人工智能和機器學習技術的發(fā)展，推動大量依賴人腦決策和手工操作的IT運維向著AIOps智能運維的方向快速前進。
過去需要花費數個小時、數天甚至數周才能完成的故障診斷和修復工作，AIOps智能運維平臺可能只需要幾秒鐘就能搞定，而且更加精準、更少誤判。AIOps的問世不僅得益于人工智能技術的發(fā)展，同時也是企業(yè)數字化轉型的必然結果，企業(yè)的數字化程度越高，IT規(guī)模越大也越復雜，就越需要快捷、高效、精準的運維管理平臺作為業(yè)務的有效支撐。
AIOps的來歷
對于傳統(tǒng)企業(yè)來說，AIOps并不是一個全新的理念，而是IT運營分析和管理（ITOA/ITOM）體系與大數據和人工智能技術結合的產物。AIOps智能運維以ITOA/ITOM系統(tǒng)所采集的運維大數據為基礎，利用人工智能和機器學習算法對運維數據進行深入分析，涵蓋IT監(jiān)控，應用性能管理、外網監(jiān)控、日志分析，系統(tǒng)安全等方面。
市面上流行的傳統(tǒng)運維管理平臺，其核心組件缺少大數據采集、分析和本地機器學習的能力，需要業(yè)務運維和AIOps平臺予以完善。AIOps智能運維平臺能夠接入不同業(yè)務系統(tǒng)、監(jiān)控系統(tǒng)、管理系統(tǒng)的海量IT數據，并運用各種算法進行高速分析、學習甚至預測。立足于AIOps，IT部門可以獲得強大的自動化IT決策和運營管理能力，并能對業(yè)務質量和用戶體驗進行準確檢測和持續(xù)優(yōu)化。
AIOps的價值
“AIOps正在廣泛應用于IT大數據和業(yè)務大數據分析領域，為企業(yè)提供極具價值的業(yè)務洞察能力”。據Gartner分析師最新預測，到了2022年，部署AIOps平臺的大型企業(yè)數量將從如今的不足5%，迅速提升到40％左右，而這些企業(yè)會把AIOps用于業(yè)務運營和IT運維，以取代如今的運維監(jiān)控、管理工具和自動化運維產品。
當企業(yè)的數字化程度越來越高，IT系統(tǒng)的復雜度和規(guī)模越來越大，擺在CIO面前的這道雙選題：是不斷增加業(yè)務流程？還是采用AIO平臺？似乎不難抉擇！
AIOps的組成結構
Gartner定義的AIOps平臺擁有11項能力，包括歷史數據管理（Historical data management）、流數據管理（Streaming data management）、日志數據提?。↙og data ingestion）、網絡數據提?。╓ire data ingestion）、算法數據提?。∕etric data ingestion）、文本和NLP文檔提?。―ocument text ingestion）、自動化模型的發(fā)現和預測（Automated pattern discovery and prediction）、異常檢測（Anomaly detection）、根因分析（Root cause determination）、按需交付（On-premises delivery）和軟件服務交付（Software as a service）等。
云智慧智能業(yè)務運維大數據平臺，將前9項能力分別納入數據接入層、大數據管理層、大數據分析層、應用模塊層和可視化展現層這五層邏輯架構中，便于企業(yè)和CIO們更好的理解和落地AIOps理念和相關解決方案。
數據接入層：通過開放的API接口，廣泛接入企業(yè)IT系統(tǒng)的歷史數據、流數據、日志數據、網絡數據、算法數據、文本和NLP文檔數據，以及APP數據、瀏覽器數據、業(yè)務系統(tǒng)運營指標數據等不同數據源的數據。
大數據管理層：對業(yè)務系統(tǒng)和IT支撐系統(tǒng)產生的結構化和非結構化數據進行統(tǒng)一、高效的存儲、管理和調度。
大數據分析層：聚合數據建模、大數據分析能力，實現業(yè)務和IT數據的關聯(lián)分析，通過人工智能對業(yè)務波動、故障判斷、修復操作等依靠人力決策的環(huán)節(jié)進行持續(xù)學習和自動化響應。
應用模塊層：針對基礎設施、應用和業(yè)務系統(tǒng)之間的邏輯拓撲，提供覆蓋全部技術棧的基礎設施監(jiān)控、應用性能管理、業(yè)務決策分析以及異常檢測、根因分析和統(tǒng)一告警服務。
可視化展現層：以可視化大屏或頁面的形式實時展現業(yè)務系統(tǒng)運行狀態(tài)、IT資源利用率等智能運維的關鍵指標，第一時間發(fā)現IT對業(yè)務的影響，輔助商業(yè)決策。
AIOps是IT走向運營的點金手
未來幾年，數字化系統(tǒng)的運行效能對企業(yè)核心競爭力的影響越來越大，CIO所領導的IT部門在運營中所扮演的角色也越來越重要。然而，隨著系統(tǒng)規(guī)模和復雜度呈指數級增長，IT人員解決問題的能力不會有太大的變化。要讓IT擺脫傳統(tǒng)運維工作的束縛，就需要運用AIOps智能運維平臺來有效承擔基礎運維的種種責任。
在AIOps的幫助之下，IT人員可以從繁瑣的常規(guī)工作中得到徹底的釋放，專注于對企業(yè)發(fā)展更有價值的工作–業(yè)務和用戶體驗，讓IT真正走向運營。
