Resolve 首席执行官 Vijay Kurkal – 采访系列

Vijay Kurkal 担任 Resolve 的首席执行官，他负责公司的战略增长，帮助企业最大化 AIOps 和 IT 自动化的潜力。Vijay 在科技行业有着二十年的经验，曾在多家软件和硬件公司工作，涉及从大型机到尖端的新兴技术。在加入 Resolve 之前，他曾在 IBM、VMware、Bain & Company 和 Insight Partners 担任领导职务，推动了多家科技公司的增长，并引入了最先进的产品线。

您自 2018 年以来一直领导着 Resolve，最初担任 COO，现在担任 CEO。是什么最初吸引您加入这家公司？

由于企业 IT 组织面临的挑战，今天对自动化和 AIOps 的需求非常大。这些团队正在管理日益复杂、高度虚拟化和混合的环境，并需要快速实施新技术以保持竞争力。没有自动化和 AIOps 的帮助，无法有效地管理这些环境，复杂性只会继续增长。

鉴于巨大的市场机会，我立即被 Resolve 在自动化方面的深厚基础所吸引。凭借我二十年的经验和对广泛的科技公司的了解，我对自动化和 AIOps 有可能真正改变 IT 运营的前景感到非常兴奋。这些技术对于公司来说是游戏规则的改变者——不仅仅是为了生存，而是为了在当前环境中茁壮成长。正如我们在过去几个月中看到的，数字化转型正在迅速加速，自动化对于成功是绝对必要的。Resolve 独特地定位以满足这些需求，并引领 IT 运营的下一代。

您如何描述 Resolve 为 IT 公司提供的服务？

通过将最先进的 AIOps 能力与我们的行业领先的自动化平台相结合，Resolve 帮助 IT 团队实现更加敏捷和自主的 IT 运营，即使基础设施继续扩大和变得更加复杂。我们的统一产品提供了发现、分析、检测、预测和自动化的闭环，包括可以由 AIOps 智能触发的预建自动化，以便在问题发生之前预测和减轻 IT 组织的负担。

我们的目标是帮助 ITOps、NetOps 和服务台团队满足 IT 日益增长的需求，简化运营，降低成本，提高 MTTR 和性能，并通过自动化和 AIOps 的力量加速服务交付。

对于不熟悉 AIOps 这个术语的读者，您可以解释一下它描述的是什么，以及为什么它如此重要吗？

AIOps（IT 运营中的 AI）通过部署 AI、机器学习和高级分析来简化复杂的混合 IT 环境的管理，聚合、分析和上下文化来自 IT 生态系统各个来源的海量数据。这些洞察力可以帮助识别现有的或潜在的性能问题，发现异常并确定事件的可能根源。随着时间的推移，机器学习可以预测未来的问题，并在它们影响业务之前自动修复它们。

此外，大多数 AIOps 工具提供高级关联功能，帮助 IT 专业人员确定报警之间的关系，通过将类似事件分组并突出真正的问题来减少噪音。一些 AIOps 解决方案还执行自动发现和依赖关系映射，以提供对实体之间如何相互连接以及中断如何影响关键业务服务的深入可见性。这提供了从保持 CMDB 更新和准确到加速事件响应和简化故障排除、变更管理和合规性的广泛好处。

IT 公司面临的数据挑战是什么？

IT 组织面临的最大数据挑战是，由于基础设施增长和新技术的涌入而导致的复杂性增加。数据量和基础设施增长产生的报警噪音已经超过了人类的处理能力。Gartner 估计每年数据量增长两到三倍。为了在这种动态环境中生存，IT 组织必须采用 AIOps 和自动化来帮助他们应对大量数据和管理新技术。

企业如何使用 Resolve 来克服这些挑战？

Resolve 使企业能够通过自动化和 AIOps 的强大组合来管理日益复杂的 IT 环境，并使用更少的资源。该平台旨在提供立即的价值和长期的价值。

与市场上的许多其他 AIOps 解决方案不同，Resolve 的客户不需要等待数月才能开始看到价值。事实上，客户可以在几分钟内通过 Resolve 的自动化发现和依赖关系映射看到价值。这些功能使我们能够生成完整的基础设施可视化、详细的跨域拓扑图、应用程序依赖关系图和全面清单视图。此外，Resolve 从其他工具（如监控、事件管理、ITSM 和日志记录解决方案）中获取数据，并将其与我们自己的平台本地收集的遥测数据聚合在一起。这使客户能够实现所需的“单一窗格”来有效地管理复杂的混合基础设施，并提供跨域的更丰富和完整的可见性。

在几周的时间里，这些洞察力会随着 Resolve“学习”环境并利用机器学习执行事件关联和聚类、预测分析、多变量异常检测、动态阈值和自主修复等活动而得到增强和丰富——这使得产品随着时间的推移变得越来越智能（和有价值）。我们的企业级自动化功能可以对 AIOps 组件的洞察力或独立地采取行动。为现代混合环境的规模和复杂性而设计，该平台可以处理从简单任务到超出其他工具能力的复杂流程的一切。将 AIOps 与此类自动化相结合，提供了无与伦比的能力来预测、防止和自动修复问题，并从根本上提高运营效率。

您能否描述一下 Resolve 如何使调查安全事件变得更容易？

Resolve 的自动化事件验证可以快速确定哪些报警是真正的威胁，哪些只是假阳性。通过自动收集 IT 环境和安全工具（包括 SIEM、威胁情报、防病毒系统和日志）的数据，几个小时的手动工作被消除了。所有这些数据都被统一到一个可自定义的仪表板中，因此很容易看到问题并确定如何解决它。Resolve 集中了端到端事件调查和处理工作流程的编排，以确保问题可以快速解决。我们还捕获了事件调查步骤和结果的完整审计跟踪，以支持合规性和治理。

Resolve 的一个功能是使 IT 专业人员能够忽略“噪音”并关注突出的真正问题。您能否讨论一下这个问题？

IT 专业人员被来自多个系统的报警噪音淹没。很难知道应该关注哪里，因为许多报警是假阳性，许多其他报警最终源于相同的潜在问题。

例如，电子商务系统故障会触发所有地方的报警。IT 专业人员会疯狂地在多个数据源中搜索，以确定问题是网络、应用程序还是基础设施或服务中的一个问题。可能需要几个小时才能确定问题是导致电子商务系统故障的高 CPU 利用率。更糟糕的是，IT 团队可能会错过与电子商务系统相关的事件，而专注于优先级较低的问题，这些问题与收入无关。

Resolve 通过执行事件关联和聚类来消除报警噪音。聚类机器学习算法用于识别和分组通常一起发生的事件（跨系统和域），这大大压缩了事件量。我们的平台还利用顺序模式分析和时间序列事件关联。应用程序和基础设施中的数百万个事件被标准化并按时间顺序排列，然后由机器学习分析以识别模式。这些模式使 Resolve 能够减少报警噪音并帮助确定根源——以及在问题发生之前主动检测问题。此外，时间序列关联可以用于回放导致中断的时间段内发生的所有事件。

在上面的电子商务示例中，Resolve 将能够将与应用程序故障相关的所有报警聚类到一个事件中。系统还可以将根源追溯到 CPU 利用率峰值，使 IT 团队能够快速轻松地解决问题，而不是独立地对每个报警进行故障排除。如有需要，Resolve 甚至可以触发自动响应以无人干预地解决问题。

您能否提供一个企业客户如何使用 Resolve 的案例研究？

Fujitsu 有多个驱动因素来采用自动化，以更好地为全球各类企业提供其 IT 管理服务。Fujitsu 首先需要降低运营成本，同时继续扩大其基础设施，提高组织效率，标准化流程。我们帮助他们实现了所有这些目标，通过自动化关键流程，并帮助他们提高了 MTTA 和 MTTR，以确保他们能够快速解决影响其客户的问题并满足其 SLA。

您还想分享关于 Resolve 的其他信息吗？

数字化转型在全球大流行的影响下获得了动力。我们看到一个令人难以置信的需求，即缓解危机对 IT 系统和人员造成的日益增长的压力。同时，很明显，企业需要为下一个意外事件做好规划。自动化和 AIOps 是实现这些目标的基本要素，因为它们可以帮助确保业务连续性，提高敏捷性和恢复能力，同时降低安全风险和成本。我们的使命是通过战略性地利用这些技术来帮助我们的客户，即使在充满挑战的时期也能取得成功。

感谢您的精彩答案。任何想要了解更多信息的人都可以访问 Resolve。