当前位置：正文

自动化并不是系统部署和料理的最终观念中国

 在将来十年中国，IT鸿沟将履历紧要变化，况且，IT料理员的变装将继续演变，他们将承担新的职责。将来十年的紧要变化包括全王人依赖编造化自动化和混杂云平台–这些照旧成为当代IT鸿沟职业提供商和大型企业的门径操作要害。

[[312903]]

并不是说料理员全王人欠亨过自动化完成IT任务，也不是说数据中心应该全王人移动到人人云或全王人留在企业里面。编造化自动化和混杂云照旧运行影响料理员的闲居生计，这些料理员必须运行关怀何如部署这些时刻来告捷收场系统当代化。料理员还必须了解，自动化并不是系统部署和料理的最终观念。

机器东谈主

编造化自动化的主要平允之一是拔除每个系统中的东谈主工干扰和手动编写剧本。料理员不错纠合创建自动化战略并将其推送到诞生组。即使是Puppet和Ansible等建立料理供应商也使用自动化时刻来完成好多IT操作。

这么作念的次序是，料理员将其收集的好多料理和自动化操作叮属给AI职责者-这频繁是料理当用要害的神色。有些AI职责者基于云，举例Microsoft Intune，而其他不是，举例VMware的vSphere平台。

即使是微型企业收集，也依赖某种神色的自动化，尽管它们频繁使用料理员悉心整理的剧本集。大大王人中小企业尚未极端Microsoft Active Directory强制执行的组战略对象(GPO)限制中国，况且他们频繁遴选VMware的散布式资源诊疗要害(DRS)来自动执行任务。

在较大型企业中，使用GPO和DRS频繁不会削减本钱。好多东谈主选拔用Turbonomic(昔时称为VMTurbo)来代替DRS，或选拔竞争敌手的居品，这些居品可提供改造的资源诊疗以及资源推敲和逾额建立分析。然则中国某些端点料理当用要害(举例Intune)会增强GPO，而端点保护应用要害提供了一种收场自动化战略的格局。

自动化战略减少负载，但莫得减少职责量

基于模板和建立文献的战略料理是先前料理格局的逻辑演进。它是一种自动化神色，这种料理使现存料理员省略搞定其业务范围内继续增长的系统数目，从而减少了可用功课的数目。

料理员频繁会期骗他们可用的用具在章程的时刻范围内完成任务。然则，基于用具可用性来选拔所遴选的格局十分忙绿。基于建立文献和基于模板的战略部署使料理员可开脱繁琐的单独料理系统职责，不外，由于企业里面系统的加多，这会引入与界说战略相干的任务。

新式的自动化致使不错承袭料理员的战略界说职责，使这些料理员不错目田地监督其他任务。

极端AI和机器学习的炒作

东谈主工智能和机器学习不错为好多料理员松开界说战略的背负。端点保护居品越来越多地期骗AI和机器学习-不仅有助于检测安全风险，而且还不错自动信服应遴选的战略。

基于云的AI职责者不错关联关联战略实施的遥测数据，直到系统对安全默许值有了新的意志。此外，自动事件反馈不仅有助于象征潜在的安全罅隙，而且还有助于畅达安全系统到基础架构，从而自动壅塞高风险系统。

然则部署AI和机器学习时刻可能会给某些料理员带来费事。由于战略执行自动化是零星的，机器学习创新亦然如斯-现时需要额外的云料理。

举例，Wi-Fi接入点和相干料理软件比某些料理员合计的更难部署。也许没念念到的是，这些系统需要少许的放射功率。不然，这些诞生王人将无法互雷同讯，因为周围区域中的每个诞生王人要传输我方的信号。

即使部署统统正确的用具，料理员也可能会遭受这么的费事。Wi-Fi环境是动态的，要是料理员未正确建立其探员点，WiFi环境很容易崩溃。Wi-Fi居品可继续扫描无线电环境中的Wi-Fi和蓝牙，然后优化接入点以职业相干客户。

就个东谈主而言，东谈主工智能和机器学习并不是更动生计的时刻。它们各自王人有其上风和用例，尽头是关于大型组织。然则AI和机器学习可匡助更好地轻佻常见痛点问题。

大数据筹商分析用具并不是簇新事物，岂论是机器学习如故AI。然则，机器学习和AI已从业务分析转向栽种IT运营成果。基于混杂云的AI职责者进入数据中心，是为了匡助企业期骗相易东谈主数料理更多系统。

在将来十年中，料理员使用的用具将连接演变。最终，才智更强的AI职责者将料理其他AI职责者，而东谈主类料理员将连接前进。企业将在料理员和职责负载之间加多更多的详细层，每层王人有新的料理级别。某些东谈主可能合计这种成果低下，因为该系统干与了额外的周期、存储和收集带宽来保抓职责负载运行。

然则，某些应用要害(举例Netflix)需要这些详细和自动化层。在某些时候，东谈主类料理员根柢无法将系统膨胀到与AI和机器学习相易的进度。