資訊專欄INFORMATION COLUMN
摘要：陳旭相信的發(fā)布將開啟人工智能技術與傳統(tǒng)運維碰撞顛覆的新時代。我卻認為是一場顛覆傳統(tǒng)運維的盛筵。綜上所述，的確是一場對于傳統(tǒng)運維工具的顛覆革命，每個企業(yè)都應該從現(xiàn)在開始，關注并嘗試使用智能運維平臺。
“顛覆傳統(tǒng)運維?！笔?OneAPM CEO 陳旭經(jīng)常掛在嘴邊的一句話。為什么說 AIOps 將顛覆傳統(tǒng)運維?如何才能把人工智能和運維管理相結合并落地?2018年5月，OneAPM 推出了全新的 AIOps 平臺 Intelligence
Insight(簡稱 I2)并正式啟用 aiops.com 域名作為企業(yè)級運維產(chǎn)品的官方網(wǎng)站。I2 是一個面向企業(yè)級 IT 運維管理現(xiàn)狀，將多年領先的 ITOM
產(chǎn)品研發(fā)和實施經(jīng)驗與人工智能技術相結合，服務于 IT 和業(yè)務部門的全新智能運維管理平臺。陳旭相信 I2 的發(fā)布將開啟人工智能技術與傳統(tǒng)運維碰撞顛覆的新時代。以下是陳旭對 AIOps 的一些見解和分享。
AIOps 這個話題近兩年開始在運維圈子里面火了起來。一夜間傳統(tǒng)和新興的運維管理軟件供應商，IT 運維系統(tǒng)開發(fā)商，大數(shù)據(jù)廠商，人工智能算法提供商，還有 BAT，大家都在談論這個話題。大有“談運維不提 AI(人工智能)就有些落伍”之勢。有人認為 AIOps 是一個運維數(shù)據(jù)集中存儲和展示的平臺，有人認為 AIOps 是一個大數(shù)據(jù)分析平臺，有人認為 AIOps 是傳統(tǒng)的一體化運維平臺，也有不少運維大咖認為 AIOps 不過就是IT運維領域一個新的炒作點。我卻認為 AIOps 是一場顛覆傳統(tǒng)運維的盛筵。它更像是一只運維領域里面的灰犀牛，從遠方奔騰而來，開始所有運維廠商都不覺得威脅很大，但是當它沖到近前，才發(fā)現(xiàn)勢不可擋。讀者可能認為這是在聳人聽聞，請容我細細道來。
我們先來簡單看一下 AIOps 的概念。AIOps 是由 Gartner 定義的 ITOM(IT Operations Management，IT 運維管理)新的領域。如下圖所示，AIOps 利用大數(shù)據(jù)和機器學習技術，實現(xiàn)海量數(shù)據(jù)的異常檢測和多維度關聯(lián)分析，它將增強或部分取代 ITOM 領域的三個重要能力，即監(jiān)測，服務管理和自動化，進一步幫助 IT 運維人員準確甄別系統(tǒng)異常，快速定位故障根因，并對潛在系統(tǒng)運行風險進行預警，以實現(xiàn) IT 和業(yè)務的持續(xù)洞察和改進。
其次，AIOps 與傳統(tǒng)運維工具相比較，至少具有三大殺手锏。
一是，傳統(tǒng)運維工具一個最大的問題就是運維指標采集維度過于單一，運維人員在使用傳統(tǒng)運維工具進行故障診斷時，要同時從多種監(jiān)控工具中得到不同維度的運維指標，然后再把這些數(shù)據(jù)在大腦里面相互關聯(lián)并根據(jù)以往運維經(jīng)驗進行關聯(lián)分析，以期能找到故障的真正原因。但是，AIOps 產(chǎn)品則完全區(qū)別于傳統(tǒng)運維工具的數(shù)據(jù)使用方式，AIOps 產(chǎn)品會在底層通過統(tǒng)一的大數(shù)據(jù)平臺把各類運維指標進行匯聚和加工，將性能指標、組件指標、網(wǎng)絡指標、事件、告警、日志、工單等 IT 數(shù)據(jù)在統(tǒng)一的視圖上進行關聯(lián)展現(xiàn)，從而大大減少了運維人員的故障診斷時間，并提升了運維人員的故障診斷準確性。
二是，傳統(tǒng)運維工具由于體系架構比較陳舊、采集數(shù)據(jù)總量和維度又都相對有限，無法應用當下最先進的機器學習或者人工智能算法來快速診斷系統(tǒng)故障。而近兩年才發(fā)展起來的 AIOps 平臺則明顯架構更加先進、一個平臺可以很容易得匯聚海量、多維度的IT數(shù)據(jù)，能夠接入多種機器學習和智能分析算法，通過對歷史數(shù)據(jù)的訓練，針對實時數(shù)據(jù)進行實時的異常檢測、異常定位、根因分析、容量預測等，從而極大幅的降低現(xiàn)場故障處理時間，提升運維服務質(zhì)量和最終用戶體驗。
三是，一個最讓甲方運維領導頭痛的事就是，由于傳統(tǒng)運維工具通常由不同廠商提供，這就導致了甲方需要準備很多運維工程師在現(xiàn)場來使用不同廠商的運維產(chǎn)品做 IT 支撐保障。一旦 IT 系統(tǒng)發(fā)生故障，一個典型的場景就是，使用多個運維產(chǎn)品的工程師們聚在一起開會討論，但是由于代表的各自利益不同，不同廠商運維人員現(xiàn)場開撕的情況比比皆是，實在令人無奈!這直接導致了傳統(tǒng)的中大型企業(yè)日常需要大量的運維工程師駐場工作，必然會產(chǎn)生繁雜的現(xiàn)場管理矛盾，而且隨著 IT 技術人員薪酬的持續(xù)攀升，運維駐場人員越來越稀缺和昂貴，IT 運維成本隨之大幅增加。AIOps 平臺則顯著區(qū)別于傳統(tǒng)運維工具，它完全不需要大量的運維人員。
平臺自身可以采集多維度、海量的IT數(shù)據(jù)，只要有少量的熟悉 AIOps 產(chǎn)品的運維工程師即可實現(xiàn)中大型企業(yè)的日常 IT 支撐保障，由于 AIOps 將海量事件進行了聚合匯總分析，只產(chǎn)生少量的準確告警，有利于現(xiàn)場人員更加快速高效的處理現(xiàn)場故障，并支持將故障處理方法固化在知識庫系統(tǒng)，以便于向更加智能的自動化運維演進。
綜上所述，AIOps 的確是一場對于傳統(tǒng)運維工具的顛覆革命，每個企業(yè)都應該從現(xiàn)在開始，關注并嘗試使用智能運維平臺。
OneAPM 全新推出新一代 AIOps 平臺 I2，歡迎您隨時聯(lián)系我們，即刻開啟貴公司的智能運維之旅。點擊進入 AIOps 官網(wǎng)了解更多信息。
文章版權歸作者所有，未經(jīng)允許請勿轉載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉載請注明本文地址：http://systransis.cn/yun/8048.html
摘要：作者介紹王藝，百度云智能運維架構研發(fā)負責人。年轉向運維方向，作為智能運維架構方向的技術負責人，致力于為百度智能運維平臺和產(chǎn)品提供高性能高可用可擴展的系統(tǒng)架構和基礎設施。持續(xù)的數(shù)據(jù)建設，是智能運維建設的關鍵。 作者介紹王藝，百度云智能運維架構研發(fā)負責人。2010年加入百度，先后負責百度鏈接庫、百度志愿計算、百度統(tǒng)一資源管理的研發(fā)，經(jīng)歷過千億級網(wǎng)頁鏈接的洗禮，也調(diào)度過數(shù)十萬量級的服務器，熱衷于直...
摘要：劉超，網(wǎng)易云計算首席架構師，有多年的云計算架構與開發(fā)經(jīng)歷，積累了豐富的企業(yè)級應用的微服務化，容器化實戰(zhàn)經(jīng)驗。近日，記者對劉超進行了采訪，跟大家分享了微服務實戰(zhàn)的挑戰(zhàn)和一些常見的微服務誤解，以及他對微服務發(fā)展趨勢的判斷。 劉超，網(wǎng)易云計算首席架構師，有10多年的云計算架構與開發(fā)經(jīng)歷，積累了豐富的企業(yè)級應用的微服務化，容器化實戰(zhàn)經(jīng)驗。劉超將擔任今年 5 月份 QCon 全球軟件開發(fā)大會廣州...
摘要：從那個時候開始，我就開始用一些機器學習人工智能的技術來解決的運維問題了，有不少智能運維的嘗試，并發(fā)表了不少先關論文和專利。而處理海量高速多樣的數(shù)據(jù)并產(chǎn)生高價值，正是機器學習的專長。也就是說，采用機器學習技術是運維的一個必然的走向。 大家上午好，非常榮幸，能有這個機會，跟這么多的運維人一起交流智能運維。最近這兩年運維里面有一個很火的一個詞叫做AIOps(智能運維)。我本人是老運維了，在2000...
摘要：目前，網(wǎng)易云輕舟微服務平臺已經(jīng)應用于銀行證券視頻監(jiān)控物流工業(yè)等行業(yè)不少中大型企業(yè)，幫助其實施微服務化改造，建設符合行業(yè)特點的業(yè)務中臺，支撐企業(yè)數(shù)字化戰(zhàn)略的落地。 微服務技術由于天生支持快速迭代、彈性擴展的特點，使企業(yè)能夠在不確定性下提升發(fā)展速度及抗風險能力，受到了越來越多的關注。當前，云服務商紛紛試水微服務產(chǎn)品，最為典型的，當屬推出輕舟微服務平臺、劍指整個微服務應用生命周期的網(wǎng)易云。 ...
摘要：當云平臺出現(xiàn)網(wǎng)絡故障系統(tǒng)故障等問題，這對云租戶用戶有時甚至是致命的，所以不少是由高級別開發(fā)人員轉型而來。目前國內(nèi)各大云廠商也基本都提供了應用運維平臺，包括騰訊藍鯨阿里華為等。 DevOps 全鏈路 下圖是我們熟知的軟件研發(fā)環(huán)節(jié)，在迭代頻率高的研發(fā)組織里，一天可能要經(jīng)歷多次如下循環(huán)。對于用戶群體龐大或者正在經(jīng)歷大幅業(yè)務擴張的企業(yè)研發(fā)組織，除了重點關注應用的快速上線之外，如何保障應用的高可...
閱讀 1373·2021-11-22 09:34
閱讀 2232·2021-10-08 10:18
閱讀 1781·2021-09-29 09:35
閱讀 2524·2019-08-29 17:20
閱讀 2186·2019-08-29 15:36
閱讀 3448·2019-08-29 13:52
閱讀 835·2019-08-29 12:29
閱讀 1233·2019-08-28 18:10
