隨著容器（Container）技術愈益成熟，微服務架構應用日增，AIOps也開始納入容器，運用AI更精準地洞悉容器所需的創建資源，以最大化系統資源的使用效益。
在日益強調7×24小時營運的環境中，IT維運一直扮演著關鍵角色。一旦系統中斷，企業不僅將面對業務停頓的風險，品牌聲譽也可能因此而受創。然而，隨著IT基礎架構與應用程式的資料量不斷增長，維運挑戰也跟著攀升，想要快速地識別與解決問題，需要更有效的工具來加以協助。AIOps便是近期的一股趨勢走向，多數IT解決方案供應商正積極將AI應用在自家的維運工具中，藉由可視化與自動化機制，助力企業實現更智慧化的維運，簡化管理負擔。
AIOps在發展之初，多半都是著眼在虛擬機器（VM）、硬碟的使用率或效能表現，隨著容器（Container）技術愈益成熟，微服務架構應用日增，AIOps也開始納入容器，運用AI更精準地洞悉容器所需的創建資源，以最大化系統資源的使用效益。
先智雲端（ProphetStor）的Federator.ai便是其中典型案例，除了可以應用在資料中心的基礎架構中，支援Windows、Linux、VM、vSAN環境，專注問題處理與解決之外，也能應用於多雲環境中的容器部署，支援Kubernetes（K8S）、Openshift以及StackPointCloud等，為企業帶來節省成本與效能優化的好處。今年在波士頓舉行的紅帽高峰會中，紅帽宣布推出在OpenShift上提供AIOps解決方案，即是與ProphetStor進行合作，透過機器學習更智慧地優化MultiCloud環境的Day-1和Day-2操作。目前Federator.ai已能整合至Red Hat OpenShift容器應用平台中。
Federator.ai可以透過收集不同層面的指標來預測使用情況，正確估算容器工作負載所需資源。（資料來源：先智雲端）
先智雲端業務經理勵宗達解釋，相較於虛擬化技術，更為輕量的容器正受到企業大幅青睞，在此同時也衍生出管理問題，Kubernetes與OpenShift即是用來解決容器的管理問題。但即便如此，容器的資源仍無法優化，這是因為所有容器在建置的過程中都要提供給K8S兩個數據，一是Requests，另一則是Limits，這是容器在設定時，事先便須定義好的資訊，但是由於無法預期容器的運行需求，因此IT人員往往超額部署，無形中就造成浪費。「一旦把資源發給某個容器，就不會再發給另一個容器使用，當容器的資源太多就只能閒置，無形中就會造成浪費，而Federator.ai可以預測容器負載，並且提出最好的部署建議，根據內部的經驗，K8S若是搭配Federator.ai可以省下最高60%的資源，而這些資源便可以提供給其他的容器使用。」
儘管雲端運算提供了資源應用的彈性，但是長遠來看，雲端架構的費用與支出很可能高於預期，勵宗達強調，藉由Federator.ai，不僅可以透過收集不同層面的指標來預測使用情況，正確估算Pod、K8S叢集和VM的正確大小以優化成本，還能減輕優化K8S所耗費的時間與人力，在成本以及管理上獲得雙重效益。