IT運維 | ITOM發展趨勢
2020-05-18 16:43 作者：艾銻無限 瀏覽量：
IT運維工作，以服務為中心，以穩定、安全、高效為三個基本點，確保公司的互聯網業務能夠 7×24 小時為您提供高質量的服務。當前互聯網和移動互聯網發展迅猛，從事各個行業的企業為了應對日趨激烈的市場競爭，紛紛進行了數字化轉型，利用移動互聯網技術、云計算及大數據等新興信息技術發展企業的數字服務，從而吸引客戶，幫助銷售和推廣產品，提升客戶體驗。然而，隨之而來的是規模不斷擴大的IT系統、日益復雜的系統架構，以及海量的IT運維數據，同時公司業務對IT系統的連續性要求也進一步提高。面對這些新形勢下的挑戰，IT 運維管理（ITOM）需要從原有的人工加被動響應，轉變為更高效、更智能化的運維體系，為新形勢下的IT系統保駕護航。當前傳統的 ITOM 工具往往缺乏分析能力，雖然也能采集到IT運維數據，但無法對這些數據所包含的信息進行洞察，更加無法將數據進行知識化的本質提升。研究機構Forrester 曾在之前的一份報告中指出：“這些工具為我們提供了大量的原始數據，但能洞察出埋在這些數據中的有價值信息的能力還是非常稀缺的。” 令IT運維團隊感到欣慰的是，**智能運維（AIOps）**踏著人工智能的時代浪潮應運而生。Gartner在2016年發布的報告中首先提出了基于大數據及算法（Algorithmic IT Operations）的 IT運維概念。隨著人工智能的快速興起，Gartner 將 AIOps 的概念從原本的基于大數據及算法，擴充為基于人工智能（Artificial Intelligence for IT Operations，AIOps），期望通過大數據、現代機器學習及更多高級分析技術，提供具備主動性、人性化及動態可視化的能力，直接或間接地提升目前傳統IT運維（監控、自動化、服務臺）的能力。AIOps 為IT運維提供了全新的管理思路。AIOps 的定義涵蓋的兩個階段，可概括為兩個層次的提升：數據到信息分析層次的提升；信息到知識提取層次的提升。
通過采集當前環境中的運維數據，集成現有IT運維管理工具，利用聚合數據分析的技術，對IT系統中各個環節的問題進行快速定位、故障排除和預測。
對來自業務環節中各個分布系統的數據進行整體分析，合理優化IT服務，挖掘關鍵業務 KPI 指標，反哺業務端，幫助其做出明智決策。
通過大數據和人工智能技術分析用戶的行為日志和運維數據，發掘潛在的系統安全和合規問題，為企業的信息安全保駕護航。
那么AIOps究竟在IT運維中有哪有典型的應用場景呢？常見的場景大致如下。
全局日志檢索
以一個典型金融行業為例，他們有上百個業務系統，面對每天產生的大量日志數據（幾TB），日常IT運維過程中，當IT運維人員需要排錯或日志巡檢時，需要逐臺登錄服務器, 無法集中查看和管理日志數據；另外，日志查詢方式比較原始, 比如 Windows 服務器，手動查看Event Log， Linux服務器則只能通過less、grep和awk等常見的Linux指令，無法從時間段、關鍵字、字段值統計等方面進行多維度查詢。AIOps平臺通過收集各類數據源（包括操作系統、系統軟件、數據庫、應用日志等），統一進行管理。不同于以往每次僅可查看數量有限的幾種日志，IT運維人員可通過智能運維平臺所提供的關鍵字、統計函數、單條件、多條件、模糊查找等功能，在多個系統中快速定位故障信息，幫助IT運維人員從全局視角查看系統的運維數據信息。
復雜多維報表，應用深度監控
AIOps將各系統的運維數據進行統計分析并生成各類實時報表，對各類IT運維數據（如應用日志、交易日志、系統日志）進行多維度、多角度深入分析及可視化展現，以業務視角實時展示各種業務指標，具體如下。
快速發現故障，精準告警
實時采集各類運維數據（日志、監控系統告警、性能數據等），通過對歷史數據的挖掘和分析，AIOps 可以找出哪些告警和事件是頻繁一起出現的，并將其認看作同一類故障的告警，從而把多個告警和指標合并，推送給運維人員，做到精細化告警，避免傳統監控工具因一故障而導致的告警風暴，生產告警噪音。
縮短故障解決時間
通過運維數據可視化（復雜多維報表，熱力圖）及精細化告警信息，結合以前發現問題的經驗知識庫和模型，從而將運維信息從平面變為立體，立體展現故障樹分析，通過推導路徑使IT運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。
進行數據挖掘，生成分析類報表，進行趨勢/容量/故障預測。例如，某些故障之間有時間上的先后關系，交換頁不足、內存不足會逐漸導致系統故障或應用故障，該系統建立關聯模型，發現前者故障，提醒用戶可能后繼可能發生系統故障或應用故障。在故障產生真正業務影響前，告知IT運維人員事先解決問題。
IT輔助決策支持
通過采集海量多維度數據，構建多元結構化底層數據倉庫，以搭積木的方式適配各類運維場景，并在場景里刻畫系統和人員畫像，通過畫像形式來輔助企業進行 IT 決策。AIOps與現有ITOM平臺的關系具體如何呢？傳統IT運維管理平臺，即 ITOM 平臺，往往是為完成單一管理任務而設計的，更偏向于管理某一細分專業領域。
監控系統：負責IT系統的健康及可用性管理
IT服務管理平臺：負責配置管理，資產管理，事件/問題/變更等服務流程管理
SOC平臺：專注于信息安全管理
APM平臺：應用邏輯拓撲管理，應用故障診斷等
而AIOps平臺則構建在傳統ITOM平臺的上層，把ITOM作為分析的源頭，通過接口集成將各個 ITOM平臺組件中的孤立運維數據進行匯總，使其突破數據孤島的壁壘，其次借助自身的關聯分析、機器學習、數據建模、全局搜索能力，幫助企業從IT系統的行為、狀態、配置、故障和事件中等多個維度，產生趨勢預判、快速故障定位和商業洞察等價值。在信息架構與應用系統日漸龐大的今天，如果再通過人工分析定位的運維方式，很難適應目前日益快速增長的業務需求。規模不斷擴大的 IT 系統、日益復雜的系統架構，以及海量的 IT 運維數據對使用傳統ITOM的運維人員而言都如芒在背。因此，我們有理由相信AIOps能夠幫助企業及各類運維人員在大數據中找到合適的發展模式。現在是時候用一些類似人工智能的思維方式來為IT產業服務，使大數據的分析方向轉到IT運維上了。
以上內容由北京艾銻無限科技發展有限公司整理
相關文章
IT電腦維護外包
關閉