智能化运维场景分析

Posted 2022-08-18 key_3_feng

传统的系统运维是一项存在大量重复和复杂、烦琐的工作，靠的是运维人员的人海战术，每个人或每个小组负责一块，等待预警和报障，被动处理。尽管系统运维技术在不断进步，但实现上IT运维人员并未真正解放，目前，许多企业的系统开启和关闭、系统更新升级、应急操作等绝大多数工作都是手工完成。即便是问题排查，还需要运维人员逐一登录每台主机上通过命令行的方式进行查看。而这样的事情每天都在发生，占用了大量的运维资源。

在当下存在云平台、大数据和海量设备的情况下，传统的运维模式必须改变，而未来的IT系统运维也不只是对设备的监控、软件的部署升级和系统运行的问题处理，它将是一个更加立体、更加智能化的防护网络。智能运维技术在企业的落地，不是一蹴而就的，是一个渐进的过程。人工智能在运维中的应用还处于探索阶段，就像无人驾驶一样，未来前景很光明，但任重道远。目前阶段智能化运维首要任务还是通过智能化、自动化的工具把运维人员从简单重复的工作中解放出来，可以从以下几个方面展开。

1、自动化日常巡检

自动化日常巡检工作是IT部门日常运维工作中每天都要定时执行的工作，巡检工作内容简单但是需要重复执行，占用了IT运维人员大量的工作时间。通过自动化日常巡检可以将硬件状态、设备负载、系统时间、磁盘空间、网络流量、数据库表空间使用率、网络设备的端口状态等进行自动收集，并形成符合用户要求的巡检报告。

2、自动化故障修复

监控是IT运维的基本功能，当告警明确后就需要进行故障处理。故障处理可以分为3个阶段：故障发现、告警、故障修复。故障发现和告警就是收集大量的告警，通过知识库匹配，找出故障的原因，生成处理策略。当无法确认故障原因时，就必须进行人工干预和确认，如果找出原因并生成了处理策略，则通过程序脚本自动完成故障修复。

3、自动化容灾

容错灾备中心切换是运维工作的一个重要组成部分，也是容灾容错的主要手段。目前的容灾容错基本上都是异地双活模式，即在不同的地方建立多个数据中心，根据策略多个中心共同分担系统流量，中心间实现数据同步，当其中一个中心出现故障，即刻切换到任意一个数据中心。自动化容灾容错还是比较容易实现的，需要把系统监控与服务路由结合起来，如当运维平台检测网络不通或者系统宕机时就可以自动更改服务路由策略，实现自动切换。

4、自动化配置管理

配置库是记录和管理IT系统运行环境的基础组件，当公司的运行环境越来越庞大时，对这些基础组件的管理变成配置管理员的巨大工作量，尤其是这些组件还在不停地变化和关联。最好的方式是能自动从生产环境中提取配置库信息，自动更新到配置库中，保持配置库和生产环境的一致性。要实现对配置库的自动更新和同步，需要对应用系统进行标准化改造，例如规范化的安装路径、统一版本等，这将有助于工具提取应用程序配置项的基本信息，最终实现配置项和属性的自动更新。

5、自动化资源申请

以后基于能力构建前台应用将会成为常态，这种应用常常是一些创新业务，比较灵活，很难评估业务量的增长速度和规模。如果资源准备不足，可能会影响最终用户的用户体验和消费行为，如果一步到位投入过多的资源，有可能导致极大的资源浪费。如何破局？我们可以结合资源监控的手段，对一组或多组资源指标进行有效监控，根据资源使用情况进行动态伸缩。当资源不足时，按约定的规模比例部署节点，并加入到当前的运行环境。当资源利用率很低时，又可以回收资源，避免资源的浪费。这方面我们的应用托管平台就是一个很好的实现。

6、自动化应用发布

自动应用发布已是微服务架构的必备能力，就是打造DevOps软件生产流线，让应用发布这种日常重复和频繁的工作变成自动化实现。这部分内容可以参考DevOps实现部分。