自動化和智能化運維技術(shù)趨勢解讀

1、 自動化和智能化運維技術(shù)趨勢解讀 早期的運維工作大部分是由運維人員手工完成，這種運維模式不僅低效，也消耗了大量的人力資源。利用工具來實現(xiàn)大規(guī)模和批量化的自動化運維，能極大地減少人力成本，降低操作風險，提高運維效率。但是自動化運維的本質(zhì)依然是人與自動化工具相結(jié)合的運維模式，受限于人類自身的生理極限以及認識的局限，無法持續(xù)地面向大規(guī)模、高復雜性的系統(tǒng)提供高質(zhì)量的運維服務(wù)。智能化運維AIOps（Artificial Intelligence for IT Operations）將人工智能應(yīng)用于運維領(lǐng)域，基于已有的運維數(shù)據(jù)（日志、監(jiān)控信息、應(yīng)用信息等），通過機器學習的方式來進一步解決自動化運維沒辦法解

2、決的問題。近年來，自動化運維在企業(yè)逐步廣泛應(yīng)用，并最終將向智能化運維發(fā)展，在此過程中，運維人員應(yīng)該如何確保跟上技術(shù)趨勢，不失去自身的價值？以下內(nèi)容來自社區(qū)金融行業(yè)專家分享及部分文章摘錄，謹為大家提供參考和啟發(fā)。運維人員需要學習哪些知識去提高自己的價值？自動化運維的要求很高，不僅僅需要具備開發(fā)能力，對網(wǎng)絡(luò)、硬件、操作系統(tǒng)這些也要具備才可以。但是不知道如何下手？從何開始？個人建議專業(yè)的人做專業(yè)的事，能夠各個專業(yè)領(lǐng)域通達兼濟是難得的。從傳統(tǒng)企業(yè)來說，自動化運維的建設(shè)需要一個團隊或者多個團隊協(xié)作，而且也應(yīng)該將各方面力量拉攏一起做這件事。從自己熟悉的專業(yè)領(lǐng)域做起，了解日常工作中重復事項哪些可以由機器替代

3、，可以采用什么技術(shù)替代。在開發(fā)能力上可以關(guān)注shell或Python等語言，工具搭建上可以從ansible等開源軟件熟悉。（zjwy82 某銀行系統(tǒng)架構(gòu)師）運維人員能力要求可大可小，最好是對業(yè)務(wù)與技術(shù)都了解，對開發(fā)能力要求其實并不高。但對數(shù)據(jù)庫和腳本編程最好精通些，這樣各種運維才能得心應(yīng)手。（mornsky 某銀行架構(gòu)師）自動化運維人員需要具備哪些基本技能？對于傳統(tǒng)運維人員如何需要加強那些方面知識的學習。從我們目前的實施應(yīng)用情況來看，自動化運維工作在基礎(chǔ)平臺搭建完成后，更多的是腳本開發(fā)能力，從初期來看需要關(guān)注各類腳本的編寫能力。同時，自動化運維后需要運維人員對方案制定與評估更為審慎，那么對業(yè)務(wù)

4、系統(tǒng)架構(gòu)與關(guān)聯(lián)分析要更嚴謹。因此建議傳統(tǒng)運維人員在腳本開發(fā)能力（shell、python）、應(yīng)用架構(gòu)設(shè)計（網(wǎng)絡(luò)控制、集群管理、負載均衡等）等方面多做些了解。（zjwy82 某銀行系統(tǒng)架構(gòu)師）金融業(yè)智能運維開始興起？前段時間，收到行業(yè)組織的智能運維調(diào)研，大數(shù)據(jù)、自學習、AIOps，怎么感覺是還沒走穩(wěn)，就開始準備跑了的節(jié)奏呢？個人淺見，技術(shù)發(fā)展過程中必然會有一些先驅(qū)探索，智能運維、自動化運維、傳統(tǒng)運維之間并無很明顯的界限劃分。就我們情況而言，自動化運維并未發(fā)展到完全成熟的階段，也已經(jīng)在監(jiān)控領(lǐng)域探索一些智能化的衍進，比如對于海量告警的壓縮提取有效告警、告警的根因分析、利用大數(shù)據(jù)擬合動態(tài)基線替代靜態(tài)閾

5、值進行系統(tǒng)運行態(tài)監(jiān)控等等。（zjwy82 某銀行系統(tǒng)架構(gòu)師）智能化運維有哪些核心技術(shù)？智能化運維的技術(shù)主要組成是運維大數(shù)據(jù)平臺、智能分析決策組件、自動化工具。運維大數(shù)據(jù)平臺如同眼一樣，能采集、處理、存儲、展示各種運維數(shù)據(jù)。智能分析決策組件如同大腦，它以眼睛感知到的數(shù)據(jù)作為輸入，作出實時的運維決策，從而驅(qū)動自動化工具實施操作。自動化工具如同手一樣，能根據(jù)運維決策，實施具體的運維操作，如重啟、回滾、擴縮容等。1、運維大數(shù)據(jù)平臺（1）運維大數(shù)據(jù)組成（2）運維大數(shù)據(jù)平臺2、智能分析決策組件（1）運維知識圖譜類組件運維知識圖譜類的組件是通過多種算法挖掘運維歷史數(shù)據(jù)，從而得出運維主體各類特性畫像和規(guī)律，以

6、及運維主體之間的關(guān)系，形成運維知識圖譜。示意圖：（2）動態(tài)決策類組件動態(tài)決策類組件則是在已經(jīng)挖掘好的運維知識圖譜的基礎(chǔ)上，利用實時監(jiān)控數(shù)據(jù)作出實時決策，最終形成運維策略庫。實時決策主要有異常檢測、故障定位、故障處置、故障規(guī)避等，如下圖所示：3、自動化工具自動化工具按照功能可分為兩類：監(jiān)控報警類自動化工具、運維操作類自動化工具。（引自智能運維平臺的技術(shù)研究作者：陳林博 何支軍 顏挺進 焦振海 李喬 王銘瑋）DBA如何轉(zhuǎn)型才能跟上AIOps的大趨勢？傳統(tǒng)運維DBA應(yīng)該學習實踐哪些額外技能？我希望 AIOps 帶來的結(jié)果就是人人都是 DBA 。智能運維將數(shù)據(jù)采集，把數(shù)據(jù)庫當前發(fā)生的問題告知用戶，并且

7、提供對應(yīng)的解決方案。我做的 DB2 數(shù)據(jù)庫智能場景算是個雛形。這樣無論是開發(fā)或者運維看到智能平臺的內(nèi)容就知道怎么去解決。那么傳統(tǒng)運維的 DBA 是不是就不需要了？其實不是。傳統(tǒng)運維 DBA 在智能運維的幫助下會更了解數(shù)據(jù)庫，更清楚數(shù)據(jù)的內(nèi)部運行情況，更早發(fā)現(xiàn)隱藏的問題并預先解決問題。所以智能運維和 DBA 是相輔相成的。傳統(tǒng) DBA 需要像 DB 數(shù)據(jù)分析師去轉(zhuǎn)型，需要借助 AIOps 去分析數(shù)據(jù)，需要更前瞻性的規(guī)劃和運維數(shù)據(jù)庫。（孔再華 銀行架構(gòu)專家）AIOps需要的知識面廣，技能繁多，如何開始學習？我從吳恩達的視頻開始啟蒙的。他講得很好，條理清楚。然后里面發(fā)現(xiàn)會用到很多數(shù)學的東西，主要是微積分和線性代數(shù)。所以后來又把這些溫習了一遍。其實老了還是記不住，算是記住原理吧，