HCL DRYiCE

HCL DRYiCE — это программная платформа для автоматизации ИТ-операций (AIOps), разработанная индийской компанией HCLTech. Платформа предназначена для управления ИТ-инфраструктурой, мониторинга производительности, автоматизации рутинных задач и прогнозирования сбоев с использованием методов машинного обучения и анализа больших данных. DRYiCE позиционируется как решение для «самоуправляемой» ИТ-среды, где часть операций выполняется без участия человека.

История

Платформа DRYiCE была разработана в недрах HCLTech (ранее HCL Technologies) — одной из крупнейших ИТ-компаний Индии, основанной в 1976 году. Первые версии продукта появились в середине 2010-х годов, когда концепция AIOps (Artificial Intelligence for IT Operations) начала набирать популярность. HCLTech, имевшая опыт в аутсорсинге ИТ-услуг, стремилась автоматизировать процессы, которые традиционно выполнялись инженерами вручную.

В 2017 году компания официально представила DRYiCE как отдельное направление, объединив несколько внутренних инструментов для мониторинга и автоматизации. Ключевым этапом стало внедрение модулей на основе машинного обучения, позволяющих не просто фиксировать инциденты, но и предсказывать их возникновение. В 2020 году HCLTech объявила о создании «Центра передового опыта DRYiCE» (DRYiCE Center of Excellence), где разрабатывались отраслевые сценарии использования.

В 2021—2022 годах платформа была интегрирована с облачными сервисами Microsoft Azure, Amazon Web Services (AWS) и Google Cloud, что позволило автоматизировать управление гибридными и мультиоблачными средами. В 2023 году вышла версия DRYiCE 4.0, в которой был добавлен модуль для автоматического восстановления после сбоев (self-healing) и улучшена поддержка контейнерных сред (Kubernetes).

Архитектура и компоненты

Платформа DRYiCE построена по модульному принципу и включает несколько ключевых компонентов, которые могут использоваться как вместе, так и по отдельности.

Основные модули

• DRYiCE iAutomate — модуль для роботизированной автоматизации процессов (RPA) в ИТ-сфере. Позволяет создавать скрипты для выполнения повторяющихся задач: сброс паролей, создание учётных записей, установка обновлений.
• DRYiCE iMonitor — система мониторинга ИТ-инфраструктуры. Собирает данные о состоянии серверов, сетей, баз данных и приложений в реальном времени.
• DRYiCE iPredict — модуль прогнозной аналитики. Использует алгоритмы машинного обучения для выявления аномалий и предсказания потенциальных сбоев до их возникновения.
• DRYiCE iRemedy — инструмент для автоматического устранения инцидентов. При обнаружении проблемы система может запустить заранее заданный сценарий восстановления (например, перезапуск службы или увеличение ресурсов виртуальной машины).
• DRYiCE iOrchestrate — оркестратор, координирующий работу всех модулей и интеграцию со сторонними системами управления ИТ-услугами (ITSM), такими как ServiceNow, BMC Remedy или Jira Service Management.

Технологическая основа

Платформа использует открытые стандарты и протоколы для сбора данных (SNMP, Syslog, API REST). В основе аналитики лежат библиотеки машинного обучения TensorFlow и scikit-learn, а также собственные алгоритмы HCLTech. Для хранения данных применяется распределённая база данных на основе Apache Cassandra, что обеспечивает высокую отказоустойчивость.

Функциональные возможности

Мониторинг и сбор данных

DRYiCE способна собирать данные из разнородных источников: физические серверы, виртуальные машины (VMware, Hyper-V), контейнеры (Docker, Kubernetes), облачные сервисы (AWS, Azure, GCP), а также приложения, написанные на Java, .NET, Python и других языках. Система поддерживает как агентный (установка ПО на целевые устройства), так и безагентный (опрос через API) методы сбора.

Анализ и корреляция событий

Платформа автоматически группирует связанные события (например, несколько ошибок, вызванных одной причиной) в единый инцидент. Это снижает «шум» в системах мониторинга, который часто возникает из-за большого количества ложных срабатываний. Для корреляции используется метод анализа временных рядов и графовые модели зависимостей.

Прогнозирование и предотвращение

Модуль iPredict строит модели нормального поведения системы на основе исторических данных. При отклонении от нормы (например, рост времени отклика базы данных на 20% за 10 минут) система генерирует предупреждение и может автоматически принять меры: увеличить ресурсы, перераспределить нагрузку или уведомить администратора.

Автоматизация восстановления

iRemedy содержит библиотеку «плейбуков» — заранее написанных сценариев действий при типовых инцидентах. Например, при обнаружении ошибки «Out of Memory» на сервере может быть запущен сценарий, который очищает кэш, перезапускает приложение или добавляет виртуальную память. В сложных случаях система может передать управление инженеру, предоставив ему контекстную информацию.

Самообслуживание для пользователей

Через портал самообслуживания (Self-Service Portal) конечные пользователи могут запрашивать типовые ИТ-услуги: доступ к системе, установка ПО, сброс пароля. Запрос обрабатывается автоматически без участия сотрудника службы поддержки.

Применение

Платформа DRYiCE используется в крупных корпоративных средах, где ИТ-инфраструктура насчитывает тысячи серверов и сотни приложений. Основные сценарии применения:

• Управление ИТ-инфраструктурой — автоматизация рутинных операций (обновление ПО, управление резервными копиями, мониторинг производительности).
• Service Desk — автоматическая обработка типовых заявок, снижение нагрузки на первую линию поддержки.
• Облачные среды — управление затратами на облачные ресурсы (FinOps) и автоматическое масштабирование.
• DevOps и CI/CD — интеграция с конвейерами непрерывной поставки для автоматического тестирования и развёртывания.
• Безопасность — выявление аномалий, которые могут указывать на инциденты информационной безопасности (например, нехарактерный трафик или подозрительные запросы к базе данных).

Критика и ограничения

Как и другие AIOps-платформы, DRYiCE сталкивается с рядом критических замечаний:

• Сложность внедрения — для эффективной работы требуется настройка моделей машинного обучения под конкретную среду, что занимает от нескольких недель до месяцев.
• Зависимость от качества данных — при неполных или некорректных исторических данных прогнозы могут быть неточными.
• Высокая стоимость — лицензирование и внедрение платформы доступны в основном крупным компаниям с бюджетом на ИТ-автоматизацию.
• Риск «чёрного ящика» — алгоритмы машинного обучения не всегда позволяют объяснить, почему было принято то или иное решение, что затрудняет аудит и отладку.

Позиционирование на рынке

DRYiCE конкурирует с такими платформами, как ServiceNow ITOM, Splunk IT Service Intelligence, Dynatrace, Moogsoft и BigPanda. По данным аналитиков Gartner и Forrester, HCL DRYiCE входит в число заметных решений в сегменте AIOps, но не является лидером рынка. Основным преимуществом платформы считается глубокая интеграция с сервисами HCLTech, что позволяет предлагать клиентам не только ПО, но и услуги по его внедрению и сопровождению.

Источники

1. HCLTech. «DRYiCE Platform Overview». Официальная документация HCLTech, 2023.
2. Gartner. «Magic Quadrant for AIOps Platforms». Gartner, Inc., 2022.
3. Forrester Research. «The Forrester Wave: AIOps Platforms, Q4 2021». Forrester, 2021.
4. HCLTech. «HCL DRYiCE iAutomate: Product Brochure». HCL Technologies, 2020.
5. TechTarget. «HCL DRYiCE aims to automate IT operations with AI». SearchITOperations, 2021.