IT运维的新风口：AIOps

Posted 2021-04-24 51CTO技术栈

Gartner 在 2016 年时便提出了 AIOps 的概念，并预测到 2020 年，AIOps 的采用率将会达到 50%。

何为 AIOps

AIOps 是 Artificial Intelligencefor IT Operations 的缩写，指 IT 运营方面的人工智能。

它是一个多层技术平台，通过使用习惯和深度机器学习来分析从各种 IT 操作工具和设备收集的大数据，以实时自动发现问题并对问题做出反应，最终实现 IT 运营的增强和自动化。

不同于单独的 IT 数据，它将观测数据（监控系统和作业日志中的观测数据等）与大数据平台内的参与数据（通常在事件和事件记录中找到）结合起来。  

AIOps 针对组合的IT数据实施全面的分析和机器学习（ML）策略，期望得到持续的分析结果，其中最重要的步骤是自动化改进和修复。从这个意义上来说，AIOps 就是核心IT功能的持续集成和部署（CI / CD）。

AIOps 连接三个不同的 IT 学科：服务管理，绩效管理和自动化，以实现持续洞察和改进的目标。

AIOps 的优势价值？

故障处理和操作变更是运维两大主题。在过去，为维护系统稳定，各业务线都投入大量人力进行故障处理工作，除直接人肉运维外，各产品线深度定制的运维工具、系统被研发出来。

随着业务规模扩张和形态变迁，传统运维模式受到极大挑战：

• 无统一的开发管理模式，运维服务开发及维护成本大，运维效率低。

• 横向扩展能力差，运维经验难以复用，各产品线”重复造轮子”。

智能运维开发框架，提供了一种以软件工程方式解决运维问题的解决方案。通过提供统一的开发模型和管理机制，支持不同产品线运维操作的设计、实现和管理。从而：

• 降低设计、开发难度与成本，使业务 OP 专注自身的业务逻辑，提高开发和迭代效率。

• 促进基于代码的跨产品线经验积累与分享，提升百度整体的业务运维能力。

• 充分运用和发挥自动控制、机器学习、人工智能等领域的技术成果，提高运维效率。

落地 AIOps 的前提条件

AIOps 的首要前提条件，一定是先要有高度完善的运维自动化，如果自动化都没做好，先不要玩 AI，否则就会本末倒置。

而从 AI 的角度，应该有三个方面的充要条件：机器学习算法、计算能力（类似于 GPU 的高性能设备）、海量数据，对应到 AIOps 的三个方面即：

1、算法已经成熟，但是具体的实施过程中需要有相应专业能力的团队。

2、数据就是要靠线上运行的真实数据和日志，所以必须要有大量的数据积累。

3、计算能力上，目前看到我们基于大数据技术的数据处理能力已经足够。

从这三个条件来看，也就不难理解，AIOps 做的比较超前的为什么都是那些国内外的大厂，因为有技术实力、有足够的资源、有足够的数据，最关键的是足够复杂和变态的业务场景以及运维场景，在倒逼着 Ops 往这个方向上走。

运维未来的发展趋势

就目前来看，国内的百度、搜狗、宜信、阿里巴巴都已经探索尝试了 AIOps，并且取得了不错的收益。

从技术发展上来看，随着计算能力、数据量的积累、以及机器算法的进步，如何更加高效的开展 Ops 这个问题就摆在我们面前，AIOps 的魅力就在于此。

所以从手动运维到运维自动化，再到 AIOps，这个过程根本上是在朝着如何更加高效运维的趋势在发展，也是必然的发展趋势。

那么，如果您想对 AIOps 有一个更深刻的理解与认识的话，欢迎点击下方播客内容，我们将就阿里监控平台从自动化到智能化发展之路进行精彩分享哦~