在IT行業(yè)，運(yùn)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(jī)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(yùn)維人的日常。與開發(fā)和產(chǎn)品相比，運(yùn)維更像是一個(gè)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(jì)算、大數(shù)據(jù)、人工智能等技術(shù)的興起，運(yùn)維行業(yè)也迎來了新的技術(shù)變革。2016年，Gartner提出智能運(yùn)維AIOps的概念，旨在使用大數(shù)據(jù)、機(jī)器學(xué)習(xí)等方法來提升運(yùn)維能力，其目的是進(jìn)一步降低自動(dòng)化運(yùn)維中人為干擾，最終實(shí)現(xiàn)運(yùn)維無人化、自動(dòng)化。Gartner預(yù)測，到2020年，AIOps的采用率將會(huì)達(dá)到50%。六年過去了，AIOps技術(shù)發(fā)展得如何？一種新的工作模式出現(xiàn)，必然會(huì)對原來穩(wěn)定的工作模式進(jìn)行改變，改變通常會(huì)受到新挑戰(zhàn)，所以新工作模式需要能解決當(dāng)前運(yùn)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(xiǎn)防范能力、有效地減少非計(jì)劃的業(yè)務(wù)中斷、防范運(yùn)維操作風(fēng)險(xiǎn)，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(jì)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(yùn)維團(tuán)隊(duì)原來被動(dòng)救火式、問題驅(qū)動(dòng)式的經(jīng)驗(yàn)運(yùn)維，已經(jīng)很難實(shí)現(xiàn)業(yè)務(wù)連續(xù)性的保障目標(biāo)。金融企業(yè)運(yùn)行安全穩(wěn)定，需要運(yùn)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(yùn)維管理能力。例如：實(shí)時(shí)獲得“發(fā)生了什么”？關(guān)聯(lián)分析“為什么會(huì)發(fā)生”？智能預(yù)測“將會(huì)發(fā)生什么”？決策判斷“采取什么措施”？自動(dòng)執(zhí)行“如何快速執(zhí)行”？實(shí)時(shí)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(jià)值在于通過機(jī)器學(xué)習(xí)來進(jìn)行運(yùn)維數(shù)據(jù)的挖掘，幫助人甚至代替人進(jìn)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(shí)間等，帶來業(yè)務(wù)的價(jià)值，并最終實(shí)現(xiàn)真正意義上的無人值守運(yùn)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(jī)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(yùn)維組織需要深刻地理解AIOps的內(nèi)涵，重點(diǎn)實(shí)現(xiàn)思路分為以下幾個(gè)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(jìn)行建設(shè)，建立統(tǒng)一的數(shù)據(jù)采控、實(shí)時(shí)與批量的數(shù)據(jù)處理能力、與運(yùn)維相匹配的運(yùn)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(shí)現(xiàn)看，具備實(shí)時(shí)“采、存、算、管、用”的數(shù)據(jù)流動(dòng)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(diǎn)對數(shù)據(jù)進(jìn)行歸檔、整理、傳輸、共享；數(shù)據(jù)計(jì)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(jìn)行分析統(tǒng)計(jì)；數(shù)據(jù)管理重點(diǎn)圍繞數(shù)據(jù)治理，包括運(yùn)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(diǎn)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(yùn)維算法，構(gòu)建算法模型體系。機(jī)器學(xué)習(xí)尤其是深度學(xué)習(xí)的大規(guī)模應(yīng)用，推動(dòng)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(diǎn)優(yōu)勢：一是工作穩(wěn)定性高，人工智能可不知疲倦地進(jìn)行工作，在規(guī)律性問題的分析時(shí)不受環(huán)境影響。二是降低操作風(fēng)險(xiǎn)，利用人工智能取代傳統(tǒng)人工經(jīng)驗(yàn)操作，可更好地避免操作風(fēng)險(xiǎn)和道德風(fēng)險(xiǎn)。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(jìn)行篩選和分析，幫助人們更高效率地決策。場景驅(qū)動(dòng)，以痛點(diǎn)、價(jià)值期望切入點(diǎn)，用智能賦能運(yùn)維場景，落地智能運(yùn)維能力。AIOps從詞來看，應(yīng)該包括“AI+Ops”，是用AI賦能運(yùn)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(yùn)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(yùn)維場景，另一種是算法實(shí)現(xiàn)原來無法實(shí)現(xiàn)的運(yùn)維場景。前者是一個(gè)快速見效的模式，后者是應(yīng)對變化而做出的變化。運(yùn)維知識描述了大量運(yùn)維領(lǐng)域的相關(guān)對象定義、技巧，以及排故/解決經(jīng)驗(yàn)的信息。通過構(gòu)建運(yùn)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(dòng)挖掘各類運(yùn)維主體，對其特性進(jìn)行畫像和結(jié)構(gòu)化描述，動(dòng)態(tài)記錄運(yùn)維主體之間的關(guān)聯(lián)關(guān)系，可以幫助IT人員實(shí)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(diǎn)在于：是否能自動(dòng)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。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(yùn)維的強(qiáng)烈需求。數(shù)據(jù)顯示，2020年中國IT智能運(yùn)維市場規(guī)模為560.8億元，年復(fù)合增速為20.1%，預(yù)計(jì)未來以15.9%復(fù)合增速擴(kuò)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(dòng)企業(yè)上云實(shí)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(dòng)智能運(yùn)維領(lǐng)域的發(fā)展。但必須承認(rèn)的是，我國智能運(yùn)維還處在起步階段。
盡管國內(nèi)運(yùn)維行業(yè)在2016年前后迎來了一波融資熱，但目前運(yùn)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(yùn)維需要高質(zhì)量的標(biāo)注數(shù)據(jù)，但運(yùn)維數(shù)據(jù)積累明顯不足，至少還需積累3-5年。事實(shí)上，產(chǎn)品不落地、善于融資、估值虛高，是一些智能運(yùn)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(qiáng)，很多都是利用國外的開源代碼，有的公司甚至將幾個(gè)開源產(chǎn)品拼湊在一起，內(nèi)部之間仍是相互獨(dú)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(yùn)維支持。因此，盡管隨著技術(shù)的發(fā)展，運(yùn)維行業(yè)已初步進(jìn)入自動(dòng)化、智能化初級階段，但現(xiàn)階段運(yùn)維仍舊是一個(gè)“費(fèi)人”的行業(yè)。為了規(guī)范國內(nèi)智能運(yùn)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(yùn)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(gè)智能運(yùn)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(xiàng)。在《智能化運(yùn)維AIOps能力成熟度模型》中，面向智能運(yùn)維整體能力建設(shè)，規(guī)定了對IT系統(tǒng)或平臺進(jìn)行智能化運(yùn)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(yùn)維能力的實(shí)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(yùn)維方向的相關(guān)實(shí)踐落地。“建立一個(gè)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(hù)的系統(tǒng)?！边@是吉姆·格雷（Jim Gray）在1999年獲得圖靈獎(jiǎng)時(shí)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(shí)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(yùn)維領(lǐng)域帶來效率上的質(zhì)變已肉眼可見。這個(gè)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(jià)值。
|
