論文の概要: On-Premise AIOps Infrastructure for a Software Editor SME: An Experience Report

• arxiv url: http://arxiv.org/abs/2308.11225v1
• Date: Tue, 22 Aug 2023 06:47:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-23 13:46:26.732787
• Title: On-Premise AIOps Infrastructure for a Software Editor SME: An Experience Report
• Title（参考訳）: ソフトウェアエディタSMEのためのオンプレミスAIOpsインフラストラクチャ:エクスペリエンスレポート
• Authors: Anes Bendimerad, Youcef Remil, Romain Mathonat, Mehdi Kaytoue
• Abstract要約: AIOpsの概念は、ビッグデータと機械学習機能を使用した予測メンテナンスを強化するために登場した。 本稿では,オープンソースツールを活用したオンプレミスAIOpsソリューションの実現の可能性を検討する。
• 参考スコア（独自算出の注目度）: 0.3277163122167433
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Information Technology has become a critical component in various industries, leading to an increased focus on software maintenance and monitoring. With the complexities of modern software systems, traditional maintenance approaches have become insufficient. The concept of AIOps has emerged to enhance predictive maintenance using Big Data and Machine Learning capabilities. However, exploiting AIOps requires addressing several challenges related to the complexity of data and incident management. Commercial solutions exist, but they may not be suitable for certain companies due to high costs, data governance issues, and limitations in covering private software. This paper investigates the feasibility of implementing on-premise AIOps solutions by leveraging open-source tools. We introduce a comprehensive AIOps infrastructure that we have successfully deployed in our company, and we provide the rationale behind different choices that we made to build its various components. Particularly, we provide insights into our approach and criteria for selecting a data management system and we explain its integration. Our experience can be beneficial for companies seeking to internally manage their software maintenance processes with a modern AIOps approach.
• Abstract（参考訳）: 情報技術は様々な産業において重要な要素となり、ソフトウェアのメンテナンスとモニタリングに重点を置いている。 現代のソフトウェアシステムの複雑さにより、従来のメンテナンスアプローチは不十分になっている。 AIOpsの概念は、ビッグデータと機械学習機能を使用した予測メンテナンスを強化するために登場した。 しかし、AIOpsを利用するには、データとインシデント管理の複雑さに関連するいくつかの課題に対処する必要がある。 商用ソリューションは存在するが、高いコスト、データガバナンスの問題、プライベートソフトウェアをカバーする制限のために、特定の企業には適さないかもしれない。 本稿では,オープンソースツールを活用したオンプレミスAIOpsソリューションの実現の可能性を検討する。 当社にデプロイに成功した包括的なaiopsインフラストラクチャを導入し、さまざまなコンポーネントを構築するためのさまざまな選択の根拠を提供します。 特に、データ管理システムを選択するためのアプローチや基準に関する洞察を提供し、その統合を説明する。 私たちの経験は、最新のAIOpsアプローチでソフトウェアメンテナンスプロセスを内部で管理したい企業にとって有益です。

関連論文リスト

• On-Device LLMs for SMEs: Challenges and Opportunities [16.335180583743885]
  本稿では,中小企業(中小企業)の文脈における大規模言語モデル(LLM)をデバイス上で展開するためのインフラ要件に焦点を当てる。 ハードウェアの観点から、GPUやTPUなどの処理ユニットの利用、効率的なメモリとストレージソリューション、効率的なデプロイメント戦略について議論する。 ソフトウェアの観点から、我々は、フレームワークの互換性、オペレーティングシステムの最適化、リソース制約のある環境に適した特別なライブラリの使用について検討する。
  論文  参考訳（メタデータ） (2024-10-21T14:48:35Z)
• A Survey of AIOps for Failure Management in the Era of Large Language Models [60.59720351854515]
  本稿では,LLM時代の障害管理のためのAIOps技術に関する包括的調査を行う。 これには、障害管理のためのAIOpsタスクの詳細な定義、AIOpsのデータソース、AIOpsに採用されているLLMベースのアプローチが含まれている。
  論文  参考訳（メタデータ） (2024-06-17T05:13:24Z)
• AIOps Solutions for Incident Management: Technical Guidelines and A Comprehensive Literature Review [0.29998889086656577]
  本研究では,AIOpsの用語と分類について提案し,構造化されたインシデント管理手順を確立し,AIOpsフレームワークを構築するためのガイドラインを提供する。 目標は、インシデント管理のためのAIOpsの技術的および研究的な側面の包括的なレビューを提供することであり、知識を構造化し、ギャップを特定し、この分野における将来の発展の基礎を確立することを目的としている。
  論文  参考訳（メタデータ） (2024-04-01T17:32:22Z)
• Dealing with Data for RE: Mitigating Challenges while using NLP and Generative AI [2.9189409618561966]
  本章では、ソフトウェア工学全般の進化する展望、特に要件工学(RE)について論じている。 自然言語処理(NLP)と生成AIをエンタープライズクリティカルなソフトウェアシステムに統合する際に生じる課題について論じる。 本は、読者に必要な知識とツールを提供するために、実践的な洞察、解決策、例を提供する。
  論文  参考訳（メタデータ） (2024-02-26T19:19:47Z)
• The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
  Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。 本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。 新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
  論文  参考訳（メタデータ） (2024-01-03T07:47:22Z)
• Embedded Software Development with Digital Twins: Specific Requirements for Small and Medium-Sized Enterprises [55.57032418885258]
  デジタル双生児は、コスト効率の良いソフトウェア開発とメンテナンス戦略の可能性を秘めている。 私たちは中小企業に現在の開発プロセスについてインタビューした。 最初の結果は、リアルタイムの要求が、これまでは、Software-in-the-Loop開発アプローチを妨げていることを示している。
  論文  参考訳（メタデータ） (2023-09-17T08:56:36Z)
• AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities and Challenges [60.56413461109281]
  IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。 我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。 主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
  論文  参考訳（メタデータ） (2023-04-10T15:38:12Z)
• The Future of Consumer Edge-AI Computing [58.445652425379855]
  Deep Learningは、主にデバイス間のハードウェアアクセラレーションによって、消費者のエンドに急速に浸透している。 将来を見据えて、孤立したハードウェアが不十分であることは明らかです。 本稿では,コンシューマエッジにおける計算資源とデータアクセスの再編成と最適化を目的とした,EdgeAI-Hubデバイスを中心とした新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2022-10-19T12:41:47Z)
• How Can Subgroup Discovery Help AIOps? [0.0]
  サブグループディスカバリがAIOpsにどのように役立つかを研究する。 このプロジェクトには、フランスのソフトウェアエディタであるInfologicalのデータマイニングの研究者と実践者の両方が含まれる。
  論文  参考訳（メタデータ） (2021-09-10T14:41:02Z)
• Engineering an Intelligent Essay Scoring and Feedback System: An Experience Report [1.5168188294440734]
  専門的な採用支援サービスの顧客から提供されるエッセイの質を評価するための探索システムについて述べる。 オープンエンドの顧客提供のソーステキストがあいまいさとエラーのかなりの範囲を持っているため、問題領域は困難です。 また、専門的なビジネスドメイン知識をインテリジェントな処理システムに組み込む必要もあります。
  論文  参考訳（メタデータ） (2021-03-25T03:46:05Z)
• Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
  AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。 AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
  論文  参考訳（メタデータ） (2021-01-15T10:43:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。