1. 從傳統(tǒng)運(yùn)維到AIOps應(yīng)用

1.1 場(chǎng)景舉例

以企業(yè)常見的監(jiān)控場(chǎng)景為例，傳統(tǒng)的運(yùn)維模式一般會(huì)采用閾值指標(biāo)對(duì)特定的IT對(duì)象設(shè)置告警策略。閾值的設(shè)定往往是固定不變的指標(biāo)，在某些情形下會(huì)出現(xiàn)誤告警或者不告警的問(wèn)題，固定的閾值指標(biāo)不能直接反映被監(jiān)控對(duì)象的運(yùn)行狀態(tài)；更有甚者，許多告警事件之間存在共同原因，但是因?yàn)楝F(xiàn)有技術(shù)手段的原因不能找到發(fā)生告警的根本原因。諸如此類的情形導(dǎo)致組織效率低下、運(yùn)維成本增高。

以上是傳統(tǒng)運(yùn)維中發(fā)生的典型場(chǎng)景，為了解決類似的問(wèn)題，我們從場(chǎng)景出發(fā)抽象出解決方法的邏輯，可以發(fā)現(xiàn)，運(yùn)維人員要做到：

• 在統(tǒng)一信息的基礎(chǔ)上作數(shù)據(jù)分析，得出告警的根本原因以及彼此之間的聯(lián)系。

其實(shí)要實(shí)現(xiàn)類似的功能或者目的，不可或缺的是機(jī)器學(xué)習(xí)、大數(shù)據(jù)分析等新興技術(shù)手段。

1.2 傳統(tǒng)運(yùn)維困境特征總結(jié)

傳統(tǒng)的運(yùn)維模式正在面臨兩個(gè)主要的運(yùn)維挑戰(zhàn)：

• 運(yùn)維環(huán)境的混合度和復(fù)雜性日益提高：企業(yè)業(yè)務(wù)往往運(yùn)行在復(fù)雜的基礎(chǔ)設(shè)施上（本地?cái)?shù)據(jù)中心、公有云、私有云等），業(yè)務(wù)架構(gòu)混合多樣（集群、分布式、微服務(wù)等）。
• 新的IT技術(shù)不斷采用：為了滿足企業(yè)員工和終端客戶的更高的需求或者更好的使用體驗(yàn)，現(xiàn)有業(yè)務(wù)往往要保持一定頻率的新技術(shù)的更新使用。

與上例中傳統(tǒng)運(yùn)維面對(duì)的監(jiān)控場(chǎng)景的困境類似，日益復(fù)雜的運(yùn)維環(huán)境和新技術(shù)的更新迭代會(huì)帶來(lái)一下問(wèn)題：

• 運(yùn)維環(huán)境復(fù)雜度和規(guī)模增加使得數(shù)據(jù)規(guī)模量暴漲，帶來(lái)數(shù)據(jù)分析的困難，以及IT運(yùn)維團(tuán)隊(duì)無(wú)法技術(shù)對(duì)海量數(shù)據(jù)背后的事件的出現(xiàn)給出處理的優(yōu)先級(jí)。
• IT 運(yùn)維團(tuán)隊(duì)識(shí)別運(yùn)維環(huán)境中相互依賴但是獨(dú)立存儲(chǔ)和分布的關(guān)聯(lián)數(shù)據(jù)，如難以實(shí)現(xiàn)故障的根因定位。
• IT運(yùn)維難以對(duì)要發(fā)生的事件進(jìn)行提前預(yù)測(cè)，無(wú)法根據(jù)快速分析實(shí)時(shí)數(shù)據(jù)，難以及時(shí)響應(yīng)運(yùn)維問(wèn)題。

一般而言，傳統(tǒng)運(yùn)維要經(jīng)過(guò)腳本化運(yùn)維、工具化運(yùn)維、平臺(tái)化運(yùn)維、大數(shù)據(jù)運(yùn)維，才能到達(dá)智能化運(yùn)維階段。如果從執(zhí)行和決策的角度觀察整個(gè)運(yùn)維體系的演變，運(yùn)維體系的決策權(quán)和執(zhí)行權(quán)逐步的向機(jī)器或者系統(tǒng)轉(zhuǎn)向，越是先進(jìn)的運(yùn)維體系或者工具，人在運(yùn)維工作中的比重越低。具體內(nèi)容可參看下圖：

1.3 傳統(tǒng)運(yùn)維困境解決方案—AIOps逐漸浮出水面

我們必須承認(rèn)：在傳統(tǒng)方案下的運(yùn)維能力已經(jīng)達(dá)到了傳統(tǒng)運(yùn)維階段應(yīng)有的最高效率，因?yàn)橐坏﹤鹘y(tǒng)的運(yùn)維解決方案進(jìn)一步改進(jìn)的空間，那么運(yùn)維困境就不會(huì)這么廣泛和普遍，也就是說(shuō)以上傳統(tǒng)運(yùn)維面臨的共性問(wèn)題是已有的運(yùn)維體系達(dá)到了自身的能力邊界后產(chǎn)生的。

在運(yùn)維行業(yè)，技術(shù)的革新和應(yīng)用是提升運(yùn)維效率的至關(guān)重要的方法。針對(duì)傳統(tǒng)運(yùn)維無(wú)法解決的問(wèn)題，新的技術(shù)和方法得到應(yīng)用，比如大數(shù)據(jù)技術(shù)、機(jī)器學(xué)習(xí)技術(shù)。而AIOps正是以這兩種技術(shù)為代表的新興的運(yùn)維技術(shù)解決方案。

2. AIOps內(nèi)容

2.1 AIOps演變

AIOps是從ITOA演變過(guò)來(lái)的一個(gè)行業(yè)術(shù)語(yǔ)，ITOA是通過(guò)軟件或者工具把不同來(lái)源的信息收集起來(lái)進(jìn)而運(yùn)用大數(shù)據(jù)分析技術(shù)形成對(duì)運(yùn)維事件的觀點(diǎn)。AIOps在內(nèi)涵上與ITOA有一脈相承的地方，但是在以下三個(gè)方面做了拓展：

• 可以獲取更多種類的數(shù)據(jù)
• 可以處理除歷史數(shù)據(jù)以外的實(shí)時(shí)數(shù)據(jù)
• 利用機(jī)器學(xué)習(xí)技術(shù)來(lái)幫助分析總量不斷增長(zhǎng)的數(shù)據(jù)集

2.2 AIOps定義

根據(jù)國(guó)際著名管理咨詢機(jī)構(gòu)Gartner的定義，AIOps是大數(shù)據(jù)和機(jī)器學(xué)習(xí)的結(jié)合，使 IT 操作流程自動(dòng)化，包括事件關(guān)聯(lián)、異常檢測(cè)和因果關(guān)系確定。

如何理解Gartner的定義呢？這里有兩個(gè)重點(diǎn)，一個(gè)是大數(shù)據(jù)和機(jī)器學(xué)習(xí)的技術(shù)手段，另一個(gè)是基于技術(shù)手段做到的場(chǎng)景功能：運(yùn)維環(huán)境或者事件的可視化（這里的可視化不僅僅是指可視化的界面展示，而是側(cè)重運(yùn)維數(shù)據(jù)包含能夠?qū)е鹿ぷ魅藛T得出對(duì)運(yùn)維事件的有價(jià)值觀點(diǎn)的信息，如因果關(guān)系、關(guān)聯(lián)關(guān)系等）。具體可參考下圖：

我們可以將AIOps理解成：學(xué)習(xí)人類在運(yùn)維過(guò)程中枯燥乏味的部分，包括機(jī)械化的操作、思維固化的判斷識(shí)別，并代替人類高效完成這部分工作，讓人類能夠?qū)r(shí)間和精力投入到有價(jià)值的創(chuàng)造中去，讓企業(yè)實(shí)現(xiàn)業(yè)務(wù)價(jià)值，讓員工發(fā)揮創(chuàng)造性，獲得自我收獲。

機(jī)器學(xué)習(xí)的作用在于：使用算法從運(yùn)維數(shù)據(jù)中自動(dòng)分析獲得規(guī)律，并利用規(guī)律對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)、預(yù)警。

機(jī)器學(xué)習(xí)過(guò)程包括：

整個(gè)AIOps的運(yùn)維過(guò)程可以概括為：AI幫助人，ML賦能人。

2.3 AIOps的運(yùn)維目標(biāo)

作為傳統(tǒng)運(yùn)維技術(shù)方案出現(xiàn)缺陷之后的補(bǔ)救或者優(yōu)化方法，AIOps旨在得到運(yùn)維環(huán)境中有意義的見解并采取行動(dòng)，以幫助 IT 運(yùn)行更高效的運(yùn)營(yíng)、做出更好的決策、以及支持業(yè)務(wù)生產(chǎn)力進(jìn)一步發(fā)展。

2.4 AIOps工作原理步驟

• 提取數(shù)據(jù)信息：在日益混合的基礎(chǔ)架構(gòu)中，提取來(lái)自基礎(chǔ)設(shè)施、中間件、網(wǎng)絡(luò)、數(shù)據(jù)庫(kù)、應(yīng)用的信息，包括實(shí)時(shí)信息和歷史信息，當(dāng)然在此過(guò)程中會(huì)涉及事件和數(shù)據(jù)的規(guī)范化處理。
• 發(fā)現(xiàn)和統(tǒng)一拓?fù)潢P(guān)系：發(fā)現(xiàn)IT資產(chǎn)配置之間的關(guān)聯(lián)關(guān)系并形成拓?fù)潢P(guān)系，該拓?fù)潢P(guān)系明確了各個(gè)IT配置之間的邏輯依賴關(guān)系，讓運(yùn)維工作人員可以更好的了解運(yùn)維資產(chǎn)以何種方式支持業(yè)務(wù)。
• 利用拓?fù)潢P(guān)系建立運(yùn)維事件的關(guān)聯(lián)性：通過(guò)將IT資產(chǎn)配置信息的拓?fù)潢P(guān)系與相關(guān)運(yùn)維事件的發(fā)生時(shí)間、邏輯位置聯(lián)系起來(lái)，把事件進(jìn)行壓縮，呈現(xiàn)出有效信息。
• 事件識(shí)別：機(jī)器學(xué)習(xí)能力幫助AIOps解決方案持續(xù)學(xué)習(xí)和提升對(duì)單個(gè)事件模式的理解，達(dá)到發(fā)現(xiàn)甚至提取預(yù)測(cè)重要的事件、事故或者異常行為的目的。
• 事件解決：通過(guò)前面四個(gè)步驟，AIOps可以修復(fù)或者處理異常的事件。高效的AIOps解決方案有兩種主要的事件處理方案：持續(xù)觀測(cè)以自動(dòng)處理以及給出清晰的運(yùn)維指導(dǎo)或者建議。

2.5 AIOps最佳實(shí)踐

• 提供跨領(lǐng)域的運(yùn)維感知，賦予可操作性：利用企業(yè)各個(gè)運(yùn)維領(lǐng)域的數(shù)據(jù)，通過(guò)運(yùn)維平臺(tái)管理，AIOps可以更好的預(yù)測(cè)問(wèn)題、更快的解決問(wèn)題，并始終提供在線服務(wù)。
• 事件降噪：將嚴(yán)重事件與常見的普通事件區(qū)分開來(lái)，以更加清楚的了解導(dǎo)致事件風(fēng)暴的實(shí)際問(wèn)題。
• 智能異常檢測(cè)：通過(guò)整合整個(gè)IT環(huán)境的數(shù)據(jù)，AIOps可以過(guò)濾冗余或者無(wú)效數(shù)據(jù)，進(jìn)而觸發(fā)適當(dāng)事件的通知；傳統(tǒng)運(yùn)維模式往往使用靜態(tài)的閾值設(shè)置，告警指標(biāo)難以根據(jù)事件的發(fā)展動(dòng)態(tài)進(jìn)行調(diào)整，AIOps的異常檢測(cè)能力通過(guò)將當(dāng)前數(shù)據(jù)與歷史趨勢(shì)進(jìn)行比較得出事件運(yùn)行規(guī)律，智能決策是否觸發(fā)事件告警。
• 事件的智能化處理以及智能管理：通過(guò)持續(xù)檢測(cè)基礎(chǔ)架構(gòu)的運(yùn)行狀態(tài)以及服務(wù)臺(tái)活動(dòng)，用戶可以主動(dòng)采取行動(dòng)處理事件或者根據(jù)智能運(yùn)維系統(tǒng)的建議進(jìn)行處理，整個(gè)事件處理過(guò)程更加快速。
• 跨領(lǐng)域的事件感知和根因分析：使用先進(jìn)的分析技術(shù)整合來(lái)自各個(gè)運(yùn)維領(lǐng)域的數(shù)據(jù)，AIOps有更好的機(jī)會(huì)得到問(wèn)題發(fā)生的根本原因，進(jìn)而提高時(shí)間升級(jí)的效率，降低平均修復(fù)時(shí)間。
• 容量分析：理解IT資源的利用方式和使用時(shí)間，決定需要資源的應(yīng)用或者服務(wù)的資源分配，識(shí)別限制資源以減少資源消耗，削減成本。

2.6 業(yè)界AIOps運(yùn)維建設(shè)進(jìn)展總結(jié)

根據(jù)人工智能運(yùn)維體系在現(xiàn)實(shí)中的落地情況，大概可以分成五個(gè)發(fā)展層級(jí)，分別是：初始級(jí)、成長(zhǎng)級(jí)、成熟級(jí)、專家級(jí)、卓越級(jí)，就大多數(shù)使用智能運(yùn)維手段的公司而言，相當(dāng)比例的企業(yè)處于專家級(jí)之前的階段。

2.7 AIOps運(yùn)維服務(wù)架構(gòu)設(shè)計(jì)

經(jīng)過(guò)前面的敘述，我們要時(shí)刻不忘AIOps的運(yùn)維的本質(zhì)：數(shù)據(jù)逐步建設(shè)和治理、學(xué)件逐步深入和全面、場(chǎng)景逐步擴(kuò)展和聯(lián)動(dòng)、組織逐步培養(yǎng)和賦能，即無(wú)論是任何工具或者技術(shù)手段的應(yīng)用，都要服從于提升運(yùn)維體系建設(shè)、賦能組織的運(yùn)維目標(biāo)。

AIOps運(yùn)維體系架構(gòu)圖參考：

2.8 AIOps建設(shè)路徑

① 路徑架構(gòu)圖

通過(guò)以上的介紹，可以發(fā)現(xiàn)，AIOps的發(fā)展路徑一直受到數(shù)據(jù)處理和分析能力的延宕或者推動(dòng)，換言之，是數(shù)據(jù)的分析和處理能力決定了企業(yè)的智能運(yùn)維解決方案能夠走多遠(yuǎn)。下圖展示了整個(gè)AIOps運(yùn)維的建設(shè)路徑，數(shù)據(jù)管理能力分成了三個(gè)階段，由數(shù)據(jù)管理能力決定的智能分析也如此劃分，智能運(yùn)維的目標(biāo)是具備智能數(shù)據(jù)管理能力以及復(fù)合模型的分析能力，從而服務(wù)與業(yè)務(wù)畫像（運(yùn)維數(shù)據(jù)的洞察）。

② 數(shù)據(jù)管理

在AIOps運(yùn)維體系中，數(shù)據(jù)的管理以及基于數(shù)據(jù)的分析能力是整個(gè)智能運(yùn)維的基礎(chǔ)和起點(diǎn)。

從數(shù)據(jù)屬性上將，數(shù)據(jù)包括屬性數(shù)據(jù)、運(yùn)行數(shù)據(jù)和服務(wù)數(shù)據(jù)：

從數(shù)據(jù)的來(lái)源上講，智能運(yùn)維致力于把來(lái)自技術(shù)、業(yè)務(wù)及管理的數(shù)據(jù)元數(shù)據(jù)進(jìn)行采集、存儲(chǔ)、分析、應(yīng)用：

對(duì)這三種數(shù)據(jù)的管理要遵循幾個(gè)原則：

• 確保異構(gòu)數(shù)據(jù)獲取保證統(tǒng)一管理
• 實(shí)現(xiàn)同源變更
• 保障多方應(yīng)用的數(shù)據(jù)消費(fèi)
• 確保數(shù)據(jù)的質(zhì)量管控

3. AIOps相比傳統(tǒng)運(yùn)維的優(yōu)勢(shì)

AIOps在整體層面而言，可以實(shí)現(xiàn)海量數(shù)據(jù)下的智能決策，提升故障發(fā)現(xiàn)、分析、處理的整體效率，并不斷沉淀經(jīng)驗(yàn)，實(shí)現(xiàn)更為快速和精準(zhǔn)的運(yùn)維運(yùn)營(yíng)決策。

具體到各個(gè)利益利益相關(guān)方，則有如下的優(yōu)勢(shì)：

1. 對(duì)一線運(yùn)維人員：

• 大數(shù)據(jù)帶來(lái)更多價(jià)值：傳統(tǒng)運(yùn)維模式下，包含在海量運(yùn)維數(shù)據(jù)之內(nèi)的有效信息無(wú)法得到高效利用，AIOps通過(guò)使用機(jī)器學(xué)習(xí)、大數(shù)據(jù)等技術(shù)手段可以從運(yùn)維系統(tǒng)生成的數(shù)據(jù)中了解更多的信息，并可以將曾經(jīng)的數(shù)據(jù)噪音轉(zhuǎn)換為有價(jià)值的看法或者觀點(diǎn)，輔助運(yùn)維工作人員做出決策。
• 具有更流暢的操作：AIOps 可以通過(guò)更快的根本原因分析、主動(dòng)支持、自動(dòng)化操作和預(yù)測(cè)分析來(lái)幫助公司避免代價(jià)高昂的停機(jī)時(shí)間并提高 MTTD/MTTR。

2. 對(duì)企業(yè)IT部門：

• 降低成本：通過(guò)時(shí)間處理的左移，企業(yè)可以節(jié)省時(shí)間、削減成本，同時(shí)讓服務(wù)臺(tái)能夠?qū)Ｗ⒂诟邇?yōu)先級(jí)的任務(wù)。
• 提高 IT 效率：AIOps 最終使 IT 員工能夠更多地專注于需要人工解決的問(wèn)題或者任務(wù)，并可以通過(guò)人工決策的輸入持續(xù)改進(jìn)IT的運(yùn)維工作流程，比如通過(guò)人工幫助機(jī)器處理無(wú)法處理的信息甚至決策。

3. 對(duì)使用企業(yè)產(chǎn)品

• 改善最終用戶體驗(yàn)：通過(guò)運(yùn)維工作的主動(dòng)響應(yīng)、更快的自動(dòng)化處理，AIOps可以減少最終用戶在發(fā)生IT問(wèn)題時(shí)的時(shí)間花費(fèi)，進(jìn)而提升用戶體驗(yàn)，為用戶帶來(lái)更好的產(chǎn)品或者服務(wù)。