ពីប្រតិកម្មទៅជាសកម្ម៖ បដិវត្តការឆ្លើយតបឧប្បត្តិហេតុ MSO ជាមួយ AI

ការប្រកួតប្រជែង៖

ប្រតិបត្តិករសេវាកម្មគ្រប់គ្រងនាំមុខគេ (MSO) ត្រូវបានបំពាក់ដោយសមត្ថភាពត្រួតពិនិត្យយ៉ាងទូលំទូលាយនៅទូទាំងបណ្តាញ កម្មវិធី និងហេដ្ឋារចនាសម្ព័ន្ធរបស់វា។ ទោះបីជាមានវិសាលភាពទូលំទូលាយក៏ដោយ ក៏ប្រព័ន្ធនេះមានប្រតិកម្មដោយធម្មជាតិ ដោយក្រុម DevOps ប្រមូលបានតែក្រោយឧប្បត្តិហេតុប៉ុណ្ណោះ។ អាណត្តិនេះគឺច្បាស់លាស់៖ ប្រើប្រាស់ AI/ML ដើម្បីផ្លាស់ប្តូរពីប្រតិកម្មទៅនឹងការការពារ គោលបំណងដើម្បីលុបបំបាត់ការដាច់ប្រព័ន្ធជាមុន និងកាត់បន្ថយពេលវេលាមធ្យមដើម្បីជួសជុល (MTTR) ។

ដំណោះស្រាយ៖

ក្រុមស្ថាបត្យកម្មដំណោះស្រាយរបស់យើងបានផ្តួចផ្តើមបង្កើតប្រព័ន្ធអេកូឡូស៊ីពីចុងដល់ចប់ ដោយរួមបញ្ចូល AI កម្រិតខ្ពស់ដើម្បីបំប្លែងសមត្ថភាពឆ្លើយតបឧប្បត្តិហេតុរបស់ MSO៖

• ការច្នៃប្រឌិតហេដ្ឋារចនាសម្ព័ន្ធ៖ ដោយប្រើប្រាស់ AWS Lambda និង Google TensorFlow យើងបានសាងសង់ប្រព័ន្ធអេកូពីចុងដល់ចុង។
• ក្បួនដោះស្រាយវឌ្ឍនភាព៖ យើងបានបង្កើត និងកែលម្អសំណុំនៃក្បួនដោះស្រាយ AI ដែលមានសមត្ថភាពព្យាករណ៍ពីឧប្បត្តិហេតុក្នុងពេលជាក់ស្តែង និងការវិភាគមូលហេតុឫសគល់។

លទ្ធផល និងអត្ថប្រយោជន៍៖

• ការធ្វើឱ្យប្រសើរការជូនដំណឹង៖ ឥឡូវនេះប្រព័ន្ធនេះបង្កើតការជូនដំណឹងសំខាន់តិចជាង 10 ក្នុងមួយថ្ងៃ ដែលជាការថយចុះយ៉ាងខ្លាំងពី husystendreds ដែលបានរាយការណ៍ពីមុន។
• ការកំណត់អត្តសញ្ញាណការដាច់ការព្យាករណ៍៖ ប្រព័ន្ធអេកូ AIOps ថ្មីផ្តល់នូវការជូនដំណឹងជាមុនជាមធ្យម 45 នាទីមុនពេលដាច់ ដែលអនុញ្ញាតឱ្យមានសកម្មភាពជាមុន។
• ការដោះស្រាយបញ្ហាគោលដៅ៖ ការយល់ដឹងដែលជំរុញដោយ AI ដឹកនាំក្រុម DevOps ទៅកាន់ផ្នែកជាក់លាក់នៃការព្រួយបារម្ភ ដោយសម្រួលដល់ដំណើរការដោះស្រាយបញ្ហា។