沖突是事物發(fā)展的根源和動力。操作過程中的矛盾無處不在，既有業(yè)務(wù)和技術(shù)之間的矛盾，也有開發(fā)與維護(hù)的矛盾，數(shù)據(jù)中心內(nèi)部也存在著矛盾，要通過發(fā)展才能解決。
當(dāng)AIOps開始逐步深入各行各業(yè)，不同行業(yè)、不同企業(yè)的數(shù)字化差異開始顯現(xiàn)，大部分企業(yè)的數(shù)據(jù)非常分散，數(shù)據(jù)治理對于業(yè)務(wù)導(dǎo)向性的場景化及工程化落地難度紛繁多變，因此下半場的AIOps逐漸步入“基于全鏈AI算法服務(wù)的場景彈性組合與閉環(huán)”階段。
生產(chǎn)安全
數(shù)據(jù)中心的主要職責(zé)是安全生產(chǎn)，圍繞安全生產(chǎn)三大目標(biāo)：
高可用體系結(jié)構(gòu)：高可用的IT基礎(chǔ)結(jié)構(gòu)保證了應(yīng)用系統(tǒng)的可用性和連續(xù)性，包括：應(yīng)用集群、系統(tǒng)熱遷移、數(shù)據(jù)庫群集、存儲復(fù)制、物理備份等等。
有效的操作：在高可用體系結(jié)構(gòu)的范圍內(nèi)，執(zhí)行一些高效的操作，包括：資源供應(yīng)，應(yīng)用部署，日常更改，故障處理，數(shù)據(jù)治理等。
節(jié)省成本：在高可用性和高效性的情況下，最大限度地節(jié)省成本，包括資源優(yōu)化，性能優(yōu)化，以及對降低成本敏感的資源浪費(fèi)。
運(yùn)營效率
工作主要包括四個方面：
資源供應(yīng)：以前就是針對每一次資源的應(yīng)用，運(yùn)維人員必須將機(jī)器上架、系統(tǒng)安裝、存儲配置、網(wǎng)絡(luò)配置等一系列流程跑一遍，牽涉各專業(yè)人員協(xié)作，小企業(yè)少，兩人搞定一切，大企業(yè)專業(yè)分工明確，這些工作需要多人協(xié)作，效率不能保證。目前正在通過云計(jì)算來提高效率，主要是池化和自動化，池化意味著提前準(zhǔn)備好一批資源，避免每次申請都要做一次準(zhǔn)備，自動控制就是通過自動流程來連接各個專業(yè)條線，避免通信費(fèi)用的浪費(fèi)，以及低效率的人工操作，提高工作效率和人員安全。
應(yīng)用部署：以前就是開發(fā)完成交付測試，測試完成后組織投產(chǎn)，開始運(yùn)行后進(jìn)行運(yùn)行，不同階段人員互相割裂，應(yīng)用發(fā)布部署效率低。DevOps目前主要通過DevOps提高效率，重點(diǎn)是連續(xù)的CI/CD，通過CI實(shí)現(xiàn)開發(fā)到測試的持續(xù)集成測試，實(shí)現(xiàn)開發(fā)到運(yùn)營的連續(xù)系統(tǒng)部署，通過CD完成技術(shù)到業(yè)務(wù)的持續(xù)交付。
變更管理：以前是人工配合一些工具書，沒有系統(tǒng)的思維能力，常常只見樹木不見。通過云提高系統(tǒng)外部變更的效率，可以通過自動工具來提高系統(tǒng)內(nèi)部的變更效率。
故障處理：以前就是接到監(jiān)測告警，逐個專業(yè)分析原因，執(zhí)行應(yīng)急預(yù)案，但存在著許多問題，比如：缺少對故障的預(yù)測、錯誤的報告、分析慢，不能自我修復(fù)。目前通過AIOps來解決，實(shí)現(xiàn)故障預(yù)測、故障檢測、根性分析、故障自愈，盡可能少人參與。
智能操作（AIOps）
IT運(yùn)營經(jīng)歷了人工操作、自動化操作、智能化操作（AIOps）三個階段。人為操作是指人工的協(xié)作腳本。自動操作是指系統(tǒng)工具的自動化、人工決策、機(jī)器執(zhí)行。智能操作意味著機(jī)器決策的自動化，機(jī)器上的決策和執(zhí)行執(zhí)行執(zhí)行。決定取決于推理，而在這一階段，規(guī)則是可編程的，即自動化，而規(guī)則就是可學(xué)習(xí)的叫做智能。
AIOps定義：AIOps是指基于現(xiàn)有的運(yùn)營數(shù)據(jù)（接入關(guān)系、監(jiān)控報警、日志），利用數(shù)據(jù)分析和機(jī)器學(xué)習(xí)方法，提高運(yùn)營決策能力，解決自動化運(yùn)維無法解決的問題，進(jìn)一步提高運(yùn)營效率。AIOps的價值不僅在于提供智能化的運(yùn)營決策，還在于在執(zhí)行過程中對現(xiàn)有基礎(chǔ)結(jié)構(gòu)、應(yīng)用關(guān)系、監(jiān)控報警、日志數(shù)據(jù)等進(jìn)行整理，實(shí)現(xiàn)真正的精細(xì)化運(yùn)營。誠然，AI算法的限制、場景的多樣性、數(shù)據(jù)的復(fù)雜性，決定了AIOps是一種人力密集性，這也決定了AIOps無法解決所有問題，需要人機(jī)協(xié)作和知識圖譜來發(fā)揮AIOps的最佳價值。
數(shù)字化操作：信息化是將人工處理過程變?yōu)樵诰€處理，數(shù)字化是將物理對象抽象成數(shù)字對象，通過大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)算法挖掘數(shù)據(jù)的價值。海量數(shù)據(jù)主要通過對海量數(shù)據(jù)的分析，挖掘數(shù)據(jù)的價值，會用到一些機(jī)器學(xué)習(xí)算法，機(jī)器學(xué)習(xí)主要強(qiáng)調(diào)決策的自動化，依賴的基礎(chǔ)也是數(shù)據(jù)，可以說，大數(shù)據(jù)分析的基礎(chǔ)，AI就是目標(biāo)狀態(tài)。AIOps是運(yùn)營數(shù)字化的直接體現(xiàn)。
AIOps場景：第一，質(zhì)量方向，主要是異常處理，包括異常預(yù)測，異常檢測，根因分析，故障自愈等。效率導(dǎo)向：主要包括批量預(yù)測、產(chǎn)能預(yù)測、成交量預(yù)測、成交量預(yù)測。第三，成本導(dǎo)向，包括資源優(yōu)化、性能優(yōu)化等。
算法遵從：
在這個階段，由于計(jì)算力、算法、數(shù)據(jù)的共同改進(jìn)、算力具有普遍性，場景決定數(shù)據(jù)，數(shù)據(jù)決定算法，數(shù)據(jù)決定算法。通常情況下，不同的場景數(shù)據(jù)是不一樣的，即使同一場景的不同環(huán)境也有不同的數(shù)據(jù)，這決定了數(shù)據(jù)的適配性和算法的多樣性。
AI算法：機(jī)器學(xué)習(xí)算法，按標(biāo)注可分為監(jiān)督、非監(jiān)督、半監(jiān)督、強(qiáng)化；根據(jù)用途可分為分類、聚類、回歸、降維；根據(jù)方法可分為統(tǒng)計(jì)學(xué)、傳統(tǒng)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等。在這些領(lǐng)域中，統(tǒng)計(jì)（例如，正態(tài)分布，均衡分布）要求數(shù)據(jù)必須符合一定的分布情況，用于異常探測領(lǐng)域，包括運(yùn)營領(lǐng)域的錯誤處理、金融領(lǐng)域的反欺詐以及工業(yè)領(lǐng)域的殘次品檢測。常規(guī)機(jī)器學(xué)習(xí)（例如：kmeans、隨機(jī)森林、支持向量機(jī)、貝葉斯、決策樹、Malkov等），盡管對數(shù)據(jù)要求不高，但是對場景有很強(qiáng)的依賴性，即使是同一場景的不同環(huán)境，也需要不同的模型，在數(shù)據(jù)分析領(lǐng)域用的比較多。深度學(xué)習(xí)（如CNN,RNN）對于數(shù)據(jù)的要求很高，因?yàn)樗枰嗟臄?shù)據(jù)來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)深度抽象表達(dá)能力較好，也決定了場景適應(yīng)能力較強(qiáng)，主要應(yīng)用于圖像技術(shù)、語音技術(shù)、自然語言處理三大領(lǐng)域。
AIOps算法：做異常處理的時候，主要是概率分布和聚類，由于GT較少，分類較少。進(jìn)行預(yù)測時，可采用多維線性回歸模型，線性回歸簡單，但魯棒性較差；也可采用一種基于深度學(xué)習(xí)的非線性模型，一種對數(shù)據(jù)要求較高，另一種是需要監(jiān)督學(xué)習(xí)的，也可能是傳統(tǒng)的貝葉斯模型，但是預(yù)測一般。
方案為王：研究一般問題，尋找一個更優(yōu)的算法，工業(yè)部門除了要解決一般問題外，還要解決更多的個性化問題。對于算法，產(chǎn)品，解決方案，應(yīng)用場景，生成價值，算法只是一個開始，研究新的算法，解決一般問題，盡管很重要，利用現(xiàn)有的算法，解決個性化問題，給出完整的解決方案，才是關(guān)鍵。
非零基構(gòu)建：AIOps是建立在已有基礎(chǔ)結(jié)構(gòu)上的智能大腦，它依賴于現(xiàn)有的眼睛（應(yīng)用存取關(guān)系、監(jiān)視報警、日志）和手（云和自動化工具）。眼睛數(shù)據(jù)主要是應(yīng)用訪問關(guān)系，企業(yè)基礎(chǔ)結(jié)構(gòu)成熟，已積累應(yīng)用訪問關(guān)系，尚未成熟的企業(yè)，需要借助AIOps對數(shù)據(jù)進(jìn)行整理；其主要內(nèi)容包括設(shè)備監(jiān)測數(shù)據(jù)、網(wǎng)絡(luò)監(jiān)測數(shù)據(jù)、系統(tǒng)監(jiān)測數(shù)據(jù)、平臺監(jiān)測數(shù)據(jù)、應(yīng)用監(jiān)測數(shù)據(jù)、業(yè)務(wù)指標(biāo)監(jiān)測數(shù)據(jù)等是有組織的時序數(shù)據(jù)；各系統(tǒng)具有其自身的非結(jié)構(gòu)化日志數(shù)據(jù)，不利于進(jìn)行統(tǒng)一分析。其操作主要是在外部系統(tǒng)進(jìn)行，可通過云平臺（IAAS和PAAS）來實(shí)現(xiàn)，AIOps是在現(xiàn)有數(shù)據(jù)的基礎(chǔ)上，進(jìn)行分析、推理、決策，然后利用已有的手工操作。
監(jiān)督管控
規(guī)制需求的“穩(wěn)定器”是一把雙刃劍，一方面保證了企業(yè)的安全穩(wěn)定運(yùn)行，另一方面又阻礙了技術(shù)創(chuàng)新。作為金融業(yè)的一個例子，強(qiáng)調(diào)嚴(yán)格控制，嚴(yán)格遵守ITIL的流程標(biāo)準(zhǔn)（發(fā)布管理、配置管理、變更管理、問題管理），追求一個穩(wěn)定的狀態(tài)。但是，不管是云計(jì)算，還是DevOps，還是AIOps，技術(shù)革新正在尋求敏捷的狀態(tài)，常常對法規(guī)的需求提出了挑戰(zhàn)。任何違反管理規(guī)定的行為，在監(jiān)管面前都是一票否決。在現(xiàn)有的管理框架下，我們可以尋求折中辦法，比如，在嚴(yán)格遵守ITIL嚴(yán)格控制流程的同時，將所有人工過程優(yōu)化成自動化的過程。
云吶結(jié)合十五年行業(yè)服務(wù)領(lǐng)域經(jīng)驗(yàn)，為企業(yè)提供集數(shù)據(jù)庫監(jiān)控、服務(wù)器監(jiān)控、動環(huán)監(jiān)控、智能運(yùn)維、日志分析等一體化的運(yùn)維集中運(yùn)營生態(tài)圈。
云吶設(shè)備全周期統(tǒng)一運(yùn)維一體機(jī)是一個統(tǒng)一操作平臺，采集各維度運(yùn)營數(shù)據(jù)，打破互聯(lián)信息孤島，提供可視化、自動化、智能化的運(yùn)維數(shù)字化服務(wù)。通過平臺管理和運(yùn)維從內(nèi)部到邊緣的各種設(shè)備，為您的IT團(tuán)隊(duì)和終端用戶提供更好的體驗(yàn)。
一體機(jī)7*24H無縫值守，秒級告警監(jiān)控，極速性能感知，故障自動通知，并結(jié)合ITIL、DevOps理念，內(nèi)置符合需要的流程場景，支持流程自定義調(diào)整，提升流程處理的協(xié)作能力。
相比傳統(tǒng)產(chǎn)品，一體機(jī)在管理中具有難度更低、管理簡約、場景豐富等特點(diǎn)。
相關(guān)標(biāo)簽
