
据知名组织对全球超过1500名专业IT从业者的调研显示:在IT运维管理团队TOP关注与挑战中,运维效率如何提升以及如何减少用户抱怨与投诉仍占据了75%;而在与工具相关的TOP关注与挑战中,如何整合多工具与打通数据,以及如何减少无效告警、尽快确定故障原因仍占据了78%。新时代的网络运维人似乎仍难以摆脱“背锅侠”和“救火队”的悲情角色。
4月13日,ICT基础设施及行业解决方案提供商锐捷网络以“先见先行,乐享其成”为主题举办发布会,正式发布锐捷乐享智能运维管理平台,该平台可通过“为执行赋能”、“为管理赋知”、“为决策赋见”,致力于让IT运维管理变得更加轻松。
锐捷乐享 惊艳亮相

会上,锐捷网络睿智产品事业部产品总监骆杰先生表示:“网络问题无法即时发现、定位及解决问题耗时耗力、同样问题重复出现,正让网络运维工作面临艰巨的挑战。”
锐捷网络以客户需求为驱动,深耕用户IT运维场景,本次推出的锐捷乐享智能运维管理平台直指上述运维场景痛点,将助力企业构建“先见先行”的运维数据洞察能力,并打造“以用户体验为核心”的业务连续性保障体系。
骆杰介绍,所谓“先见先行”的运维数据洞察,就是要做到对问题隐患的“先见”,以及对处置防范的“先行”。支持多源数据接入,通过关系洞察形成运维图谱,路径洞察找到真实路径,数据洞察形成行动指标体系,实现将分散的设备运行数据转化为具有高消费价值的信息和知识。
四大核心价值 锐捷乐享让IT运维更轻松
该平台具备以指标体系为核心的全域资源监控、以风险预防为核心的健康检查、以用户体验为核心的业务监控以及化繁为简、千人千面的工作中心四大核心价值。
1. 全域资源监控
平台通过对全类型异构IT资源自动发现及智能关联,以黄金指标体系重新定义资源监控维度,从根源上解决了数据无效、不准的问题。依托“卡点算法”有效实现告警风暴抑制,并提供原因和影响分析、处理建议等有行动力的信息,加速故障的解决和闭环。


2. 健康检查
平台的健康检查功能具备开箱即用的风险隐患排查能力,降低了风险预防技术门槛。以oracle数据库为例,该方案内置的专家经验可预防常见的多达24类风险隐患并提供63种风险分析逻辑和处理建议,可支撑运维从风险识别、分析到处置的闭环。

3. 业务监控
平台的业务监控功能,可从用户视角实时感知问题,将用户访问体验量化。并借助业务部署拓扑及数据调用关系的构建,精准定位异常原因,助力运维人员掌控全局业务运行态势。

4. 工作中心
平台为不同角色运维管理人员提供了个性化的工作中心搭建能力,帮助运维工程师实现登录即工作的便捷,同时为管理者带来掌控全局的管理驾驶舱。

管理者视图

工程师视图
骆杰表示,“通过全面提升IT系统的可观测性、支持复杂故障快速排查定位、实现网络运维从被动响应到主动预防,锐捷乐享智能运维管理平台将有效确保用户网络的业务连续、稳定运行” 。

发展至今,锐捷网络不断强化运维产品研发、推陈出新,持续致力于助力客户构建完整的IT管理体系,并深度参与政府顶层客户的运维建设与运维规范标准制定。从RIIL V1.0面世、RIIL V6.0升级、RIIL V6.5革新、RIIL-Emotion及Insight产品相继发布,再到今天锐捷乐享智能运维平台惊艳亮相,锐捷网络运维产品实现了从发展、竞争到引领、创新的质变,并赢得市场及客户的高度认可。迄今为止,锐捷网络运维产品已广泛服务于3000多家行业客户,在部委客户市场占有率超过65%,并成为政务外网、内网首选品牌;在医疗行业品牌度排名第一;超过1000家高校客户正在使用锐捷的RIIL产品。据IDC统计,2019年,锐捷在中国IT综合运维软件ITIM市场占有率第一;来自CCW的统计显示,2016至2020年,锐捷在中国IT运维管理软件市场份额位居首位。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。