡し、アプリケーションのパフォーマンスと可用性を最適化する。

　システム開発会社のサイオステクノロジーが提供する「SIOS iQ」もAIOpsサービスだが、VMwareの仮想環境に特化している。SIOS iQは、アイドル状態のVMや不要なスナップショットなどのリソースの問題を特定すると同時に、問題点を明確にして優先順位を決め、解決に導く。

　AIOpsはまだ比較的未成熟の分野だ。特に仮想環境と非仮想環境にまたがるリソース管理機能は十分ではない。ただし、ITインフラの複雑化が進んでいることを考えると、AIOpsは近い将来非常に有望な技術になる可能性がある。コンテナ、マイクロサービス、サーバレスコンピューティングなど、技術の急激な増加による現在の環境の複雑化が、AIOpsの魅力を高めている。

印刷する

この記事の著者

Robert Sheldon

テクニカルコンサルタントを務め、フリーランスのテクノロジーライターとしても活動している。「Windows」やデータベース、ビジネスインテリジェンス（BI）を主なテーマとして、書籍や記事、研修教材の豊富な執筆経験を持つ。

IT運用向け人工知能「AIOps」活用で仮想インフラの管理をスムーズに

併せて読みたいお薦め記事

AIOpsを知る

AIとの付き合い方

AIOpsによる自動化と分類

最優先すべきAIOpsのユースケースは「最適な仮想化」

この記事の著者

関連記事

新着ホワイトペーパー PR

瞬時にM365が乗っ取られる――全社員に周知すべき“新フィッシング”の教訓

IT運用向け人工知能「AIOps」活用で仮想インフラの管理をスムーズに

併せて読みたいお薦め記事

AIOpsを知る

AIとの付き合い方

AIOpsによる自動化と分類

最優先すべきAIOpsのユースケースは「最適な仮想化」

この記事の著者

関連記事

AIOpsツールはIT運用担当者の「働き方改革」を実現するか

完全なるIT運用の自動化を実現する「AIOps」とは？

新着ホワイトペーパー PR

瞬時にM365が乗っ取られる――全社員に周知すべき“新フィッシング”の教訓