`

СПЕЦИАЛЬНЫЕ
ПАРТНЕРЫ
ПРОЕКТА

Архив номеров

Как изменилось финансирование ИТ-направления в вашей организации?

Best CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

ИТ-аналитика как лекарство от сложности

+22
голоса

Применяемые сегодня средства управления ИТ появились в начале 1990-х гг. На каждом предприятии сейчас используются едва ли не сотни подобных решения для мониторинга элементов инфраструктуры и приложений. Правда, эффект от мониторинга эфемерный. Конечно, эти инструменты позволяют получать огромные объемы сырых данных, но их смысловая нагрузка слабая. Вот почему большие надежды возлагаются на решения ИТ-аналитики, именно с их помощью ИТ-отделы смогут лучше управлять технологиями, поддерживающими работу бизнеса. Им посвящен отчет «Turn Big Data Inward With IT Analytics» Forrester Research, в этой статье мы остановимся на его основных положениях.

Все сложно

С каждым днем проблема сложности управления ИТ усугубляется. Все усложняющиеся системы порождают новые элементы, которыми необходимо управлять, появляется все больше данных. Сложность растет экспоненциально и неумолимо. Если сейчас работать непросто, в будущем управление ИТ станет вообще проблематичным (см. Рис. 1).

ИТ-аналитика как лекарство от сложности

Рис. 1

Дальше — больше. Смысл корпоративных данных меняется в связи с трансформацией систем (для их приведения в соответствие новым бизнес-требованиям). Новейшие технологии приводят эту информацию в движение, изменяя ее вместе с контекстом быстрее, чем растут умения, знания и навыки специалистов ими управлять. Причем увеличиваются не только объемы данных, но и сами темпы роста.

Такие технологии называют ускорителями (см. Рис. 2). Из-за них уже непереносимый имеющиеся рост сложности переходит на новый уровень. После этого момента экспоненциальный рост сам начинает расти быстрее, чем ранее. Результирующая сложность — гораздо более агрессивный сценарий, чем плавное ускорение теоретической сложности.

ИТ-аналитика как лекарство от сложности

Рис. 2

Естественно, ускорители всегда были частью технологического ландшафта. К примеру, это распределенные вычисления в 1980-х гг., Интернет — в 1990-х гг., веб-приложения в 2000-х гг., среди последних — виртуализация, консюмеризация ИТ и облачные вычисления.

Большие данные нам помогут

Кажется, все эта активность может иметь отношение к «горячей» концепции больших данных (Big Data). И связь действительно есть. Мы имеем дело с большими данными. Средства бизнес-аналитики позволяют вычленять из бизнес-данных полезные сведения. ИТ-аналитика во многом подобна. Forrester дает ей следующее краткое определение: использование математических алгоритмов и других инноваций для извлечения значимой информации из множества «сырых» данных, собранных технологиями управления и мониторинга.

Связь между BI-аналитикой и ИТ-аналитикой происходит от схожести используемых алгоритмов. Они не универсальны, но часто применение одних и тех же алгоритмов допустимо в различных областях. Например, алгоритмы геофизики, экономики и генетики актуальны для ИТ-аналитики. Многие вызовы, связанные со сложностями управления ИТ, имеют те же характерные черты, что и указанные области, поэтому их алгоритмы здесь должны принести свои преимущества. Сейчас можно представить лишь несколько таких, но исследования и разработки уже выглядят многообещающе. Аналитики Forrester уверены, что дальнейшие исследования сделают ИТ-аналитику одной из наиболее перспективных областей в сфере информационных технологий в течение следующих нескольких лет.

ИТ-аналитика как лекарство от сложности

По мнению Гленна О’Доннела (Glenn O’Donnell), старшего аналитика Forrester Research, CIO следует позволить ИТ-аналитике выполнять за ИТ-сотрудников черновую работу, чтобы те смогли сфокусироваться на более важных задачах повышения эффективности бизнеса

Новые старые знакомые

ИТ-аналитика интересна прежде всего тем, что несет в себе передовые инновации, которые могут обеспечить существенные выгоды и конкурентные преимущества бизнесам, взявшим их в работу, и поставщикам, создающим нужные решения. В то время как другие технологии могут быть легко скопированы конкурентами, «внутренняя механика» аналитики может быть скрыта от посторонних глаз и, следовательно, защищена от повторения. Если еще добавить к этому потенциальную возможность охраны подобных новшеств как ноу-хау, пионеры смогут довольствоваться рыночными преимуществами гораздо дольше, чем при других разработках.

В основе ИТ-аналитики лежат алгоритмы, через которые пропускаются массивы данных. Поскольку вызовы разнообразны и вышеупомянутые шаблонные черты тоже отличаются, единое решение не может быть реализовано. Разные алгоритмы предоставляют уникальные возможности в одном случае, в то время как в других доказывают свою частичную работоспособность или даже полную непригодность.

Наиболее популярные алгоритмы по версии Forrester:

  • анализ взаимосвязи между событиями;

  • анализ топологии;

  • статистический анализ;

  • анализ текстов;

  • анализ конфигураций;

  • анализ экономических моделей.

Есть и другие алгоритмы, еще новые появятся, так что не следует ограничиваться этими шестью, но в качестве основы для построения портфолио их должно быть достаточно. Рассмотрим каждый из них детальнее.

Анализ взаимосвязи между событиями. Средства корреляции событий — одни из наиболее зрелых технологий для ИТ-аналитики. Ранние инструменты управления не нуждались в корреляции, поскольку используемые в них механизмы мониторинга (прежде всего сетевой активности) генерировали интенсивные потоки событий, в которых почти невозможно было разобраться. Средства корреляции получают эти бинарные события (например, состояния "работает"/"не работает«) из различных источников, затем пытаются найти между ними связи с тем чтобы отделить ложные срабатывания и симптоматичные события от настоящих событий, ставших причинами. Они — основа ИТ-аналитики, которую будут дополнять другие инструменты. Например, эти дополнительные средства могут обрабатывать различные потоки данных и создавать итоговое событие, передаваемое в имеющиеся средства корреляции. Также сторонние механизмы будут накапливать дополнительные контекстные данные, которые позволят автоматизировать наполнение и поддержку корреляционных моделей.

Анализ топологии. Большинство популярных корреляторов событий используют топологические модели для представления связей между элементами. Топология определяет отношения между компонентами в физическом плане (пример — карта связности узлов сети). Но по мере усложнения программных систем, логические взаимосвязи (вроде объединений программных составляющих и отображение виртуальных серверов на физические) проливают свет на реальные зависимости. Они иллюстрируются в виде простых карт (см. Рис. 3) и служат подспорьем в анализе. Наши глаза следуют за точками (представляющими узлы) и линиями (связи между узлами), а мозг разбирает топологию и делает выводы. Видя связи, нам легко понять, какой узел стал вероятной причиной проблемы. ПО может делать то же самое, но узлы и связи должны быть четко определены.

ИТ-аналитика как лекарство от сложности

Рис. 3

В приведенном примере средство топологического анализа может определить, какой узел стал возможной причиной, исходя из того, что другие узлы идут от него. Сетевые мониторы пингуют устройства и ждут ответа. Соответственно, они не получат ответ как от ответственного узла, так и от соединенных с ним. Вероятность того, что все они недоступны сами по себе, очень мала, должен быть один проблемный узел. Обрабатывая топологию, средство анализа выводит все узлы в число подозрительных, исключая работающие корректно. Более сложные задачи часто требуют вероятностного заключения, а не абсолютного. Подозрительный узел может быть назван основной причиной с вероятностью 79%, в то время как у других узлов данный показатель будет ниже или вообще без него. Исследуя эти факторы, инструмент предоставит информацию, какой узел выступает вероятной причиной.

Статистический анализ. Если связи неоднозначны, они не могут быть отображены в явной форме. Для их выявления могут использоваться средства статистического анализа. Их работа построена на сравнении отклонений в метриках и поиске подобных значений (см. Рис. 4).

ИТ-аналитика как лекарство от сложности

Рис. 4

Корреляция может быть едва различима, поэтому требования к вычислительной мощности систем часто весьма серьезные. Впрочем, есть способ облегчения задачи — сужение объема анализируемых данных за счет предварительной фильтрации их источников.

Анализ текстов. Текстовые потоки содержат много полезной информации. Но отделить полезное от бесполезного — задача не легче, чем поиск иголки в стоге сена. Рассмотрим для примера журнальный (log) файл (см. Рис. 5).

ИТ-аналитика как лекарство от сложности

Рис. 5

На первый взгляд, здесь нет ничего необычного, но если присмотреться, можно заметить, что пользователь «cheryl» несколько раз не смог войти ни в одну из трех систем. Для человека это скучная работа, но ПО без труда может находить подобные вещи.

Анализ конфигураций. Для борьбы со сложностью не обойтись без технологий оценки структурной целостности сервисов. «Разделяй и властвуй» — это правило широко применяется в ИТ прежде всего из-за того, что модульная конструкция позволяет скрывать сложности.

Элементы конфигурации — серверы, СУБД, сети, приложения, бизнес-сервисы и бизнес-процессы. Средства анализа сравнивают данные о конфигурациях для определения расхождений от принятых политик (см. Рис. 6). Хороший пример конфигурации — стандарт PCI. Это четкий список нужного, если все элементы имеются, сервис удовлетворяет стандарту.

ИТ-аналитика как лекарство от сложности

Рис. 6

Анализ экономических моделей. Спрос и предложение движут рынком ценных бумаг. Рынок акций — хороший пример краудсорсинга. При определении оптимального количества ресурсов для бизнес-нагрузок могут применяться те же принципы. Когда запасы доступны, они недорогие, и могут применяться (при наличии потребности). Эта идея впервые была применена в решении VMTurbo в 2009 г. Теперь подобные механизмы активно встраиваются в средства управления виртуальными инфраструктурами. Эксперты ожидают, что данная модель найдет применение и в других сферах: брокеринге облачных услуг, сетевой маршрутизации, задачах, связанных с высокопроизводительными вычислениями, вроде аналитики.

Непростые шаги к простоте

Чтобы воспользоваться преимуществами ИТ-аналитики, специалисты Forrester советуют CIO больше внимания уделять стратегии, чем конкретным инструментальным средствах. Как бы ни были заманчивы последние, еще до покупки нужно тщательно продумать модели их использования. «Оставайтесь прагматичными относительно сроков внедрения и ожиданий, потратьте время на то чтобы разобраться в сильных и слабых сторонах вендоров, причем даже серьезнее, чем их технологий», — говорится в отчете. Конечно, впечатляющие новшества непременно будут появляться, какие-то инновации не пройдут проверку временем, это естественный процесс отбора.

Следующим шагом должно стать повышение качества имеющихся ИТ-процессов. Любые инициативы требуют улучшения процессов управления ИТ-услугами, заложенных в ITIL, но не ограничивающихся данной методикой. Важно понимать, что непроработанные процессы не принесут хороших результатов, сколько бы усилий по их автоматизации не прикладывалось.

Все ИТ-процессы предполагают принятие решений на основе надежной информации (аналитики особо отмечают, что информация — не то же самое, что данные, это результат выборки правильных сведений и их обработка в нужном контексте, чтобы получить нечто значимое). К примеру, данными могут быть наборы показаний барометра. Можно отправить их на обработку посредством простого алгоритма, и если будет наблюдаться резкое уменьшение давления, мы должны получить информацию о том, что, вероятно, надвигается шторм.

Главные процессы — управление инцидентами, управление проблемами, а также управление изменениями. Другие процессы тоже получают определенные преимущества, однако отделы поддержки ИТ-инфраструктуры должны сфокусироваться на этих трех целевых сферах.

Управление инцидентами. Здесь основное внимание уделяется времени, затрачиваемому на предложение удовлетворяющего решения. Ключевая метрика — время на разрешение (metric time to resolution, MTTR). Она чудовищно велика у большинства организаций. Медленная реакция, очевидно, главная угроза надежности ИТ. Аналитика может существенно сократить MTTR и даже содействовать избежанию проблем.

Управление проблемами. Как известно, инциденты, которые нельзя решить без серьезных усилий, становятся проблемами. Аналитические технологии обещают добиться главного — выявить основную причину. Когда она правильно идентифицирована, проблема (или инцидент) без труда решается и начинается следующий этап управления проблемами. Он состоит в устранении условий возникновения проблем в будущем (посредством исправления ошибок) или создании «заплатки», позволяющей исключить негативные последствия проблемы.

Управление изменениями. До того как любое изменение вступит в силу, полезно выполнить контроль корректности — чтобы определить вероятность получения успешного результата. Типовые изменения, происходящие на регулярной основе, тоже требуют проверок, но они должны осуществляться быстро. Со временем такие задачи могут быть полностью автоматизированы. ИТ-аналитика в данном случае будет весьма кстати.

Далее необходимо проработать план по автоматизации процессов принятия решений. В терминологии Forrester, эти технологии подпадают под категорию «триггеров решений» (decision triggers). Они получают первичные данные и обрабатывают с тем чтобы на их основе предоставить информацию о ситуации. Другого рода средства автоматизации получают на вход эти сведения для выполнения соответствующих действий. Триггеры изначально будут выполнять роль помощников в принятии решений человеком, но со временем уровень доверия к ним вырастет до той отметки, когда ручное вмешательство станет лишним.

Наконец, следует изучить рыночное предложение. Рынок средств ИТ-аналитики только начинает формироваться. Причем интересные идеи исходят от небольших игроков и новых компаний вроде BlueStripe Software, Netuitive, Splunk, Boundary, Prelert и VMTurbo. К ним скоро присоединятся поставщики решений управления эффективностью, среди которых NetScout, OPNET и SolarWinds. У них уже сейчас есть базовые средства ИТ-аналитики, следующая волна инноваций принесет более развитые математические алгоритмы обработки, включая описанные выше. Не исключено, что как только будет заметен высоких потенциал данного рынка, в борьбу за него включатся крупные поставщики, среди которых BMC, CA, EMC, Compuware, VMware, HP, IBM. Естественно, кто-то пойдет путем M&A, а кто-то задействует собственные R&D-ресурсы. В общем, все только начинается.

+22
голоса

Напечатать Отправить другу

Читайте также

Проблематика высветвлена хорошо. Но где же решение? Просто перечисление вендоров, тоже хорошо, но было б интересно узнать, как со всем этим жить, как использовать, если у кого-то есть реальный опыт.

 
 
IDC
Реклама

  •  Home  •  Рынок  •  ИТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Сети  •  Безопасность  •  Наука  •  IoT