AIOps | 运维新姿势

Posted 2021-04-24 IT运营公社

AI人工智能技术近几年发展得如火如荼，而随着深度学习技术的成熟，AI也正在逐步从尖端技术慢慢变得普及，AI目前已经可以实现很多功能了，如语音识别、自然语言理解、数据挖掘、计算机视觉等。除此之外，现在又多了一个落地应用——这是一座尚未开采的金矿——AIOps。

2016年，Gartner定义了一个新名词——AIOps，即基于算法的IT运维（Algorithmic IT Operations），这可能和你的第一反应Artifical Intelligence Operations有所偏差，不过本质上意义是一样的。Algorithmic IT Operations源自业界之前所说的ITOA（IT Operations and Analytics），算法的效率提升了 AIOps 的价值，通过持续学习，智能运维将把运维人员从纷繁复杂的告警和噪音中解放出来，运维插上了机器学习和算法的虎翼，将变得更自动化、智能化。Gartner 的报告宣称，到 2020 年，将近 50% 的企业将会在他们的业务和 IT 运维方面采用 AIOps，远远高于今天的 10%。

智能运维的必要性相信不必多言，如今的IT基础架构相比于前五年，前十年，规模和复杂度都呈倍数增长，服务数量更是呈指数增长，早期的运维方式已经无法负荷愈加沉重的工作量，而人工智能的发展给运维带来了契机，AIOPS应运而生。

1

 IT 运维发展历程

人工运维时代

初期阶段IT基础设施通常处在小规模状态。几台至几十台机器的规模，足以满足业务需求。早期一般企业采用的都是人工运维，决策分析几乎完全由人工完成。

自动化运维时代

随着云时代到来，IT基础设施迅速发展成几百上千台服务器，更多的业务系统上线，因此，各类孤岛式的运维管理工具也开始上线，提升运维效率。

DevOps 时代

DevOps是一组过程、方法与系统的统称，企业希望将原本笨重的开发与运维之间的移交过程变得流畅无碍，便可借助DevOps来完成，DevOps的目标是流程的自动化，让代码完成过去手工的工作，从而大大节省成本。

AIOps时代

AIOps智能运维，用机器学习方法做决策分析，算法的效率提升了 AIOps 的价值，通过持续学习，智能运维将把运维人员从纷繁复杂的告警和噪音中解放出来。

2

 AIOps智能运维如何做好?

清华计算机系副教授，智能运维算法专家裴丹教授为我们提出了如下见解。

机器学习本身有很多成熟的算法和系统，及其大量的优秀的开源工具。如何成功的将机器学习应用到运维之中？还需要以下三个方面的支持：

1. 数据。互联网应用本身具有海量的日志。需要做优化存储。数据不够还需要自主生成。

2. 标注的数据。日常运维工作会产生标注的数据。 比如出了一次事件后，运维工程师会记录下过程， 这个过程会反馈到系统之中， 反过来提升运维水平。

3. 应用。运维工程师是智能运维系统的用户。用户使用过程发现的问题可以对智能系统的优化起正向反馈作用。

3

AIOps落地谁家？

Google | 数据中心人工智能模型

早在2014年，人工智能就在IT运维领域有所应用，在Google，人工智能是提高各个大型数据中心效率的重要工具。

Google使用“类神经网络”技术分析其众多数据中心的工作情况，并根据所得数据进行维护。这个“类神经网络”的核心部分其实是一些算法，可以识别模型（patterns），并根据相应模型做出判断，即Google使用这些算法管理数据中心。它们无法超越人脑，但在某些情况下却更快，更全面。

从具体来看，每隔几秒，Google就会收集数据中心所有的处理信息，从设备耗能多少，到硬件冷却到室温需要多少水无一不包括。Google数据中心青年工程师Jim Gao就是使用这些数据构造人工智能模型，在不同条件下预测数据中心效率。如果数据中心的效率低于模型预测，公司就会收到相关信息。这个模型，同样可以帮助Google决定何时管理数据中心的设备，比如何时清理热交换器，提高设备冷却性能。这样一来，这个模型具有辨别功能，解放了Google的工程师们，也大大提高数据中心的运维效率。

百度 | 基于日志 trace 的智能故障定位

结合机器学习技术的进步，百度实现了一套基于日志 trace 的智能故障定位系统及其背后的一套技术方案，最终能够实现 WQPS/sec 的 PV 根因定位能力，并能够根据根因做统计上的多维度汇聚，该系统应用于百度核心搜索系统，极大的提升了重大异常问题定位效率。

阿里 | 机器学习在大规模服务器治理复杂场景的实践

云、支付和交易的程序通过虚拟化打散在百万级的服务器上， 面对如此庞大的基础设施， 传统的运维方法受到了极大地挑战。海量告警无法及时处理、脏数据影响定位、批量问题如何提炼。

在无高质量样本的情况下，通过关联分析和异常检测算法，构建算法闭环。自动迭代，让批量问题的预测精度不断提高。打通故障定位和装机系统，提供从发现 ->定位 ->跟踪 ->修复的一站式解决方案。

各个行业的企业正在采用AIOps——银行、娱乐、交通、零售，甚至政府。从运维的发展角度看， AIOps 是必然趋势，将为企业带来最直接最深远的价值。

原文来自互联网，侵删。

ServiceHot IT服务运营管理平台（ITSOM），一款专业的云运维管理平台，现提供免费试用哦！