הפחתת רעשי התראות עם Moogsoft: הגדרת AIOps לארגונים
בתשתיות ארגוניות עם מאות רכיבים ועשרות מערכות ניטור, מהנדסים טובעים בהתראות. כל יום—אלפי אירועים, אבל רק 5–10% מהם משקפים בפועל תקרית. השאר הוא רעש, כפילויות והודעות לא רלוונטיות. ראינו פרויקטים שבהם מהנדס בודד טיפל ביותר מ-200 התראות במשמרת. Moogsoft AIOps פותר את זה: הוא מקבץ אוטומטית אירועים ל-Situations ומפחית את מספר התקריות עד פי 10.
אנו מתקינים את Moogsoft במתכונת turnkey: מחיבור מקורות ועד כיול MAIA ושילוב עם ITSM. רקורד העבודה שלנו—יותר מ-30 הטמעות AIOps.
כיצד Moogsoft מפחית את ה-MTTR?
Moogsoft משתמש בשלושה אלגוריתמי קיבוץ: זמני (אירועים קרובים בזמן), טופולוגי (אירועים על מארחים/שירותים קשורים) וטקסטואלי (תיאורים דומים). יחד הם מאתרים את שורש הבעיה בשניות, לא בשעות. לדוגמה, אם PostgreSQL נכשל על כל הרפליקות, המערכת ממזגת 500 התראות ל-Situation אחת בשם "כשל באשכול PostgreSQL." בגישה המסורתית, כל התראה הייתה הופכת לכרטיס נפרד.
מהם Events, Situations ו-Workflows?
Event—יחידת נתונים נכנסת. Moogsoft מקבל אירועים דרך REST API, Syslog, מלכודת SNMP, דוא"ל או אינטגרציות מובנות (Prometheus Alertmanager, PagerDuty, Splunk, ServiceNow).
Situation—קבוצה של אירועים קשורים שאלגוריתם הבינה המלאכותית (MAIA) מחשיב כמחוברים. Situation אחת יכולה לשלב 50–200 אירועים, שבגישה המסורתית היו יוצרים 50–200 כרטיסים נפרדים.
Workflow—אוטומציה המגיבה ל-Situation: הודעת Slack, יצירת תקרית ב-PagerDuty/ServiceNow, ביצוע runbook דרך webhook.
הגדרת קליטת נתונים: חיבור מקורות
לשילוב עם Prometheus Alertmanager, השתמשו במקלט המובנה. ב-alertmanager.yml:
---
receivers:
- name: moogsoft
webhook_configs:
- url: 'https://<your-tenant>.moogsoft.com/api/v1/events/prometheus'
http_config:
authorization:
type: Bearer
credentials: <api_token>
send_resolved: true
עבור Nagios/Zabbix, השתמשו ב-Moogsoft LAM (Log Adapter Module)—סוכן המנרמל את פורמט האירועים. LAM מוגדר דרך receivers: - name: moogsoft webhook_configs: - url: 'https://<your-tenant>.moogsoft.com/api/v1/events/prometheus' http_config: authorization: type: Bearer credentials: <api_token> send_resolved: true :
ALERT_MAP {
source = HOSTNAME
type = NAGIOS_SERVICESTATUS
severity = nagios_state_to_severity($STATE$)
description = $SERVICEOUTPUT$
service = $SERVICEDESC$
}כיול MAIA: לימוד האלגוריתם
ברירת המחדל של MAIA כוללת שלושה אלגוריתמי קיבוץ: זמני, טופולוגי וטקסטואלי. בשבועות הראשונים, האלגוריתם יוצר גם Situations גדולות מדי וגם קטנות מדי. פרמטרי הכיול המרכזיים:
| פרמטר | תיאור | המלצה |
|---|---|---|
| חלון זמני | טווח זמן לקיבוץ | 5–20 דקות |
| סף דמיון | סף לקיבוץ טקסטואלי | 0.7–0.8 |
| כללי טופולוגיה | כללים ידניים המבוססים על התשתית | כן, עבור שירותים קריטיים |
אנו תמיד משתמשים בלולאת משוב: מפעילים מסמנים Situations כקובצו נכון או לא נכון. MAIA לומד מהדירוגים הללו—לאחר 4–6 שבועות, איכות הקיבוץ משתפרת משמעותית.
פרמטרי כיול נוספים ל-MAIA
- מקסימום Situations ליום: הגבלת מספר ה-Situations שנוצרות
- מינימום אירועים ל-Situation: מינימום אירועים ליצירת Situation
- סף ביטחון: הביטחון של האלגוריתם ליצירת כרטיס אוטומטי
מדוע Moogsoft יעיל יותר מקורלציה ידנית?
| מאפיין | קורלציה ידנית | Moogsoft AIOps |
|---|---|---|
| מהירות ניתוח תקרית | שעות | שניות |
| כרטיסים שנוצרו לכל 1000 התראות | 500–800 | 10–50 |
| דיוק איתור שורש הבעיה | 30–50% | 85–95% |
| אוטומציה | דורש התערבות ידנית | אוטומציה מלאה של workflow |
Moogsoft מפחית את נפח ההתראות פי 5–10 בהשוואה לסינון ידני. זה חוסך משאבי צוות ומפחית עלויות טיפול בתקריות.
שילוב עם ITSM ואוטומציית Workflow
Workflow ייצור טיפוסי בסביבת production:
Situation создана → webhook в Slack (#incidents канал) → если не acknowledge за 5 мин → создать PagerDuty incident → если Situation закрыта → auto-resolve PagerDuty + ServiceNow ticket ב-Moogsoft, זה מוגדר במקטע Workflows דרך עורך ויזואלי או YAML. קיים מחבר דו-כיווני מוכן עבור ServiceNow—שינויי סטטוס ב-ServiceNow מעדכנים אוטומטית את ה-Situation ב-Moogsoft.
מה כלול בעבודה (Deliverables)
- מלאי של מקורות הניטור הקיימים: Nagios, Zabbix, Prometheus, APM, מדדי ענן.
- פריסת Moogsoft בענן שלכם או on-premise (תומך ב-Kubernetes, Docker, bare-metal).
- חיבור כל המקורות דרך LAM או API, הגדרת מיפוי שדות.
- כיול ראשוני של MAIA: חלון זמני, סף דמיון, כללי טופולוגיה.
- שילוב עם ITSM (ServiceNow, PagerDuty, Jira) ומערכות התראה (Slack, Telegram, דוא"ל).
- הדרכת מפעילים על הממשק ולולאת המשוב.
- תמיכה לאחר השחרור למשך 4 שבועות: ניטור איכות הקיבוץ, כוונון עדין.
תהליך ההטמעה
- ביקורת: איסוף נתונים על זרמי האירועים הנוכחיים, נפחים ומקורות.
- תכנון: ארכיטקטורה לאינטגרציות, סכמת אוטומציית workflow.
- פריסה: התקנת Moogsoft, הגדרת קליטת נתונים, כיול ראשוני.
- בדיקות: אימות קורלציה על נתונים היסטוריים, ריצת פיילוט.
- ייצור: הפעלה הדרגתית של מקורות, אימון האלגוריתם, הפעלת לולאת משוב.
לוח זמנים ועלות
חיבור בסיסי עם הגדרת התראות—החל משבועיים. כיול מלא של MAIA והפחתת רעש יציבה—עד 12 שבועות. העלות נקבעת לאחר ביקורת על התשתית הנוכחית ונפח האירועים שלכם. אנו נעריך את הפרויקט שלכם—צרו קשר.
אנו מבטיחים לפחות הפחתה פי 3 בתקריות המגיעות למהנדסים. צרו קשר כדי לדון בפרטים ולהזמין הטמעה.