BMC DevOps 和 SRE 团队如何通过 AIOps 和可观测性预防故障
内容提要
BMC的SRE和DevOps团队使用BMC Helix AIOps解决方案，通过自定义仪表板获得详细的性能洞察，提高服务可靠性。使用AIOps和观测性，团队能够预测和预防潜在问题，提高故障处理效率。团队取得了76%的服务健康改善、60%的MTTR减少、64%的故障预防和1034次成功修复。团队还使用BMC Helix AIOps进行健康检查，避免潜在故障。他们还使用BMC Helix解决Kubernetes问题，实现自愈运维。这些解决方案使得团队更加主动和高效，预防故障并提高服务质量。
延伸解读
从被动响应到主动预防的转变
BMC的SRE和DevOps团队在部署BMC Helix AIOps之前，面临高警报噪声和问题跟踪困难。实施后，团队通过自定义仪表板和AI驱动的Situations，能够主动识别潜在问题并预防故障。这种转变使服务健康改善76%，MTTR减少60%，64%的故障被预防，体现了AIOps在运维中的实际价值。
健康检查：预防性维护的关键实践
健康检查是BMC团队避免故障的重要手段。在没有警报时，团队利用BMC Helix AIOps的趋势分析预测可能成为事件的问题，并及时修复。例如，通过监测文件系统利用率，团队在问题影响客户前删除多余日志，避免了潜在中断。这种预防性维护显著提升了服务可靠性。
Kubernetes运维中的自愈实践
BMC SRE团队使用BMC Helix AIOps解决Kubernetes常见问题，如内存不足导致Pod重启和日志填满引发Pod驱逐。通过提前识别相关警报，团队在问题升级前进行修复，防止服务健康度下降。这些实践展示了AIOps在实现自愈运维方面的潜力，减少了人工干预。
360度客户视图提升决策效率
BMC SRE团队利用“BMC 360 Customer View”仪表板，全面监控所有客户环境的健康状态，包括应用、基础设施、资源利用率和历史工单。结合BMC Helix ITSM和AIOps的数据，团队能快速定位问题并加速决策，从而更精准地预防故障，提高服务质量。
Q&A
BMC的SRE和DevOps团队在部署BMC Helix AIOps之前面临哪些主要挑战？
在部署BMC Helix AIOps之前，BMC的SRE团队面临高警报噪声，客户问题有时会自动关闭，导致工程师无法追踪问题。整体上缺乏一种更有效的方式来主动处理可能成为服务质量风险的问题。
BMC Helix AIOps如何帮助SRE团队从被动响应转变为主动预防故障？
BMC Helix AIOps通过AI驱动的Situations让工程师了解客户环境中正在发生的事情、根本原因以及受影响的范围。这种洞察力使他们从被动地追逐一个又一个事件转变为主动。现在，IT团队了解服务的健康状况，可以主动解决新出现的问题并预防故障。
BMC的SRE和DevOps团队在使用BMC Helix AIOps后取得了哪些具体的量化成果？
团队取得了76%的服务健康改善、60%的MTTR减少（解决时间在30分钟以内）、64%的故障被预防，以及在一个月内通过三个智能自动化成功修复了1034次。
什么是健康检查？BMC团队如何利用它来预防事件？
健康检查是BMC DevOps和SRE团队跟踪避免故障频率的一种方式。当没有警报打开时，基于BMC Helix AIOps的趋势分析，如果趋势持续，健康检查会识别出问题将变成事件。因此，工程师可以修复客户问题，完全避免问题发生。
BMC SRE团队如何使用BMC Helix解决Kubernetes的常见问题？
BMC SRE团队使用BMC Helix AIOps解决Kubernetes问题。例如，对于内存不足导致Pod重启的问题，SRE通过AIOps知道增加配置内存可以解决未来所有相关警报；对于日志填满导致Pod驱逐的问题，SRE使用AIOps在警报出现时进行修复，防止Pod被强制驱逐，从而避免客户服务健康度下降。
BMC SRE团队如何利用BMC Helix的360度客户视图来监控客户环境？
BMC SRE团队使用另一个BMC Helix仪表板“BMC 360 Customer View”来跟踪所有客户环境的健康状况。SRE可以看到所有应用程序、基础设施、资源利用率（如CPU和历史ITSM工单）以及每个客户环境所需了解的一切。基于概览仪表板，SRE团队知道问题所在，并可以深入查看需要关注的事件和服务。
BMC团队如何实现自愈运维？
BMC团队通过采用ServiceOps，结合BMC Helix AIOps解决方案，从不断的救火模式演变为实现自愈运维。AIOps和可观测性的结合为DevOps和SRE团队带来了预测性解决方案的新时代。
