前言：作者詮釋了智能化運(yùn)維是一種全新的數(shù)字化能力，是企業(yè)數(shù)字化轉(zhuǎn)型的必備能力，以及如何擁有這種能力。

作者：楊辰

上海擎創(chuàng)信息技術(shù)有限公司CEO、中治研(北京)國(guó)際信息技術(shù)研究院特約高級(jí)研究員，曾在BMC、HP等國(guó)際科技企業(yè)擔(dān)任技術(shù)、產(chǎn)品要職，擁有20多年信息系統(tǒng)運(yùn)維管理和專家服務(wù)經(jīng)驗(yàn)。專注在智能運(yùn)維數(shù)據(jù)治理和模型、產(chǎn)品研發(fā)。

一、為什么數(shù)字化轉(zhuǎn)型中企業(yè)必須具備智能運(yùn)維能力

數(shù)字化轉(zhuǎn)型是當(dāng)前每一家企業(yè)都必須面對(duì)的挑戰(zhàn)和機(jī)遇，猶如滾滾洪流，奔流向前，如果沒有能夠抓住時(shí)機(jī)進(jìn)行數(shù)字化轉(zhuǎn)型，那可能只會(huì)失去競(jìng)爭(zhēng)力而黯然離開歷史舞臺(tái)。

對(duì)于很多企業(yè)來說，數(shù)字化轉(zhuǎn)型等同于一種生命力的重塑，因?yàn)樗軌驇椭髽I(yè)建構(gòu)一套以客戶為中心的系統(tǒng)，通過重塑企業(yè)中人員、流程和數(shù)據(jù)的協(xié)同模式，能夠?yàn)榭蛻魟?chuàng)造更大價(jià)值，提升企業(yè)在數(shù)字時(shí)代的競(jìng)爭(zhēng)力。以金融服務(wù)行業(yè)為例，根據(jù)IDC分析報(bào)告，F(xiàn)inTech在金融行業(yè)的應(yīng)用正逐步呈現(xiàn)出金融服務(wù)場(chǎng)景化、平臺(tái)化、智能化的發(fā)展趨勢(shì)，以云計(jì)算和大數(shù)據(jù)為首的科技發(fā)展推動(dòng)著金融行業(yè)的業(yè)務(wù)場(chǎng)景創(chuàng)新與技術(shù)應(yīng)用創(chuàng)新，而核心目標(biāo)就是“以客戶為中心”。

著名科技趨勢(shì)分析組織Gartner將數(shù)字化轉(zhuǎn)型細(xì)分為信息數(shù)字化、業(yè)務(wù)數(shù)字化兩個(gè)方面。在企業(yè)的業(yè)務(wù)流程中，對(duì)于已經(jīng)由信息技術(shù)支撐的業(yè)務(wù)品種來說，信息數(shù)字化即通過相應(yīng)的技術(shù)令其過程數(shù)據(jù)得以留存，并利用其提升及優(yōu)化業(yè)務(wù)運(yùn)行效率;而對(duì)于不具備信息技術(shù)支撐的業(yè)務(wù)品種，就需要通過新技術(shù)的運(yùn)用構(gòu)建相應(yīng)的數(shù)字化業(yè)務(wù)。無論是信息數(shù)字化，還是業(yè)務(wù)數(shù)字化，在其背后都會(huì)涌現(xiàn)日益復(fù)雜的業(yè)務(wù)系統(tǒng)、基礎(chǔ)架構(gòu)和日益增長(zhǎng)的運(yùn)維數(shù)據(jù)，這對(duì)于企業(yè)運(yùn)維而言，都是非常巨大的挑戰(zhàn)。

在傳統(tǒng)運(yùn)維方式下，工具眾多但各自為政、數(shù)據(jù)處理和實(shí)時(shí)分析能力薄弱且依賴于經(jīng)驗(yàn)和規(guī)則，導(dǎo)致故障的根因定位十分困難，解決問題效率非常低下，運(yùn)維的實(shí)用性就大打折扣。因此必須借助一定的手段和方式，如對(duì)客戶的IT運(yùn)維數(shù)據(jù)實(shí)現(xiàn)全量的集中化管理，實(shí)現(xiàn)數(shù)據(jù)實(shí)時(shí)處理、智能分析和預(yù)測(cè)，進(jìn)行多維度高效根因定位。

而這些都是智能運(yùn)維AIOps所具備的。智能運(yùn)維是一種全新的數(shù)字化運(yùn)維能力，也將是數(shù)字化轉(zhuǎn)型的必備能力。智能運(yùn)維相對(duì)于傳統(tǒng)運(yùn)維模式而言，能夠在四個(gè)方面有本質(zhì)的效能提升：

• 運(yùn)維數(shù)據(jù)治理。通過高性能實(shí)時(shí)處理的數(shù)據(jù)平臺(tái)廣泛采集、處理和分析數(shù)字化業(yè)務(wù)運(yùn)行過程中的多樣化運(yùn)維數(shù)據(jù)，包括告警、指標(biāo)、日志、配置以及運(yùn)維工單等類別，不僅提升了運(yùn)維大數(shù)據(jù)的治理能力，優(yōu)化了數(shù)據(jù)質(zhì)量，而且為進(jìn)一步激活運(yùn)維數(shù)據(jù)的價(jià)值打下了良好基礎(chǔ);

• 業(yè)務(wù)數(shù)字化風(fēng)險(xiǎn)。使運(yùn)維人員不僅提升了歷史運(yùn)維數(shù)據(jù)的分析能力并且能夠?qū)?shí)時(shí)數(shù)據(jù)進(jìn)行異常檢測(cè)和問題預(yù)判，有效降低數(shù)字化業(yè)務(wù)的運(yùn)行風(fēng)險(xiǎn)，提升可用性、穩(wěn)定性;

• 運(yùn)維人力成本。使真正意義上的跨域根因定位成為可能，降低對(duì)專業(yè)運(yùn)維人員經(jīng)驗(yàn)技能的依賴，迅速縮短故障排查時(shí)間并有效降低人力成本;

• 業(yè)務(wù)側(cè)影響力。以業(yè)務(wù)視角利用多元化數(shù)據(jù)提高運(yùn)營(yíng)分析和決策能力，比如端到端的分析業(yè)務(wù)交易狀態(tài)，提供給業(yè)務(wù)、客服部門及時(shí)反饋和決策支持依據(jù)，充分增強(qiáng)業(yè)務(wù)影響力;

二、智能運(yùn)維能力建設(shè)的五大困惑

數(shù)字化轉(zhuǎn)型勢(shì)在必行，而智能運(yùn)維模式顯然優(yōu)勢(shì)諸多，因此其能力建設(shè)是大部分傳統(tǒng)運(yùn)維人必須要思考的事務(wù)。但因?yàn)橹悄苓\(yùn)維畢竟還是最近幾年出現(xiàn)的新興事物，在企業(yè)建設(shè)智能運(yùn)維能力的過程中，許多企業(yè)勢(shì)必會(huì)面臨著方方面面的挑戰(zhàn)和困惑。下面來我們來談一談幾種典型的困惑。

困惑一：智能運(yùn)維=機(jī)器學(xué)習(xí)算法?

在一些人看來，智能運(yùn)維就是智能算法加上傳統(tǒng)運(yùn)維，只需加入機(jī)器學(xué)習(xí)算法即可，與傳統(tǒng)運(yùn)維唯一的區(qū)別就是算法的有無。究竟是否如此?我們借鑒一個(gè)成熟市場(chǎng)的例子來看這個(gè)困惑的答案。Google開源的安卓系統(tǒng)現(xiàn)在已經(jīng)成為大多數(shù)安卓平臺(tái)手機(jī)的系統(tǒng)標(biāo)準(zhǔn)，市場(chǎng)上這樣的手機(jī)有數(shù)百個(gè)品牌，幾十億部之多，如果說軟件代碼的本質(zhì)就是算法，那么這幾百個(gè)品牌手機(jī)的核心算法都是安卓。但是若在圖中的三款手機(jī)中選擇，不考慮價(jià)格的情況下，相信很多人一定會(huì)選擇體驗(yàn)更好的小米或者華為手機(jī)，而不會(huì)考慮邊上的雜牌機(jī)。

既然都是安卓系統(tǒng)，為什么會(huì)出現(xiàn)這種情況?原因在于算法(源代碼、操作系統(tǒng))對(duì)于一個(gè)產(chǎn)品而言雖說重要但并非全部，它僅是一款優(yōu)秀產(chǎn)品的基礎(chǔ)，決定產(chǎn)品優(yōu)秀與否還有其他關(guān)鍵因素。這就如同合適的機(jī)器學(xué)習(xí)算法之于智能運(yùn)維，它只是一個(gè)基礎(chǔ)，并不意味著全部。智能運(yùn)維還需要貼合用戶需求的算法建模、功能設(shè)計(jì)和工程化落地能力，這才是產(chǎn)品用戶體驗(yàn)的關(guān)鍵因素。在智能運(yùn)維建設(shè)中普遍存在三個(gè)挑戰(zhàn)，都需要考慮除算法之外的數(shù)據(jù)平臺(tái)能力：

挑戰(zhàn)一，任何算法若生產(chǎn)可用必須要經(jīng)過數(shù)據(jù)訓(xùn)練和建模，在過程中數(shù)據(jù)質(zhì)量、參數(shù)調(diào)整和結(jié)果的分析比對(duì)的便利性都很重要，在運(yùn)維過程中也會(huì)有許多情況需要對(duì)既有模型做優(yōu)化調(diào)整，這就必須要構(gòu)建數(shù)據(jù)平臺(tái)和機(jī)器學(xué)習(xí)平臺(tái)的能力，否則無法使算法產(chǎn)生生產(chǎn)效能;

挑戰(zhàn)二，功能設(shè)計(jì)必須場(chǎng)景化，實(shí)用化，并考慮和既有運(yùn)維手段的銜接，否則算法也無用武之力;

挑戰(zhàn)三，智能運(yùn)維能力所需的數(shù)據(jù)平臺(tái)工程化水平門檻很高，包括大規(guī)模流式數(shù)據(jù)處理能力，算法的分布式運(yùn)算和遷移學(xué)習(xí)等，都不是傳統(tǒng)運(yùn)維工具所具備的數(shù)據(jù)能力，無法直接疊加。

困惑二：運(yùn)維成熟度不高不敢考慮智能運(yùn)維?

在傳統(tǒng)運(yùn)維向智能化轉(zhuǎn)型的過程中，可以從兩個(gè)維度來設(shè)計(jì)其演進(jìn)的路線。橫向看是數(shù)據(jù)類別維度，運(yùn)維數(shù)據(jù)主要分為告警、指標(biāo)和日志三類，日志的量最大。這三類數(shù)據(jù)占到運(yùn)維數(shù)據(jù)的80%以上，其他運(yùn)維數(shù)據(jù)如配置關(guān)系、工單和業(yè)務(wù)數(shù)據(jù)等，也有一定的參考價(jià)值。 而從縱向來看，則是對(duì)數(shù)據(jù)處理和分析的能力維度，智能運(yùn)維的本質(zhì)就是逐步提升對(duì)運(yùn)維數(shù)據(jù)的分析處理能力。

因此要談到最佳實(shí)踐，對(duì)于運(yùn)維成熟度度高的的企業(yè)，可以按照數(shù)據(jù)處理能力的維度，統(tǒng)一規(guī)劃、分層實(shí)施，實(shí)現(xiàn)從運(yùn)維數(shù)據(jù)局部集中到跨域集中，也就是先建立運(yùn)維大數(shù)據(jù)平臺(tái)，通過加強(qiáng)數(shù)據(jù)治理、優(yōu)化數(shù)據(jù)質(zhì)量，而后再過渡到基于算法的統(tǒng)計(jì)分析乃至流式實(shí)時(shí)處理，構(gòu)建多樣化智能運(yùn)維場(chǎng)景，逐層實(shí)現(xiàn)智能運(yùn)維能力建設(shè)。但這種方式并非放之四海而皆準(zhǔn)，對(duì)于成熟度不高的企業(yè)，迫切需要解決的是實(shí)際運(yùn)維問題，而智能運(yùn)維這時(shí)應(yīng)該能成為解決實(shí)際問題的工具，它可以根據(jù)客戶當(dāng)前的運(yùn)維成熟度選擇具體應(yīng)用場(chǎng)景，按照不同的路線圖進(jìn)行建設(shè)，這才是智能運(yùn)維的應(yīng)有的能力。

例如一家城市商業(yè)銀行，它目前最大的問題可能只是監(jiān)控效能低下，誤報(bào)漏報(bào)多，我們可以先從集中告警入手，利用算法去重降噪，再查看相關(guān)告警之間的有效告警場(chǎng)景，篩選出最可能影響業(yè)務(wù)問題的告警。在提高告警處理效率后，再通過分析告警的源頭，進(jìn)一步解決監(jiān)控指標(biāo)靜態(tài)閾值設(shè)定不準(zhǔn)確的問題，用智能異常檢測(cè)替代之，從而根本上提升監(jiān)控效能。這就是場(chǎng)景化方式導(dǎo)入智能運(yùn)維的方法。

困惑三：已經(jīng)建設(shè)了大數(shù)據(jù)平臺(tái)還需要建設(shè)專門的運(yùn)維大數(shù)據(jù)平臺(tái)嗎?

智能運(yùn)維能力依賴于運(yùn)維數(shù)據(jù)的處理分析能力，因此運(yùn)維大數(shù)據(jù)平臺(tái)的建立和通過數(shù)據(jù)治理提高數(shù)據(jù)質(zhì)量非常重要，它是構(gòu)建相應(yīng)的智能運(yùn)維場(chǎng)景的基礎(chǔ)。運(yùn)維數(shù)據(jù)的處理分析由于有其特殊的要求，不僅僅是數(shù)據(jù)規(guī)模大，而且數(shù)據(jù)處理的時(shí)效性要求極高，這是因?yàn)樵S多運(yùn)維數(shù)據(jù)需要在高速流引擎中進(jìn)行復(fù)雜的聚合、計(jì)算、判斷比較等操作以滿足機(jī)器學(xué)習(xí)算法要求，這也是運(yùn)維工作場(chǎng)景的特色，那就是必須“快”，否則一旦故障發(fā)生久了，一切就都失去了分析意義。

而傳統(tǒng)為業(yè)務(wù)構(gòu)建的大數(shù)據(jù)平臺(tái)，主要用于存儲(chǔ)和分析數(shù)據(jù)，這種分析往往是離線數(shù)據(jù)的歷史分析，對(duì)時(shí)效性要求不高，因此不具備支撐智能運(yùn)維的能力。

因此運(yùn)維大數(shù)據(jù)應(yīng)該考慮獨(dú)立建設(shè)，但可以將基于HDFS的Hadoop架構(gòu)大數(shù)據(jù)平臺(tái)作為歸檔的數(shù)據(jù)平臺(tái)，比如運(yùn)維數(shù)據(jù)里應(yīng)該根據(jù)分析效能分類為冷、溫、熱數(shù)據(jù)，其中具備長(zhǎng)期檢索價(jià)值但沒有短期分析意義的冷數(shù)據(jù)，可以歸檔到Hadoop集群中，這就要求運(yùn)維數(shù)據(jù)平臺(tái)的架構(gòu)設(shè)計(jì)要考慮其開放性。

困惑四：建設(shè)智能運(yùn)維必須先完成運(yùn)維自動(dòng)化建設(shè)?

#FormatImgID_4#

自動(dòng)化的基礎(chǔ)是既有運(yùn)維事務(wù)的標(biāo)準(zhǔn)化，即按照一種標(biāo)準(zhǔn)程序批量執(zhí)行作業(yè)，相當(dāng)于圖中的機(jī)械手，而智能運(yùn)維是一種判斷決策能力，它是根據(jù)對(duì)情況判斷決策用哪種機(jī)械手來操作，即便沒有機(jī)械手也并不意味著可以不做決策，二者并無依賴關(guān)系。

在運(yùn)維智能化過程中可以不斷發(fā)現(xiàn)新的規(guī)律性場(chǎng)景，因而可以持續(xù)做標(biāo)準(zhǔn)化和進(jìn)一步的自動(dòng)化處理，而在DevOps建設(shè)中也可以融入智能化的處理能力，比如對(duì)日志異常的實(shí)時(shí)分析診斷以及對(duì)于平臺(tái)和容器指標(biāo)的實(shí)時(shí)異常檢測(cè)和根因分析，對(duì)于之后的迭代調(diào)參會(huì)十分方便。

根據(jù)著名心理學(xué)家丹尼爾康納曼的著作《快思慢想》，人類其實(shí)具備一套偉大的運(yùn)維管理機(jī)制，分為理性思考和直覺思考兩個(gè)系統(tǒng)，而實(shí)際運(yùn)行中，人類會(huì)不斷通過理性思考過程，把能梳理成標(biāo)準(zhǔn)化的結(jié)果變成直覺系統(tǒng)可以直接運(yùn)行的標(biāo)準(zhǔn)操作，一旦觸發(fā)相關(guān)條件就立即執(zhí)行相應(yīng)的操作并可以不斷優(yōu)化。比如初學(xué)開車司機(jī)必須全身貫注，根據(jù)情況做出判斷，而且反應(yīng)很慢，但熟練的司機(jī)則可以隨時(shí)迅速判斷做出正確動(dòng)作。實(shí)際上企業(yè)運(yùn)維的成熟度目標(biāo)與此十分相似，就是要不斷將“慢想”的流程逐步轉(zhuǎn)變?yōu)?ldquo;快思”，這就是智能運(yùn)維和自動(dòng)化運(yùn)維的關(guān)系。

困惑五：智能運(yùn)維=日志大數(shù)據(jù)分析?

日志是運(yùn)維數(shù)據(jù)中很重要的一類，數(shù)量占比很大，是智能運(yùn)維中應(yīng)該分析處理的重要數(shù)據(jù)源之一，但是日志大數(shù)據(jù)分析并不等同于智能運(yùn)維。傳統(tǒng)日志的處理偏向事后分析，智能運(yùn)維對(duì)日志的處理增加了事中監(jiān)控乃至事前預(yù)判能力，這是日志分析所不具備的能力。

傳統(tǒng)運(yùn)維考慮的日志分析工具，都是偏向于事后分析，即事先必須了解日志結(jié)構(gòu)，再進(jìn)行相應(yīng)操作把價(jià)值信息提煉出來。而智能運(yùn)維則是提升了它這種能力，它能夠通過算法識(shí)別日志的語義結(jié)構(gòu)，優(yōu)化日志結(jié)構(gòu)化的方式，提升事后分析的能力，更重要的是還能在日志產(chǎn)生的過程中對(duì)其進(jìn)行指標(biāo)化的監(jiān)控，并且在事前發(fā)現(xiàn)出現(xiàn)異常模式的日志，從而進(jìn)行故障預(yù)判，這對(duì)于日志分析來說是一個(gè)質(zhì)的飛躍。

智能運(yùn)維考慮的是不同類別數(shù)據(jù)如指標(biāo)、告警和日志等數(shù)據(jù)的相關(guān)關(guān)系和聯(lián)動(dòng)關(guān)系，并不僅僅考慮像日志這一種單獨(dú)門類的數(shù)據(jù)，日志分析僅是智能運(yùn)維所具備能力的一種而已。比如在具體運(yùn)維過程中，往往需要綜合利用告警、指標(biāo)和日志間的相關(guān)關(guān)系來尋找問題根源，這就需要打通日志與其它數(shù)據(jù)的關(guān)系。

三、如何開啟智能運(yùn)維之旅的三點(diǎn)建議

綜上所述，結(jié)合自身運(yùn)維成熟度和具體運(yùn)維挑戰(zhàn)有序開啟智能運(yùn)維能力建設(shè)才是硬道理，在起航前，有三個(gè)建議可以分享：

首先，起步得穩(wěn)。充分評(píng)估當(dāng)前運(yùn)維手段的實(shí)際情況和具體痛點(diǎn)，找到較快就能和既有運(yùn)維手段相融的方案，一定要考慮數(shù)據(jù)平臺(tái)建設(shè)的必須能力和開放性，不要引入多個(gè)數(shù)據(jù)孤島。

第二，目標(biāo)要準(zhǔn)。不要企圖一次性解決所有問題，要聚焦解決有選擇性的具體目標(biāo)，對(duì)目標(biāo)的達(dá)成要有持續(xù)改進(jìn)計(jì)劃，要盯住不放，直到出效果為止。這里要考慮智能運(yùn)維平臺(tái)是否有反饋和迭代學(xué)習(xí)的機(jī)制，因?yàn)槌掷m(xù)改進(jìn)往往依賴機(jī)器學(xué)習(xí)和人工經(jīng)驗(yàn)的融合，達(dá)到目標(biāo)不是一蹴而就的。

最后，思謀當(dāng)遠(yuǎn)。一定要有階段路標(biāo)和走向運(yùn)維全面數(shù)據(jù)化和智能化的規(guī)劃路線圖，謀定而后動(dòng)，要充分考慮引入智能運(yùn)維方案后過渡期中人員角色和職能甚至流程的變化，任何新技術(shù)手段的引入都是人員、流程、工具三者的有機(jī)結(jié)合。

寄語

智能運(yùn)維發(fā)展正如火如荼，Gartner預(yù)見其為下一代運(yùn)維，認(rèn)為到2022年將有近50%的企業(yè)用戶部署智能運(yùn)維。雖然目前不少企業(yè)已經(jīng)在積極投入建設(shè)，也還有一些企業(yè)處在迷茫階段，對(duì)這種趨勢(shì)不太清晰，借用著名作家威廉吉布森的話，“未來已來，只是分布不均。”

其實(shí)我們從手機(jī)的發(fā)展史中便可窺見一二，如圖所示，從1998年Nokia5110到2007年初代iPhone(智能手機(jī))的出現(xiàn)，再到目前最新款的手機(jī)，其實(shí)就是一個(gè)新技術(shù)賦能的過程，一開始我們驚喜的稱呼iPhone為“智能手機(jī)”，而今天再?zèng)]有人叫它“智能手機(jī)”因?yàn)檫@就是手機(jī)該有的樣子。所以運(yùn)維也是如此，在企業(yè)數(shù)字化轉(zhuǎn)型大潮中，“智能”是運(yùn)維本該有的樣子。

生成海報(bào)

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(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)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(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)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(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。