# A Survey of AIOps Methods for Failure Management ## 概要 Paolo Notaro・Jorge Cardoso・Michael Gerndt(Technical University of Munich / University of Coimbra / Huawei Munich Research Center)による ACM TIST 12(6) 掲載のサーベイ。AIOps という研究主題が「データ要件・目標・構成要素で寄与を分類する慣行を欠くために未構造のままである」という問題意識から出発し、**障害管理(Failure Management)に対象を絞ったうえで、介入する時間窓と解く対象問題の 2 軸**で 5 カテゴリ・14 サブカテゴリの分類体系を構築する。100 件の解を適用要件と定量結果の観点で横断比較する点に実務上の価値がある。 > [!abstract] 概要(abstract の日本語訳) > 現代社会は、複雑で分散した計算システムへとますます移行しつつある。これらのシステムの規模と複雑さの増大は、日々の監視と修復の作業を担う運用保守(O&M)チームに困難を突きつけており、現代のアプリケーションに対する信頼性とスケーラビリティへの要求の高まりと対照をなす。この理由から、自動化された知的な監視システムの研究が、応用 IT 産業と学術界の双方で近年大きな関心を集めている。IT 運用のための人工知能(AIOps)は、機械学習・AI・ビッグデータによって現代の IT 管理の課題に取り組むために提唱された。しかし研究主題としての AIOps は依然として大部分が未構造かつ未探索である。寄与をそのデータ要件・目標・構成要素によって分類する慣行が欠けているためである。本研究では障害管理(FM)のための AIOps に焦点を当て、**介入の時間窓と解こうとする対象問題**に基づいて、5 つの異なるカテゴリと 14 のサブカテゴリの寄与を特徴づけ記述する。適用可能性の要件と達成された定量的結果に着目して 100 件の FM の解をレビューし、AIOps の解の効果的な適用を促す。最後に、AIOps が扱う領域における現在の開発上の問題を論じ、AI に基づく障害管理の今後ありうる潮流を描く。 ## 書誌情報 - 著者: Paolo Notaro(TU München / Huawei Munich Research Center)、Jorge Cardoso(University of Coimbra / Huawei Munich Research Center)、Michael Gerndt(TU München) - 媒体: ACM Transactions on Intelligent Systems and Technology 12(6), Article 81 - 発表: 2021-11 - URL: https://doi.org/10.1145/3483424 - 構成: 全 4 章(45 PDF ページ) - 原本: `.raw/theses/survey-notaro-2021-aiops/` ## 構成と主要テーマ <!-- fan-out 完了後にオーケストレータが記入する --> ## 位置づけと影響 <!-- fan-out 完了後にオーケストレータが記入する --> ## 関連 - 概念: [[AIOps]] / [[Fault Localization]] / [[アラート管理]] / [[プロアクティブ障害管理]] / [[根本原因分析]] / [[異常検知]] / [[障害予測]] / [[障害緩和]] / [[フォールトトレランス]] / [[チェックポイント]] ## 出典 - Paolo Notaro, Jorge Cardoso, and Michael Gerndt, "A Survey of AIOps Methods for Failure Management", *ACM Transactions on Intelligent Systems and Technology*, 12(6), Article 81, 2021.