开源AIOps工具与专有AIOps工具有什么区别？

围绕开源与专有工具的争论并不是什么新鲜事。然而，当谈到AIOps工具时，有一些特殊的考虑。这不仅是因为AIOps工具市场特别复杂，而且还考虑到AIOps工具的性质(通常需要访问敏感数据)。

在深入讨论开源与专有的争论之前，我们必须首先定义是什么样的工具称为AIOps工具。然后，为了帮助购买者在开源或专有的AIOps工具之间做出选择，我们将比较这两种工具，并解释为什么企业可能更喜欢其中一种。

定义AIOps

AIOps是一个流行语，和大多数流行语一样，不同的人用不同的方式来定义它。

在本文中，AIOps被定义为使用人工智能(AI)或机器学习的任何类型的IT工具或服务。这是AIOps的一个相当宽泛的定义。一些供应商和分析师认为，工具必须使用复杂的AI和机器学习算法才能符合AIOps的条件。

然而，鉴于AIOps市场的快速增长，在评估这些工具时，从广义上考虑AIOps是很有帮助的。买家可能会遇到一些执行AIOps功能的工具，即使这些工具没有明确地作为AIOps平台进行销售。狭隘的AIOps定义可能会忽略其中一些选择。

开源AIOps工具

到目前为止，只有少数开源项目将自己标记为AIOps。尽管如此，一些开源平台提供的功能可以说是AIOps。例如，Kubernetes在一定程度上使用数据分析来自动化工作负载编排，它可算得上是一个AIOps平台。开源监控平台，比如Nagios和Zabbix，也提供了基本的分析功能，你可以把它们看作是AIOps(即使这些工具没有这样定义自己)。各种开源编程语言模块或框架，如PyTorch和TensorFlow，帮助实现AIOps功能，即使它们本身不是完整的AIOps平台。

在许多方面，支持开源AIOps工具的论据与任何开源工具的论据是相同的：开源AIOps工具通常比专有的替代品更便宜，更容易修改或定制。它们还降低了供应商和平台锁定的风险。

除了这些因素之外，在评估开源AIOps工具时还需要考虑一些特殊的因素。一是，到目前为止，还没有端到端的开源AIOps平台。换句话说，没有一个单一的开源平台能够提供企业想要优化其IT运维的所有AIOps功能。相反，有一个开源工具的碎片集合，每个都提供了一些AIOps功能。为了使用这些开源工具并利用AIOps的优势，IT运维团队需要集成多种工具。但这需要付出巨大的努力。

另一方面，由于其性质，AIOps工具需要访问大量数据，其中一些数据可能对业务敏感，或者攻击者可能会滥用这些数据来发起攻击。这意味着，使用专有的AIOps工具，购买者必须相信供应商是其工具从客户系统和环境中获取的数据的好管家。可能还需要考虑合规性问题，特别是如果供应商的工具将用户的数据移动到供应商自己的基础设施中进行处理或存储。

如果平台需要在外部基础设施上进行数据处理，这些问题也可能会影响开源AIOps工具。但考虑到开源工具通常在用户的数据中心内运行，或者至少在用户控制的公共云基础设施上运行，那么合规性或数据隐私方面的挑战可能会更少。任何人都可以检查开源工具的源代码，以确定它们对用户信息的处理方式，这进一步提高了数据管理过程的透明度和信任度。

专有AIOps工具

与开源领域不同的是，专有软件市场已经产生了大量和越来越多的工具，这些工具被明确地称为AIOps。例如，Broadcom公司将其可观测性软件大力推广为AIOps。Splunk以及Instana和PagerDuty等小型供应商也进入了AIOps领域。在这一点上，更专有的监控或事件响应工具将自己标记为AIOps(至少部分地)。

也许使用专有的AIOps工具的最重要原因是它可能比开源的替代方案更容易实现。专有工具通常更为用户友好，而且它们往往比开源选择具有更广泛的AIOps功能——如上所述，开源选择只提供零碎和部分的AIOps特性。另外，许多专有的AIOps工具作为托管服务运行，这就不需要用户设置基础设施来托管它们。

当使用一些专有的AIOps工具时，上面描述的数据管理问题可能是一个挑战。但是，如果AIOps供应商提供了必要的合规性保证和信任级别，以减轻对误用数据的担忧，那么这些挑战就不太可能让普通企业放弃。AIOps领域的大多数供应商都是成熟的公司，有着长期的以兼容和安全的方式管理客户数据的经验。

开源和专有AIOps的未来

评估AIOps工具的最后一个因素是市场发展的速度。虽然到2021年初，开源生态系统在AIOps产品方面落后于专有软件市场，但随着更多的开源开发人员和资助者将资源投入AIOps工具，这种情况可能会改变。

专有供应商也有可能继续构建AIOps功能。如今，大多数商业AIOps工具都属于监控和事件管理解决方案的范畴，但在不久的将来，日志管理、基础设施供应和其他IT运维领域可能会出现更多的专有AIOps工具。

评估AIOps工具需要耐心和关注细节。企业还可能希望定期审视其AIOps工具，以确定是否出现了更好的选择。