云卷云舒：面向业务的智能运维（上）

1、BAIOPS-业务智能运维

智能运维（AIOps-Algorithmic IT Operations基于算法的IT运维）是人工智能技术在IT运维领域的运用，引用Gartner 的报告的一段话“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%”，最近2-3年智能运维的概念随处可见，各大互联网公司、传统IT公司、金融业等都在谈他们的智能运维设想，同时也有人谈AI色变，觉得人工智能只是一个愿景，要落地很难。其实AI已经不是一个新的概念了，百度、微软、谷歌等公司早就在10几年前开始自己的人工智能布局了，到现在均已成为人工智能行业的领跑者了。

话不多说，人工智能那么强大，应用场景十分的广泛，当然也包括运维领域，而且面向业务的运维更是运维发展的热点趋势，下面我就和大家就“面向业务的智能运维体系建设的探索与实践”这个话题发表下我的个人见解。

2、传统运维-痛之又痛

传统的运维中，存在着诸多痛点：

（1）被动低效的运维难以保证业务连续性

• 运维人员往往扮演着事后“救火”的角色，待事故发生后才去处理；

• 数据分散在多处，出了故障无法快速修复，业务连续性难以有效保障；

• 随着业务复杂性不断提高，人工运维的成本呈指数级增长。

（2）缺乏统一的运维监控体系和技术工具

• 针对不同运维实体的烟囱式的运维工具，功能重叠、难以整合；

• 运维的自动化程度偏低，运维脚本泛滥，层次化、模块化程度不足；

• 监控、运维、告警平台林立，各成体系，缺乏统一化体系。

（3）海量的运维数据的价值无法充分挖掘

• 传统运维系统收集了大量的运维数据，但是却缺乏有效的手段加以分析和利用；

• 运维数据的利用仅限于简单的可视化和浅度的分析上，缺乏纵向数据的关联挖掘，无法快速定位故障根因；

• 固定式的阈值告警造成了大量的误判和漏判，而且人工调整阈值的方式也比较费时费力。

（4）缺乏全方位端到端的运维监控手段

• 大部分的运维监控仅停留在针对主机、网络的层面，忽略了业务层面的识别手段，故障的发生无法从最直接的业务层面得以发现，产生预警；

• 性能管理大多停留在服务单应用性能的管理和分析上，无法提供端到端的掌控。更不用说使用云产品了，云数据库的稳定性保障机制可参考。

3、业务智能运维的切入点

针对上述这些传统运维中存在的痛点，智能化的运维出现必定具有划时代的意义，智能运维系统的设计可以从如下几方面进行展开思考：

（1）面向业务维度实现异常检测

业务运维是运维的大趋势，需从最复杂的业务维度入手，根据业务维度的指标（如PV、响应时间、错误率、GC等）上的异动进行异常检测，提前预警；

（2）提供业务全局关系视图

业务应用维度的复杂性是运维过程中最高的，往往是二线和三线运维之间界限最模糊的区域，所以智能运维可以先解决的就是向用户提供全面、清晰的业务关系视图，让运维人员对业务应用的掌控得心应手；

（3）KPI可视化与下钻定位

KPI指标可以通过丰富的可视化手段展示给运维人员，业务系统的故障可以清晰的体现在可视化终端，同时支持详细的下钻手段，直至定位到发生故障的环节，甚至代码段；

（4）采用动态阈值思想的异常检测

避免传统固定阈值告警的弊端，引入机器学习算法来进行阈值动态化的异常检测效果；

（5）重视故障的全流程管理

故障发生时，可以提供一定的手段将业务层面的KPI异常与引起故障的原因联系起来，支持手动下钻之余还可以自动定位和关联；

（6）立体化监控体系的建设

覆盖从资源、平台层、应用监控和微服务调用链的立体化的运维分析能力。

注：部分内容参考互联网，如有侵权，请留言便于笔者及时处置。