面向业务的智能运维系统探索与实践 .pdfVIP

面向业务的智能运维系统探索与实践

一、BAIOPS-业务智能运维

智能运维（AIOps-AlgorithmicITOperations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。

二、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。

三、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。

四、业务智能运维体系架构

4.1智能运维核心要素

智能运维体系架构的建设应该考虑如下因素：

数据

我们要搭建智能运维平台，首先要数据驱动，数据驱动下

要做好以下几件事：

海量数据存储：运维数据的量级是亿级、TB甚至PB级别

的，所以存储系统一定要具备高容量和扩展性；

数据多样化：运维过程产生的数据多种多样，如应用产生

的性能数据，服务器基础监控产生的CPU/IO/Net数据，服

务间调用链数据、日志数据等，那么需要针对不同类型数