|
在IT行业，运维人常常自我调侃“赚着5k的月薪，操着5千万的心，名下挂着5亿的资产”。机房的暖通、网络、综合布线，系统的监控告警、故障响应等一大堆繁杂琐碎的工作，充斥着运维人的日常。与开发和产品相比，运维更像是一个后勤角色，这一行业也长期处于公众视野的暗处。随着云计算、大数据、人工智能等技术的兴起，运维行业也迎来了新的技术变革。2016年，Gartner提出智能运维AIOps的概念，旨在使用大数据、机器学习等方法来提升运维能力，其目的是进一步降低自动化运维中人为干扰，最终实现运维无人化、自动化。Gartner预测，到2020年，AIOps的采用率将会达到50%。一种新的工作模式出现，必然会对原来稳定的工作模式进行改变，改变通常会受到新挑战，所以新工作模式需要能解决当前运维工作中遇到的难题而出现。以金融行业的业务连续性管理为例，目标是提高公司的风险防范能力、有效地减少非计划的业务中断、防范运维操作风险，对于首次出现的未知异常能够利用工具量化分析并快速定位，确保在重大灾难性事件发生后能按计划恢复业务连续性。在面对当前复杂的技术架构、不断引入的创新技术之下，传统运维团队原来被动救火式、问题驱动式的经验运维，已经很难实现业务连续性的保障目标。金融企业运行安全稳定，需要运维数据赋予数据洞察、辅助决策、跟踪执行的能力，提升复杂环境下的运维管理能力。例如：实时获得“发生了什么”？关联分析“为什么会发生”？智能预测“将会发生什么”？决策判断“采取什么措施”？自动执行“如何快速执行”？实时感知“工作执行的效果”？AIOps就是为了解决上述问题而生，其价值在于通过机器学习来进行运维数据的挖掘，帮助人甚至代替人进行更有效和快速的决策，从而提升业务系统的SLA，减小故障处理的时间等，带来业务的价值，并最终实现真正意义上的无人值守运维。如Gartner定义中提出，AIOps应用需要利用大数据，现代机器学习技术和其他高级分析技术，是一种相对较高门槛的工作模式。为了更好地落地AIOps，运维组织需要深刻地理解AIOps的内涵，重点实现思路分为以下几个方面：数据为先，AIOps需要快速生产高质量数据的能力。“快速”的思路可以以“中台”思路进行建设，建立统一的数据采控、实时与批量的数据处理能力、与运维相匹配的运维算法、存储方案、主数据、指标模型等；“高质量”则从将分散数据统一、在线后形成“活数据”，以及数据质量上的治理。从技术实现看，具备实时“采、存、算、管、用”的数据流动全生命周期管理的能力。数据存储是根据数据类型、数据应用特点对数据进行归档、整理、传输、共享；数据计算包括数据标注、清洗、建模、加工、标准化、质量监控，以及为了获得数据洞察、决策、执行而对数据进行分析统计；数据管理重点围绕数据治理，包括运维数据标准、主数据、元数据、数据质量、数据安全的管理；数据使用重点围绕数据服务角度涉及的数据目录、服务门户，以及配套的数据服务化能力。算法大脑，适配、引入特定场景下运维算法，构建算法模型体系。机器学习尤其是深度学习的大规模应用，推动了人工智能的快速发展。随着国内TO B市场的火爆，AIOps上人工智能研究及应用正处于爆发期，引入AI技术的算法有三点优势：一是工作稳定性高，人工智能可不知疲倦地进行工作，在规律性问题的分析时不受环境影响。二是降低操作风险，利用人工智能取代传统人工经验操作，可更好地避免操作风险和道德风险。三是有效提高决策效率，人工智能可以快速地对大数据进行筛选和分析，帮助人们更高效率地决策。场景驱动，以痛点、价值期望切入点，用智能赋能运维场景，落地智能运维能力。AIOps从词来看，应该包括“AI+Ops”，是用AI赋能运维场景的模式。有了上面提到的数据底座与算法大脑，下一步是AIOps运维模式的落地，主要将围绕场景的落地：一种是利用算法赋能已有的运维场景，另一种是算法实现原来无法实现的运维场景。前者是一个快速见效的模式，后者是应对变化而做出的变化。运维知识描述了大量运维领域的相关对象定义、技巧，以及排故/解决经验的信息。通过构建运维知识图谱，利用自然语义等算法技术，从海量数据中自动挖掘各类运维主体，对其特性进行画像和结构化描述，动态记录运维主体之间的关联关系，可以帮助IT人员实现故障链传播分析、根因定位、智能的变更影响分析、故障预测等多种AIOps场景。值得注意的是，软件的一些“算法逻辑”不代表真正的AIOps，判断是否是真正AIOps的关键点在于：是否能自动从数据学习中总结规律，并利用规律对当前的环境给予决策建议。AIOps的概念非常美好，应用空间也相当广阔。除了互联网，在金融、物联网、医疗、通信、工业等领域，均表现出对智能运维的强烈需求。数据显示，2020年中国IT智能运维市场规模为560.8亿元，年复合增速为20.1%，预计未来以15.9%复合增速扩张，2025年市场规模达1093.5亿元，表现出较大的市场潜力。目前，我国政府部门也陆续出台《推动企业上云实施指南（2018-2020年）》《国家新一代人工智能标准体系建设指南》等一系列政策，推动智能运维领域的发展。尽管国内运维行业在2016年前后迎来了一波融资热，但目前运维行业整体还比较落后。一方面，技术有限，在线系统本身具有规模性和复杂性，是需要长期投入的研究领域；另一方面，智能运维需要高质量的标注数据，但运维数据积累明显不足，至少还需积累3-5年。事实上，产品不落地、善于融资、估值虚高，是一些智能运维公司给业内人留下的印象。目前国内大部分公司在技术层面的原创力都还不够强，很多都是利用国外的开源代码，有的公司甚至将几个开源产品拼凑在一起，内部之间仍是相互独立、割裂的，没有彼此打通，以至于最后的方案也不怎么好用，需要大量的人力运维支持。因此，尽管随着技术的发展，运维行业已初步进入自动化、智能化初级阶段，但现阶段运维仍旧是一个“费人”的行业。为了规范国内智能运维领域的发展，中国信息通信研究院发布了《智能化运维AIOps能力成熟度模型》系列标准。在此内容基础上，由中国信通院牵头的国内外首个智能运维（AIOps）国际标准在国际电信联盟第十三研究组ITU-T SG13也已成功立项。在《智能化运维AIOps能力成熟度模型》中，面向智能运维整体能力建设，规定了对IT系统或平台进行智能化运维的参考框架及分级评估方法，提出了关于企业建设智能化运维能力的实施路径，能够指导国内互联网和传统行业在智能运维方向的相关实践落地。“建立一个可供数百万人每天使用，但只需一名兼职人员管理和维护的系统。”这是吉姆·格雷（Jim Gray）在1999年获得图灵奖时对无故障服务器系统的畅想。如今，随着AIOps的开发，我们比以往任何时候都更接近这一愿景，并有望超越这一愿景。尽管AIOps仍处于起步阶段，但智能化给运维领域带来效率上的质变已肉眼可见。
|
