科技云報道原創(chuàng)。

在IT行業(yè)，運維人常常自我調(diào)侃“賺著5k的月薪，操著5千萬的心，名下掛著5億的資產(chǎn)”。

機房的暖通、網(wǎng)絡(luò)、綜合布線，系統(tǒng)的監(jiān)控告警、故障響應(yīng)等一大堆繁雜瑣碎的工作，充斥著運維人的日常。

與開發(fā)和產(chǎn)品相比，運維更像是一個后勤角色，這一行業(yè)也長期處于公眾視野的暗處。

隨著云計算、大數(shù)據(jù)、人工智能等技術(shù)的興起，運維行業(yè)也迎來了新的技術(shù)變革。

2016年，Gartner提出智能運維AIOps的概念，旨在使用大數(shù)據(jù)、機器學(xué)習(xí)等方法來提升運維能力，其目的是進一步降低自動化運維中人為干擾，最終實現(xiàn)運維無人化、自動化。Gartner預(yù)測，到2020年，AIOps的采用率將會達(dá)到50%。

六年過去了，AIOps技術(shù)發(fā)展得如何？

AIOps的實現(xiàn)思路

一種新的工作模式出現(xiàn)，必然會對原來穩(wěn)定的工作模式進行改變，改變通常會受到新挑戰(zhàn)，所以新工作模式需要能解決當(dāng)前運維工作中遇到的難題而出現(xiàn)。

以金融行業(yè)的業(yè)務(wù)連續(xù)性管理為例，目標(biāo)是提高公司的風(fēng)險防范能力、有效地減少非計劃的業(yè)務(wù)中斷、防范運維操作風(fēng)險，對于首次出現(xiàn)的未知異常能夠利用工具量化分析并快速定位，確保在重大災(zāi)難性事件發(fā)生后能按計劃恢復(fù)業(yè)務(wù)連續(xù)性。

在面對當(dāng)前復(fù)雜的技術(shù)架構(gòu)、不斷引入的創(chuàng)新技術(shù)之下，傳統(tǒng)運維團隊原來被動救火式、問題驅(qū)動式的經(jīng)驗運維，已經(jīng)很難實現(xiàn)業(yè)務(wù)連續(xù)性的保障目標(biāo)。

金融企業(yè)運行安全穩(wěn)定，需要運維數(shù)據(jù)賦予數(shù)據(jù)洞察、輔助決策、跟蹤執(zhí)行的能力，提升復(fù)雜環(huán)境下的運維管理能力。

例如：實時獲得“發(fā)生了什么”？關(guān)聯(lián)分析“為什么會發(fā)生”？智能預(yù)測“將會發(fā)生什么”？決策判斷“采取什么措施”？自動執(zhí)行“如何快速執(zhí)行”？實時感知“工作執(zhí)行的效果”？

AIOps就是為了解決上述問題而生，其價值在于通過機器學(xué)習(xí)來進行運維數(shù)據(jù)的挖掘，幫助人甚至代替人進行更有效和快速的決策，從而提升業(yè)務(wù)系統(tǒng)的SLA，減小故障處理的時間等，帶來業(yè)務(wù)的價值，并最終實現(xiàn)真正意義上的無人值守運維。

如Gartner定義中提出，AIOps應(yīng)用需要利用大數(shù)據(jù)，現(xiàn)代機器學(xué)習(xí)技術(shù)和其他高級分析技術(shù)，是一種相對較高門檻的工作模式。

為了更好地落地AIOps，運維組織需要深刻地理解AIOps的內(nèi)涵，重點實現(xiàn)思路分為以下幾個方面：

數(shù)據(jù)為先，AIOps需要快速生產(chǎn)高質(zhì)量數(shù)據(jù)的能力。

“快速”的思路可以以“中臺”思路進行建設(shè)，建立統(tǒng)一的數(shù)據(jù)采控、實時與批量的數(shù)據(jù)處理能力、與運維相匹配的運維算法、存儲方案、主數(shù)據(jù)、指標(biāo)模型等；

“高質(zhì)量”則從將分散數(shù)據(jù)統(tǒng)一、在線后形成“活數(shù)據(jù)”，以及數(shù)據(jù)質(zhì)量上的治理。

從技術(shù)實現(xiàn)看，具備實時“采、存、算、管、用”的數(shù)據(jù)流動全生命周期管理的能力。

其中，數(shù)據(jù)采集是按需在線采集數(shù)據(jù)的能力；

數(shù)據(jù)存儲是根據(jù)數(shù)據(jù)類型、數(shù)據(jù)應(yīng)用特點對數(shù)據(jù)進行歸檔、整理、傳輸、共享；

數(shù)據(jù)計算包括數(shù)據(jù)標(biāo)注、清洗、建模、加工、標(biāo)準(zhǔn)化、質(zhì)量監(jiān)控，以及為了獲得數(shù)據(jù)洞察、決策、執(zhí)行而對數(shù)據(jù)進行分析統(tǒng)計；

數(shù)據(jù)管理重點圍繞數(shù)據(jù)治理，包括運維數(shù)據(jù)標(biāo)準(zhǔn)、主數(shù)據(jù)、元數(shù)據(jù)、數(shù)據(jù)質(zhì)量、數(shù)據(jù)安全的管理；

數(shù)據(jù)使用重點圍繞數(shù)據(jù)服務(wù)角度涉及的數(shù)據(jù)目錄、服務(wù)門戶，以及配套的數(shù)據(jù)服務(wù)化能力。

算法大腦，適配、引入特定場景下運維算法，構(gòu)建算法模型體系。機器學(xué)習(xí)尤其是深度學(xué)習(xí)的大規(guī)模應(yīng)用，推動了人工智能的快速發(fā)展。

隨著國內(nèi)TO B市場的火爆，AIOps上人工智能研究及應(yīng)用正處于爆發(fā)期，引入AI技術(shù)的算法有三點優(yōu)勢：

一是工作穩(wěn)定性高，人工智能可不知疲倦地進行工作，在規(guī)律性問題的分析時不受環(huán)境影響。

二是降低操作風(fēng)險，利用人工智能取代傳統(tǒng)人工經(jīng)驗操作，可更好地避免操作風(fēng)險和道德風(fēng)險。

三是有效提高決策效率，人工智能可以快速地對大數(shù)據(jù)進行篩選和分析，幫助人們更高效率地決策。

場景驅(qū)動，以痛點、價值期望切入點，用智能賦能運維場景，落地智能運維能力。

AIOps從詞來看，應(yīng)該包括“AI+Ops”，是用AI賦能運維場景的模式。

有了上面提到的數(shù)據(jù)底座與算法大腦，下一步是AIOps運維模式的落地，主要將圍繞場景的落地：一種是利用算法賦能已有的運維場景，另一種是算法實現(xiàn)原來無法實現(xiàn)的運維場景。

前者是一個快速見效的模式，后者是應(yīng)對變化而做出的變化。

運維知識描述了大量運維領(lǐng)域的相關(guān)對象定義、技巧，以及排故/解決經(jīng)驗的信息。

通過構(gòu)建運維知識圖譜，利用自然語義等算法技術(shù)，從海量數(shù)據(jù)中自動挖掘各類運維主體，對其特性進行畫像和結(jié)構(gòu)化描述，動態(tài)記錄運維主體之間的關(guān)聯(lián)關(guān)系，可以幫助IT人員實現(xiàn)故障鏈傳播分析、根因定位、智能的變更影響分析、故障預(yù)測等多種AIOps場景。

值得注意的是，軟件的一些“算法邏輯”不代表真正的AIOps，判斷是否是真正AIOps的關(guān)鍵點在于：是否能自動從數(shù)據(jù)學(xué)習(xí)中總結(jié)規(guī)律，并利用規(guī)律對當(dāng)前的環(huán)境給予決策建議。

? 國內(nèi)AIOps處于起步階段

AIOps的概念非常美好，應(yīng)用空間也相當(dāng)廣闊。除了互聯(lián)網(wǎng)，在金融、物聯(lián)網(wǎng)、醫(yī)療、通信、工業(yè)等領(lǐng)域，均表現(xiàn)出對智能運維的強烈需求。

數(shù)據(jù)顯示，2020年中國IT智能運維市場規(guī)模為560.8億元，年復(fù)合增速為20.1%，預(yù)計未來以15.9%復(fù)合增速擴張，2025年市場規(guī)模達(dá)1093.5億元，表現(xiàn)出較大的市場潛力。

目前，我國政府部門也陸續(xù)出臺《推動企業(yè)上云實施指南（2018-2020年）》《國家新一代人工智能標(biāo)準(zhǔn)體系建設(shè)指南》等一系列政策，推動智能運維領(lǐng)域的發(fā)展。

但必須承認(rèn)的是，我國智能運維還處在起步階段。

盡管國內(nèi)運維行業(yè)在2016年前后迎來了一波融資熱，但目前運維行業(yè)整體還比較落后。

一方面，技術(shù)有限，在線系統(tǒng)本身具有規(guī)模性和復(fù)雜性，是需要長期投入的研究領(lǐng)域；另一方面，智能運維需要高質(zhì)量的標(biāo)注數(shù)據(jù)，但運維數(shù)據(jù)積累明顯不足，至少還需積累3-5年。

事實上，產(chǎn)品不落地、善于融資、估值虛高，是一些智能運維公司給業(yè)內(nèi)人留下的印象。

目前國內(nèi)大部分公司在技術(shù)層面的原創(chuàng)力都還不夠強，很多都是利用國外的開源代碼，有的公司甚至將幾個開源產(chǎn)品拼湊在一起，內(nèi)部之間仍是相互獨立、割裂的，沒有彼此打通，以至于最后的方案也不怎么好用，需要大量的人力運維支持。

因此，盡管隨著技術(shù)的發(fā)展，運維行業(yè)已初步進入自動化、智能化初級階段，但現(xiàn)階段運維仍舊是一個“費人”的行業(yè)。

為了規(guī)范國內(nèi)智能運維領(lǐng)域的發(fā)展，中國信息通信研究院發(fā)布了《智能化運維AIOps能力成熟度模型》系列標(biāo)準(zhǔn)。

在此內(nèi)容基礎(chǔ)上，由中國信通院牽頭的國內(nèi)外首個智能運維（AIOps）國際標(biāo)準(zhǔn)在國際電信聯(lián)盟第十三研究組ITU-T SG13也已成功立項。

在《智能化運維AIOps能力成熟度模型》中，面向智能運維整體能力建設(shè)，規(guī)定了對IT系統(tǒng)或平臺進行智能化運維的參考框架及分級評估方法，提出了關(guān)于企業(yè)建設(shè)智能化運維能力的實施路徑，能夠指導(dǎo)國內(nèi)互聯(lián)網(wǎng)和傳統(tǒng)行業(yè)在智能運維方向的相關(guān)實踐落地。

結(jié)語

“建立一個可供數(shù)百萬人每天使用，但只需一名兼職人員管理和維護的系統(tǒng)。”這是吉姆·格雷（Jim Gray）在1999年獲得圖靈獎時對無故障服務(wù)器系統(tǒng)的暢想。如今，隨著AIOps的開發(fā)，我們比以往任何時候都更接近這一愿景，并有望超越這一愿景。

盡管AIOps仍處于起步階段，但智能化給運維領(lǐng)域帶來效率上的質(zhì)變已肉眼可見。

這個領(lǐng)域的持續(xù)創(chuàng)新將為更多企業(yè)帶來新的業(yè)務(wù)價值。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。