這并非是危言聳聽，我們可以看到的是，越來越多的系統管理工具和運維監控工具開始整合機器學習、深度學習等人工智能技術。而AI在大幅度提升IT運維能力的同時，也讓IT部門逐步減少對基礎運維崗位的需求，完全依靠人力解決運維問題的時代已經漸行漸遠。
 

AI在IT運維領域的應用被諸多分析機構和新一代CIO當作企業數字化轉型的突破口。Gartner在2016年首次提出智能運維（AIOps）這一個概念之后，迅速得到業界的廣泛響應。無論是IBM、CA等傳統運維巨擘，還是Splunk、Dynatrace、云智慧等新興運維企業，都把AIOps作為IT運維發展的未來。
 

智能運維，數字化轉型的必選項

物競天擇的自然法則同時主導著數字世界的發展。
 

任何一個技術的流行都不是憑空的，AIOps智能運維也不例外，最根本原因是市場需求在推動。
 

在信息化時代，IT部門扮演著業務跟隨者的角色，遵從業務需求支持ERP、財務、OA系統的運轉，運維主要承擔封閉IT環境中硬件設備和軟件系統的日常巡檢、維護、升級工作，由于業務對IT的依賴程度不高，企業對運維效率和問題解決能力的要求也不高。
 

云智慧總裁劉洪濤
 

“隨著產業互聯網的發展和數字經濟的增長，業務運行越來越依賴IT的高效運轉，IT部門的角色發生了巨大的變化，由跟隨者變成了支撐者、甚至業務創新的引領者。數字世界里，IT基礎設施陸續上云，過去需要直面的各類硬件設備、軟件系統隱藏了起來，而展現在我們面前的虛擬機、容器、微服務讓IT架構變得更加龐大、復雜，移動化、IoT的大量應用則把IT邊界從內部擴展到邊緣。這是近兩三年中國傳統企業在數字化轉型過程中都會遇到的難題，當IT建設達到相當規模，傳統運維工具和運維方法無法解決企業遇到的種種問題，智能運維的需求自然就冒出來了。”云智慧總裁劉洪濤感慨道。
 

劉洪濤所領導的云智慧公司成立于2009年，是一家為企業提供全棧智能IT運維產品的解決方案服務商，旗下監控寶、透視寶和壓測寶等IT運維產品擁有良好的用戶口碑。10年來，云智慧一直扎根在IT運維市場精耕細作，對于這個市場的每一次變化起伏，劉洪濤都有非常深刻的感受。
 

以“非常傳統”的房地產行業為例。一直以來，拿地蓋房售樓都是國內房企的最核心業務，而現在商管、文旅等新業務逐漸成為頭部房企的拳頭產業。2018年萬達商管集團收入376億元，文化集團收入692億元，二者累加已經達到萬達地產集團540億收入的一倍。而云智慧服務的這家房地產巨頭，隨著業務轉型的加速，IT規模呈爆發式增長，目前有超過兩百個系統支撐著新業務的運轉，每天的工單、告警數量堪稱海量。對于一家正在向技術密集型企業邁進的“傳統”企業來說，依靠人力去解決規模化、效率低等IT難題顯然與數字化轉型的初衷背道而馳。所以，必須充分利用大數據和人工智能技術，建立全新的智能化運維管理體系和智能運維系統。
 

“換成兩年前，這家房地產公司絕對不會采購智能運維這種新一代IT運維解決方案。然而，隨著數字化轉型的深入，房地產智能化成為潮流，一套套新的應用陸續上線，大量IoT終端被部署到全國各地，基于CMDB和ITIL體系建立的運維管理流程和相關工具暴露出嚴重不足。”劉洪濤說。
 

這家房企的遭遇并非孤例。劉洪濤能明顯感受到近兩年智能運維需求的增長。“房地產這樣一個相對傳統的行業，都在數字化轉型的倒逼下產生了如此強烈的需求。而在金融、電信、航空、能源等IT成熟度更高行業里，AIOps智能運維的作用更為突出，需求也就更加旺盛。”他欣喜的告訴記者。
 

AI加持，讓IT發揮最大價值

人力有盡，算力無窮。
 

業務對IT越來越依賴，同時IT架構越來越復雜，迫使人們向AI求助。而AIOps智能運維的應用也確實給IT運維帶來了新的變化。
 

以IT運維中最典型應用場景——故障告警為例。一個規模較大的數據中心，系統故障會導致幾分鐘內出現上萬條的告警信息。過去，遇到這種情況，運維人員的常規處理方式關掉所有關聯設備和系統，挨個重啟，逐一排查。這一方法簡單粗暴，不但盲目耗時，還會造成業務中斷。而AIOps智能運維利用大數據和AI技術，可以在幾秒鐘之內就能完成對所有告警消息的壓縮、篩選和關聯分析，從而找出最關鍵的告警消息。在某航空公司的一次IT故障中發生了告警風暴，云智慧在一分鐘內將2萬條告警消息壓縮到7條相互關聯的關鍵告警。對于運維人員來說，處理7條告警和在幾萬條告警消息中發現問題，工作量不可同日而語。
 

在這背后涉及告警抑制、自動拓撲等多項新一代智能運維技術的應用。以自動拓撲為例，傳統緊耦合的煙囪式IT系統，彼此之間的關聯關系是很難建立起來的。而借助AI，通過算法對采集到的調用鏈數據進行分析，就可以把所有IT系統直接的業務拓撲關系和調用過程描述出來。有了這個拓撲，才能夠追根溯源的找到出問題的“罪魁禍首”。
 

類似應用場景還有動態閾值。傳統運維都是通過設置固定告警閾值來觸發報警，但固定閾值存在著明顯缺點——條件太寬松會出現故障漏報，太嚴格則會有大量誤報。此外，無論是閾值的設定還是故障的判斷，都依賴運維人員的個人經驗，很容易出紕漏。
 

“現在，我們利用機器學習的方法，通過對運維歷史數據進行分析，在數據特征的基礎上建立算法模型，對模型進行周期性地訓練學習，從而為IT系統設定更為科學的動態告警閾值。這個閾值會隨著業務的波動進行動態調整，既不放過每次潛在故障事件，又不會因為系統繁忙導致大量誤報。告警壓縮、根因分析、關聯分析等智能運維場景，都大量使用了AI的技術，也只有通過AI賦能，才能讓IT發揮最大的價值。”劉洪濤表示。
 

智能運維的發展路徑

數字化之路千萬條，智能運維第一條。
 

隨著ABC技術的應用，系統維護、日常巡檢等傳統運維工作的價值不斷降低，這也就是本文開頭提到某些IT工程師正在被AI取代的原因。不過，這并不意味著運維將被AI取代。
 

“業界有一種說法，AIOps智能運維的未來是NoOps無人化運維，目標是要消滅運維這個行業。但我認為這只能在單一環境下實現，對于雙態IT占據主導的傳統企業來說，AIOps的目標應該是BetterOps，更好、更高效的運維。”劉洪濤說，“AIOps能預判一個事件可能導致異常，但是否存在異常，還是要人來做判定。AI能幫我們第一時間把事件和關聯的原因找出來，大幅提升運維效率，但不是消滅運維。”
 

標準化、規模化的橫向管理工作，比如說機房里的日常巡檢，未來是可以無人化的。而實現IT縱向管理的業務運維——讓IT更有效支撐業務運轉的工作——是無法做到無人化的。因為業務波動受大量外在因素的影響，而IT與業務融合之后，IT對業務的影響程度在大多數情況下需要人來做綜合判斷的。
 

在筆者看來，業務運維與業界所提到“IT運營”有異曲同工之意：同樣都是不讓AIOps局限于IT本身，還希望為業務提供更好的支撐，比如對業務系統進行預警和預測。應該說，這才是AIOps的核心價值，畢竟業務才能產生利潤，這也符合Gartner的觀點。
 

智能運維的演進路徑
 

不同行業、不同企業的IT成熟度不同，數字化轉型的路徑也是千差萬別。針對這種狀況，云智慧提出了智能運維實施的三階段戰略，分別是：第一，數據為先，在這個階段實現企業IT數據的完整采集；第二，初步智能化，幫客戶發現業務與IT的關聯關系，實現業務全鏈路追蹤和根因分析；第三，高級智能化，用AI幫助客戶解決更有前瞻性的問題，包括故障預測、容量規劃等。
 

 “經過幾年的市場培育，越來越多的中大型企業客戶認可了云智慧的智能運維理念，這讓我們更大的信心和決心，利用機器學習、大數據等AIOps核心技術，幫助我們的客戶解決更多的業務問題，進而為客戶創造更多的價值。伴隨客戶成長，分享客戶成功的價值，這才是云智慧能夠連續幾年保持高速增長的秘訣。”劉洪濤說。