从ITOM到AIOpsIT运维管理向智能运维的进化-北京思科源企业管理.PDFVIP

Reference Material 从 ITOM到 AIOps ：IT 运维管理向智能运维的进化 当前互联网和移动互联网发展迅猛 ，从事各个行业的企业为了应对日趋激烈的市场竞争 ，纷纷进行了数字 化转型 ，利用移动互联网技术、云计算及大数据等新兴信息技术发展企业的数字服务 ，从而吸引客户 ，帮 助销售和推广产品 ，提升客户体验。 然而 ，随之而来的是规模不断扩大的 IT 系统、日益复杂的系统架构 ，以及海量的 IT 运维数据 ，同时公司 业务对 IT 系统的连续性要求也进一步提高。 面对这些新形势下的挑战 ，IT 运维管理 （ITOM ）需要从原有的人工加被动响应 ，转变为更高效、更智能 化的运维体系 ，为新形势下的 IT 系统保驾护航。 当前传统的 ITOM 工具往往缺乏分析能力 ，虽然也能采集到运维数据 ，但无法对这些数据所包含的信息 进行洞察 ，更加无法将数据进行知识化的本质提升。研究机构 Forrester 曾在之前的一份报告中指出 ：“这 些工具为我们提供了大量的原始数据 ，但能洞察出埋在这些数据中的有价值信息的能力还是非常稀缺的。” （来源 ：Turn Big Data Inward With ITAnalytics ） 令 IT 运维团队感到欣慰的是 ，智能运维 （AIOps ）踏着人工智能的时代浪潮应运而生。 Copyright © 2018 思科源IT管理研究中心 Reference Material Gartner 在 2016 年发布的报告中首先提出了基于大数据及算法 （Algorithmic IT Operations ）的 IT 运 维概念。随着人工智能的快速兴起 ，Gartner 将 AIOps 的概念从原 本 的 基 于 大 数 据 及 算 法 ，扩 充 为 基 于 人 工 智 能 （Artificial Intelligence for IT Operations ，AIOps ），期望通过大数据、现代机器学习 及更多高级分析技术 ，提供具备主动性、人性化及动态可视化的能力 ，直接或间接地提升目前传统 IT 运维 （监控、自动化、服务台 ）的能力。 AIOps 为 IT 运维提供了全新的管理思路。AIOps 的定义涵盖的两个阶段 ，可概括为两个层次的提升 ：数 据到信息分析层次的提升 ；信息到知识提取层次的提升。 从数据到信息的分析 ，更多的是采用数据统计方法 ，帮助运维相关人员更好地从众多运维数据中了解系统 的运行状态 ，分析并定位故障 ，实时获取统计数据。而信息到知识的提升更多的是希望借助人工智能算法 ， 在信息分析的基础上通过机器学习的方式实现异常状况检测、故障/趋势分析、故障关联和精准告警。 根据权威机构 Gartner 的预测 ，比起现今 5%这样的数据比例 ，到 2019 年 ，全球 25%的公司都将系统性 部署实施 AIOps 平台支持两个及以上的主要 IT 运维功能。到 2022 年 ，40% 的大型企业会通过大数据 和机器学习的能力来帮助甚至逐渐取代传统运维中的监控、服务台及自动化流程。 AIOps 重新定义了 IT 运维的管理方式 ，为 IT 运维团队适时提供适当信息 ，以便实现以下几点。 ●通过采集当前环境中的运维数据 ，集成现有 IT 运维管理工具 ，利用聚合数据分析的技术 ，对 IT 系统 中各个环节的问题进行快速定位、故障排除和预测。 ●对来自业务环节中各个分布系统的数据进行整体分析 ，合理优化 IT 服务 ，挖掘关键业务 KPI 指标 ， 反哺业务端 ，帮助其做出明智决策。 ●通过大数据和人工智能技术分析用户的行为日志和运维数据 ，发掘潜在的系统安全和合规问题 ，为 企业的信息安全保驾护航。 Copyright © 2018 思科源IT管理研究中心 Reference Material 那么 AIOps 究竟在 IT 运维中有哪有典型的应用场景呢 ？常见的场景大致如下。 ◎ 全局日志检索 以一个典型金融行业为例 ，他们有上百个业务系统 ，面对每天产生的大量日志数据 （几 TB ），日常运维过 程中 ，当运维人员需要排错或日志巡检时 ，需要逐台登录服务器, 无法集中查看和管理 日志数据 ；另外 ， 日志查询方式比较原始, 比如 Windows 服务器 ，手动查看 Event Log ，Linux服务器则只能通过 less、 grep 和 awk 等常见的 Linux 指令 ，无法从时间