IT運(yùn)維 | IT運(yùn)維下一個趨勢AIOps

2020-06-22 16:47 作者：艾銻無限 瀏覽量：

 
“工欲善其事，必先利其器”，運(yùn)維工具是我們實(shí)現(xiàn)各種運(yùn)維操作的有效幫手，它解放了IT運(yùn)維人員，讓他們可以更多更好地維護(hù)各種IT系統(tǒng)。IT運(yùn)維體系的發(fā)展當(dāng)然也離不開運(yùn)維工具的發(fā)展。
 
手工運(yùn)維

二十多年前，企業(yè)IT信息化剛剛起步，IT運(yùn)維基本還處于刀耕火種的時代，沒有所謂運(yùn)維工具也沒有意識其存在必要性。幾個小姑娘定時在終端上敲些命令，并在紙質(zhì)的表格上一絲不茍地記錄著讀數(shù)，這還是當(dāng)時比較規(guī)范運(yùn)維做法。原因是當(dāng)年那個年代需要維護(hù)IT系統(tǒng)的量很少，單靠人也看得過來。在IOE架構(gòu)統(tǒng)治的時代，運(yùn)維團(tuán)隊(duì)的人工維護(hù)還是占絕大部分。當(dāng)然其中也不乏一些人，開始總結(jié)他們的運(yùn)維操作，將一些常用的操作寫成大量的腳本以便于從事一些機(jī)械、重復(fù)的事情時候可以“偷個懶”。但是，在這個階段手工運(yùn)維還是占了絕大部分的工作量。
 
ITOM

在IOE架構(gòu)時代的后期以及互聯(lián)網(wǎng)架構(gòu)開始普及，也同時伴隨著企業(yè)IT信息化的不斷深入，企業(yè)中IT設(shè)備量呈現(xiàn)爆發(fā)性的增長，單靠人力開始逐漸管不過來。以我們服務(wù)過的某運(yùn)營商客戶為例，最初的業(yè)務(wù)支撐部門負(fù)責(zé)維護(hù)其核心系統(tǒng)，當(dāng)時只有區(qū)區(qū)20來臺主機(jī)，幾個數(shù)據(jù)庫。然而其后數(shù)年，維護(hù)系統(tǒng)規(guī)模上升了十?dāng)?shù)倍，IT運(yùn)維團(tuán)隊(duì)規(guī)模只增加了不到一倍。維護(hù)規(guī)模和運(yùn)維團(tuán)隊(duì)能力只會形成了事實(shí)上的越來越明顯的剪刀差，這成為運(yùn)維管理中最核心的矛盾。而后到了企業(yè)開始嘗試引入互聯(lián)網(wǎng)架構(gòu)，系統(tǒng)的復(fù)雜度更是陡然上升、維護(hù)目標(biāo)更是迅速增長，按照傳統(tǒng)的手工或者半自動維護(hù)來做，就更是走不通。因此，企業(yè)為解決這種問題，嘗試引入各種運(yùn)維工具通過自動化的手段解決運(yùn)維人手和能力不足的問題，IT運(yùn)營管理也就應(yīng)運(yùn)而生。IT運(yùn)營管理（ITOM）是指對IT基礎(chǔ)設(shè)施以及軟件應(yīng)用等對象的運(yùn)營進(jìn)行實(shí)時監(jiān)控管理并提供反饋的服務(wù)，為監(jiān)測對象保持最佳運(yùn)行狀態(tài)提供保障。ITOM領(lǐng)域的工具分為三大類別，分別是：

· 監(jiān)控類：各種提供應(yīng)用性能監(jiān)控、基礎(chǔ)軟件服務(wù)監(jiān)控、主機(jī)存儲設(shè)備、網(wǎng)絡(luò)設(shè)備等自動化監(jiān)控和告警的軟件服務(wù)，例如，商用軟件中的Tivoli、開源軟件中的Zabbix等為代表。

· 管理類：各種提供IT運(yùn)維支撐服務(wù)以及配置管理等方式的軟件服務(wù)，例如，各種ITSM系統(tǒng)和CMDB軟件系統(tǒng)，例如，HP的OpenView之類。

· 自動化類：各種提供自動化運(yùn)維手段的工具和軟件，例如，開源的Ansible、Puppet之類。

IT 運(yùn)維管理（ITOM）將從原有的人工加被動響應(yīng)，轉(zhuǎn)變?yōu)楦咝?、更為自動化的運(yùn)維體系。


AIOps

通過大數(shù)據(jù)和人工智能技術(shù)分析日志和運(yùn)維數(shù)據(jù)，發(fā)掘更多運(yùn)維人員尚未覺察的潛在的系統(tǒng)安全和運(yùn)維問題。

Gartner在2016年發(fā)布的報(bào)告中首先提出了基于大數(shù)據(jù)及算法（Algorithmic IT Operations）的IT運(yùn)維概念。隨著人工智能的快速興起，Gartner將AIOps的概念從原本的基于數(shù)據(jù)分析，擴(kuò)充為基于人工智能，期望通過大數(shù)據(jù)、現(xiàn)代機(jī)器學(xué)習(xí)及更多高級分析技術(shù)，提供具備主動性、人性化及動態(tài)可視化的能力，直接或間接地提升目前傳統(tǒng)IT運(yùn)維（監(jiān)控、自動化、服務(wù)臺）的能力。AIOps真正應(yīng)用和落地時間還很短，從目前的應(yīng)用而言主要是在運(yùn)維數(shù)據(jù)集中化的基礎(chǔ)上，應(yīng)用機(jī)器學(xué)習(xí)算法進(jìn)行各種數(shù)據(jù)分析和挖掘的工作。主要的應(yīng)用場景包括：

· 異常告警：根據(jù)歷史監(jiān)控指標(biāo)數(shù)據(jù)，運(yùn)用基于時序的相關(guān)算法對監(jiān)控指標(biāo)異常分析，并對出現(xiàn)異常的監(jiān)控指標(biāo)發(fā)出精準(zhǔn)告警。

· 告警收斂：根據(jù)歷史事件和告警數(shù)據(jù)，發(fā)現(xiàn)這些事件和告警之間的關(guān)系，整合頻繁一起出現(xiàn)的事件和告警，并將其認(rèn)看作同一類故障的告警，從而把多個告警和指標(biāo)合并，推送給運(yùn)維人員，做到精細(xì)化告警，避免傳統(tǒng)監(jiān)控工具因一故障而導(dǎo)致的告警風(fēng)暴，生產(chǎn)告警噪音。

· 故障分析：通過運(yùn)維數(shù)據(jù)及事件、告警，結(jié)合以前發(fā)現(xiàn)問題的經(jīng)驗(yàn)知識庫和模型，建立故障樹分析，結(jié)合決策樹等相關(guān)算法，通過推導(dǎo)路徑使運(yùn)維人員對于問題的定位更加快速、直觀，使得問題的解決更加容易。

· 趨勢預(yù)測：進(jìn)行歷史數(shù)據(jù)擬合等算法，進(jìn)行資源趨勢/容量預(yù)測。例如，主機(jī)CPU，交換頁不足、內(nèi)存不足、存儲不足會逐漸導(dǎo)致系統(tǒng)故障或應(yīng)用故障，該系統(tǒng)建立關(guān)聯(lián)模型，提醒用戶可能后繼可能發(fā)生系統(tǒng)故障或應(yīng)用故障。在故障產(chǎn)生真正業(yè)務(wù)影響前，告知運(yùn)維人員事先解決問題。

· 故障畫像：通過采集多維度運(yùn)維數(shù)據(jù)，構(gòu)建多元結(jié)構(gòu)化底層運(yùn)維數(shù)據(jù)模型，配合各類運(yùn)維場景，并在場景里對故障進(jìn)行畫像，通過各種故障畫像標(biāo)準(zhǔn)形式來輔助企業(yè)進(jìn)行IT運(yùn)維 決策和處理過程。

當(dāng)然，AIOps的應(yīng)用場景遠(yuǎn)不止于此，正是由于這個概念出現(xiàn)的時間比較短，也就有更多的發(fā)揮空間容我們?nèi)ゼ?xì)細(xì)發(fā)掘?？傮w而言，從手工運(yùn)維、ITOM、ITOA、AIOps的發(fā)展路徑體現(xiàn)了運(yùn)維自動化、數(shù)據(jù)化到智能化這一主要發(fā)展趨勢。
 
以上內(nèi)容由北京艾銻無限科技發(fā)展有限公司整理