从APM到AIOps华青融天如何解决棘手运维难题

Posted 2021-04-24 IT168企业级

人工智能和机器学习技术的发展，推动大量依赖人脑决策和手工操作的IT 运维向着AIOps智能运维的方向快速前进。特别是当机器学习算法与基于大数据的业务运维管理平台整合，在告警过滤、异常监测、自动修复等环节发挥效用，就能把CIO和IT部门从繁复耗时、容易出错的基础运维工作中彻底解放出来，专注于更有价值的业务运维。

纵观目前涉及AIOps的厂商，有两个技术流派。其一是从传统底层基础设施运维中走出来，借助机器学习技术，向上去与业务运维管理平台整合。其二是从业务性能监控解决方案出发，配合运维数据平台和数据分析大脑，通过自动分析监控数据并给出运维决策建议，大幅度提升运维决策的时效性和准确性。

“自上而下”的运维模式

华青融天就属于后者。至于两种技术流派的区别，华青融天产品解决方案总监包彤举例谈到，“对于华青融天所服务的金融大型客户来说，最需要的是从上往下的运维模式，比如有时候CPU 80%系统告警，如果对用户体验没有影响，那就不那么紧急;但如果CPU占用没那么高，但用户已经抱怨得很厉害了，就要尽快处理。”

华青融天产品解决方案总监包彤

也正是因为这样，华青融天新一代AIOps产品EZSonar4.0版本，在原有基础上历时一年多才完成升级迭代，从数据采集、传输到存储分别使用了自主研发的探针、Kafka和大数据搜索引擎ElasticSearch。华青融天技术总监王勇谈到，对这几个模块进行实时监控就可以有效的了解系统自身运行状态，一旦发现异常可以快速处置，而且通过长时间的监测积累，可以为诊断系统瓶颈，进而评估硬件是否需要扩容提供有力依据，最终把产品作为一个可以吸收其他数据，以根因、分析为目标的综合性的运维数据平台。

不仅如此，EZSonar4.0为了降低系统复杂度且易扩展新功能，采用了微服务的设计思想，对于开发人员可以集中在较短的时间周期内完成服务的开发，也就避免因代码交接工作不充分造成的很多遗留问题，另外由于每个服务的代码量较小，即使有新人来接手也会较容易弄清楚系统的逻辑，也就方便了问题的修复和新功能的添加。另外，由于每个微服务是一个独立的系统，可以采用单独的技术架构和开发语言，这就使得更多新的技术施用于新的应用中，带来了技术创新和崭新的开发理念。

多维度关联分析 定位问题 解决问题

借助华青融天EZSonar4.0强大的可视化仪表盘功能，不仅大大提升了仪表盘展示的可视性和配置的便捷性，让用户亲身参与到监控场景的定制中来，同时改变了过去将仪表盘简单视为一种工具的认识，可视化仪表盘实际上提供了一个按场景定制的可视化平台，并支持用户根据需要随时调整监控策略。用户可根据自己关注的业务场景，对监控内容进行灵活调整，往往能发现更多看不见的价值。

华青融天技术总监王勇

在日常运维工作中，当运维人员在业务墙上发现了告警提示，可以点击告警进入“业务路径”观察在路径上相邻的节点或连线间都产生了哪些告警提示，然后依次点击查看各节点对应的指标数据，如果需要查看更多维度关联后的指标数据，点击“多维分析”可手动配置对多维度进行关联，展现明细数据。运维人员根据更多详细数据，结合自己对系统结构的认知，依次推断，逐项排查可能的问题点，最终定位问题根源。

至于能不能再“激进”一些，做到省略排查过程，直接由系统告知原因呢?包彤谈到，华青融天开始将AI方法拓展到异常分析的领域，正在与清华大学AIOps实验室的教授专家们在探讨模型，试图延伸和串联起异常发现、异常分析到异常定位完整异常诊断流程，后续会把这些功能加入到产品中。

尽管目前还需要积累更多的业务数据对算法进行训练，根据实际业务的需要对算法进行契合调整，相信很快华青融天能基于金融、保险、税务等相关行业串联起更多的业务场景，支撑起AIOps应用的一片天地。

IT168企业级

让一部分人先看到企业IT的未来