各种文化概念激增，izOps、MarketingOps、、、、DataOps……对于一个部门或团队来说，拥有正确的技能组合以及采用合适的 Ops 文化日渐重要。
和 AIOps 是两个听起来比较相似的术语，用于指代当今行业内截然不同的两个学科。自从几年前引入这些术语以来，Google Zeitgeist 对它们的关注激增，正如谷歌趋势的图表所示。
随着时间的推移，Google Zeitgeist 对 MLOps 和 AIOps 的关注度趋势
然而，除了少数从事这些领域项目的从业者之外，对于大多数人或对该领域有兴趣的人来说，MLOps 和 AIOps 的概念及其各自优势，都显得模棱两可，甚至认为没有差别。根据我的经验，这有两个原因。
首先，MLOps 和 AIOps 都隐含了对 DevOps 更广泛理解实践的引用。这让人不禁好奇——MLOps 和 AIOps 与 DevOps 有关吗？它们是从它派生出来的吗？如果是这样，它们又有何不同？
第二点便是关于 ML 与 AI 的区别，因为它们经常被互换使用。那它们是否一样？是否具有连续性？如何是，两者的终点和起点又分别在哪里?
我们必须先回答这些问题才能更好地理解 MLOps 和 AIOps，记住这些问题，我们将在本文的最后进行回复。
同样重要的是，我们要知道目前这两种学科相对来说还是处于婴儿期。术语 MLOps 和 AIOps 的出现也仅有 6-7 年，相对于其语义、应用程序和好处的可理解性而言，这意味着它们的炒作 / 流行因素目前很高。这种情况可能会持续一段时间，直到技术成熟，用例变得更加普遍和广泛理解。
O’Reilly 在《2021 年企业人工智能应用报告》中使用这个引人注目的饼状图说明了这一点，该饼图显示，只有四分之一的受访者表示他们已经成熟部署了人工智能技术。
据报道，该技术成熟采用的主要障碍是缺乏技术人员、数据质量存在问题、难以识别相关业务用例、缺乏公司文化支撑以及技术基础设施问题。该报告还发现，目前用于部署、监控、版本控制和跟踪模型和训练数据的工具之间明显缺乏标准化。
考虑到这些挑战，今天非该领域从业者在关于 MLOps 和 AIOps 技术、工具集和实践的可理解性上存在障碍也就不足为奇了。
在这篇文章中，我将阐明 MLOps 和 AIOps 的各自含义，它们旨在解决哪些问题，以及对于希望将其采用到其产品和服务构建策略中的团队来说，存在哪些工具。
在此之前，我们必须快速了解一下 DevOps 的概念，根据它的含义和解决的问题来构建上下文。这将有助于我们更好地理解 MLOps 和 AIOps 的基本原理，并明确它们之间的区别。
DevOps 在 2007 年左右开始成为主流，以应对一个常见的组织问题，该问题影响了产品团队快速交付软件的能力。虽然遵循敏捷方法，但发布软件版本并将其部署到生产环境中，仍需要数周甚至数月的时间。
原因在于，开发团队和运营团队，各自为营。他们向组织内的不同执行领导汇报工作，彼此独立工作，有时甚至在一栋大楼的不同楼层或不同的大楼里工作。
DevOps 则是一种让开发人员和运营团队在软件开发生命周期（SDLC）的每个阶段共同协作的方式，并共享共同的目标和 KPI，这样使用敏捷可以更频繁地交付高质量的软件。
DevOps 的核心是三件事：
DevOps 生命周期有六个阶段，此处使用众所周知的 Infinity Loop 进行演示。
在此上下文中，让我们深入了解 MLOps。
MLOps 在 2015 年左右开始崭露头角，它承诺解决机器学习管道端到端交付的关键操作问题，类似于 DevOps 在近十年前解决的问题。
因此，我们有三个具有专业技能的团队，他们需要相互协调，以端到端的方式拥有和运营整个管道。如果这些团队在孤岛后面独立运作，并且无法使用敏捷实践进行协作，则会导致整个产品的交付延迟和质量问题。
回想一下，这些问题与 DevOps 要解决的问题类似，当拥有专业技能的团队但是团队之间没有紧密协作时，就会出现这些问题。所以在这方面，你可以把 MLOps 看作是 DevOps 原则在机器学习管道中的应用。DevOps 是一个由开发人员和 IT/ 运维人员组成的多学科团队，而 MLOps 则加入了数据工程师和数据科学家，消除了他们之间的隔阂。
MLOps 生命周期有九个阶段，此处使用 DevOps Infinity 循环的修改版本进行演示。
术语 AIOps（IT 运营的人工智能）是由 Gartner 在 2016 年创造的，但与 MLOps 不同，它几乎与 DevOps 没有任何关系! 相反，它指的是使用智能算法解决已知的 IT 问题，并自动化重复的工作。
在我们深入探讨 AIOps 之前，这是重新审视并回答我们在文章开头提出的两个问题的最佳时机。这将使接下来的内容更易理解。
问题 1：MLOps 和 AIOps 是否与 DevOps 相关？如果是这样，如何？
问题 2：由于 ML 和 AI 倾向于互换使用，那么它们在 MLOps 和 AIOps 这两个词中的含义是什么？
随着上述两个基本问题的解决，让我们继续关注 AIOps。
AIOps 的目标是什么? 可以使用 AIOps 自动化的常见 / 重复性 IT 任务有哪些例子?
Gartner 使用以下框架来定义 AIOps 的适用性和优势。
正如我们总结的那样，AIOps 的核心是将机器学习应用于大数据，以实现以下业务成果：
如果你所在的公司不同开发团队之间的合作还不够互通高效，那么不妨来关注下业界不同行业 XOps 的最新实践进展。将于 7 月 31 日 -8 月 1 日举办的QCon 全球软件开发大会（广州站）上，组委会策划了【】专题，特别邀请了来自Meta（Facebook）、字节跳动、深信服、三七互娱、虎牙直播等国内外不同业务方向的技术专家，希望给你的团队答疑解惑。
QCon 全球软件开发大会广州站日程已上线官网，50+ 技术实践案例首次对外公开分享，点击此处一览专题详细演讲提纲。门票限时优惠即将结束，前沿案例分享不可错过。感兴趣的同学联系票务经理报名：15600537884（同微信）
原文地址 ：
