EMA研究了各个企业若何利用多个收集机能治理（NPM）东西，和他们若何整合这些东西以提高效力。在本文中，EMA的收集治理研究主管Shamus McGillicuddy引见了“现今数字企业的收集机能治理 ”的研究成果，该研究对250位收集治理人员进行了查询拜访，提出了处置这一问题的最好做法。

今朝，IT企业安装三到六个收集机能治理（NPM）东西已经是常态。假如它们依然处在孤立的状况，收集运营将是分离且效力低下的。这对收集治理员来讲是一个延续面对的挑战。

EMA要求250名收集治理人员，肯定他们对NPM东西的首选采购策略，并发觉企业对完全集成的多功能平台有强烈的偏好。EMA发觉，今朝具有11个或更多NPM东西的企业，最有可能暗示对这类完全集成计谋的偏好。是以，虽然他们暗示但愿整合东西，但他们并没有获得成功。

为何利用多个NPM东西？

部门问题是企业利用NPM东西搜集和阐发这么多分歧类型的数据。经由过程SNMP MIBs和trap搜集的根本举措措施目标是NPM的根本数据源，但它们不包括收集治理员从NPM东西所需的谜底。

年夜大都企业还搜集流量数据，包罗收集流量、数据包或二者兼而有之。EMA研究还发觉，人们对自动监测东西发生的合成流量很是感爱好。用在NPM阐发的最风行的数据源是治理系统API。换句话说，收集治理员对从其他IT治理系统提取数据到NPM东西进行上下文阐发很是感爱好。

斟酌到这类数据的多样性，东西碎片化是不成避免的。究竟，没有哪家供给商善于搜集和阐发上面提到的每类数据。他们凡是善于一类或两类数据类型，这意味着企业不成避免地需要额外的NPM东西来填补可见性方面的差距。

NPM东西之间的联系关系性

EMA要求查询拜访介入者流露，他们若何将多个NPM东西的洞察力联系起来。最受接待的方式（25％的受访者）是利用收集运营治理平台或治理人员之间的集成，从多个NPM东西中获得洞察力。这些平台凡是善于跨多个NPM源的事务治理和警报联系关系。

其次，19％的人提到了point东西之间的间接集成，如许一个东西便可以将另外一个东西中获得的洞察力联系关系起来。假如企业利用两个以上的东西，这类方式可能会�����APP变得复杂。

别的19％的人将他们的NPM东西与人工智能的IT运营（AIOps）高级IT阐发平台集成，15％的人将NPM东西与办事治理平台集成，14％的人将NPM数据传播输到数据湖进行相干阐发。只要7％的人宣称手动履行这些联系关系性。这很好，由于它是一种低效且轻易犯错的方式。少数人宣称他们在各类东西之间没相关联性。

EMA还扣问企业在这类交叉东西联系关系中的成功水平。27％暗示他们很是成功，49％暗示成功。其余的则有些成功，有些不成功，或不肯定。EMA将这24％归类为“不太成功”。这个关在成功的问题让EMA可以或许寻觅潜伏的最好实践。

手动将东西间的洞见联系关系起来的企业常常属在“不太成功”的一类。最经常使用的联系关系方式 - 东西之间的间接集成和与治理人员之间的集成 - 与成功之间没有统计上光鲜明显的联系关系。

最好实践

成功企业首选的三种不太风行的跨东西联系关系方式。

成功的企业更喜好与办事治理平台集成，或经由过程将NPM数据传播输到数据湖中进行阐发来联系关系。很是成功的企业将他们的NPM东西与AIOps平台集成在一路。

EMA认为，后三种方式是处理NPM东西无序分散问题的最好实践。AIOps东西仿佛是最好的选择。

EMA建议企业查询拜访AIOps平台，假如他们正在尽力应对收集治理东西舒展。可是，与办事治理平台集成或利用带稀有据阐发仓库的数据湖也可能有所帮忙。