AIOps 一場顛覆傳統運維的盛筵

「顛覆傳統運維。」是 OneAPM CEO 陳旭常常掛在嘴邊的一句話。爲何說 AIOps 將顛覆傳統運維?如何才能把人工智能和運維管理相結合並落地?

2018年5月，OneAPM 推出了全新的 AIOps 平臺 Intelligence
Insight(簡稱 I2)並正式啓用 aiops.com 域名做爲企業級運維產品的官方網站。I2 是一個面向企業級 IT 運維管理現狀，將多年領先的 ITOM
產品研發和實施經驗與人工智能技術相結合，服務於 IT 和業務部門的全新智能運維管理平臺。陳旭相信 I2 的發佈將開啓人工智能技術與傳統運維碰撞顛覆的新時代。

如下是陳旭對 AIOps 的一些看法和分享。

AIOps 這個話題近兩年開始在運維圈子裏面火了起來。一晚上間傳統和新興的運維管理軟件供應商，IT 運維繫統開發商，大數據廠商，人工智能算法提供商，還有 BAT，你們都在談論這個話題。大有「談運維不提 AI(人工智能)就有些落伍」之勢。有人認爲 AIOps 是一個運維數據集中存儲和展現的平臺，有人認爲 AIOps 是一個大數據分析平臺，有人認爲 AIOps 是傳統的一體化運維平臺，也有很多運維大咖認爲 AIOps 不過就是IT運維領域一個新的炒做點。我卻認爲 AIOps 是一場顛覆傳統運維的盛筵。它更像是一隻運維領域裏面的灰犀牛，從遠方奔騰而來，開始全部運維廠商都不以爲威脅很大，可是當它衝到近前，才發現勢不可擋。讀者可能認爲這是在聳人聽聞，請容我細細道來。

咱們先來簡單看一下 AIOps 的概念。AIOps 是由 Gartner 定義的 ITOM(IT Operations Management，IT 運維管理)新的領域。以下圖所示，AIOps 利用大數據和機器學習技術，實現海量數據的異常檢測和多維度關聯分析，它將加強或部分取代 ITOM 領域的三個重要能力，即監測，服務管理和自動化，進一步幫助 IT 運維人員準確甄別系統異常，快速定位故障根因，並對潛在系統運行風險進行預警，以實現 IT 和業務的持續洞察和改進。

其次，AIOps 與傳統運維工具相比較，至少具備三大殺手鐗。

• 一是，傳統運維工具一個最大的問題就是運維指標採集維度過於單一，運維人員在使用傳統運維工具進行故障診斷時，要同時從多種監控工具中獲得不一樣維度的運維指標，而後再把這些數據在大腦裏面相互關聯並根據以往運維經驗進行關聯分析，以期能找到故障的真正緣由。可是，AIOps 產品則徹底區別於傳統運維工具的數據使用方式，AIOps 產品會在底層經過統一的大數據平臺把各種運維指標進行匯聚和加工，將性能指標、組件指標、網絡指標、事件、告警、日誌、工單等 IT 數據在統一的視圖上進行關聯展示，從而大大減小了運維人員的故障診斷時間，並提高了運維人員的故障診斷準確性。
• 二是，傳統運維工具因爲體系架構比較陳舊、採集數據總量和維度又都相對有限，沒法應用當下最早進的機器學習或者人工智能算法來快速診斷系統故障。而近兩年才發展起來的 AIOps 平臺則明顯架構更加先進、一個平臺能夠很容易得匯聚海量、多維度的IT數據，可以接入多種機器學習和智能分析算法，經過對歷史數據的訓練，針對實時數據進行實時的異常檢測、異常定位、根因分析、容量預測等，從而極大幅的下降現場故障處理時間，提高運維服務質量和最終用戶體驗。
• 三是，一個最讓甲方運維領導頭痛的事就是，因爲傳統運維工具一般由不一樣廠商提供，這就致使了甲方須要準備不少運維工程師在現場來使用不一樣廠商的運維產品作 IT 支撐保障。一旦 IT 系統發生故障，一個典型的場景就是，使用多個運維產品的工程師們聚在一塊兒開會討論，可是因爲表明的各自利益不一樣，不一樣廠商運維人員現場開撕的狀況比比皆是，實在使人無奈!這直接致使了傳統的中大型企業平常須要大量的運維工程師駐場工做，必然會產生繁雜的現場管理矛盾，並且隨着 IT 技術人員薪酬的持續攀升，運維駐場人員愈來愈稀缺和昂貴，IT 運維成本隨之大幅增長。AIOps 平臺則顯著區別於傳統運維工具，它徹底不須要大量的運維人員。

平臺自身能夠採集多維度、海量的IT數據，只要有少許的熟悉 AIOps 產品的運維工程師便可實現中大型企業的平常 IT 支撐保障，因爲 AIOps 將海量事件進行了聚合彙總分析，只產生少許的準確告警，有利於現場人員更加快速高效的處理現場故障，並支持將故障處理方法固化在知識庫系統，以便於向更加智能的自動化運維演進。

綜上所述，AIOps 的確是一場對於傳統運維工具的顛覆革命，每一個企業都應該從如今開始，關注並嘗試使用智能運維平臺。

OneAPM 全新推出新一代 AIOps 平臺 I2，歡迎您隨時聯繫咱們，即刻開啓貴公司的智能運維之旅。點擊進入 AIOps 官網瞭解更多信息。