《中國AIOps現(xiàn)狀調(diào)查報告（2022）》

中國AIOps中國AIOps現(xiàn)狀調(diào)查報告(2022年)中國AIOps現(xiàn)狀調(diào)查報告 (2022年)中國AIOps現(xiàn)狀調(diào)查報告(2022年)2 (一)運(yùn)營商篇 40 (二)銀行證券篇 49 (三)服務(wù)提供商篇 63 (一)調(diào)查方法及樣本 9 (二)報告術(shù)語界定 13 中國AIOps現(xiàn)狀調(diào)查報告(2022年)3精準(zhǔn)定位故障信息、實(shí)時防護(hù)網(wǎng)絡(luò)攻擊、快速迭代需求變更等新時代運(yùn)維場景下不可或缺的營理念在各行業(yè)持續(xù)滲透，激勵著越來越多的企業(yè)提升信息化建設(shè)的戰(zhàn)略地位、增加數(shù)字化IT運(yùn)維(AIOps)能力成熟度模型》系列標(biāo)準(zhǔn)為參考，聚焦中國AIOps能力建設(shè)成熟度現(xiàn)狀，對AIOps產(chǎn)業(yè)發(fā)展現(xiàn)狀、未來AIOps發(fā)展趨勢、企業(yè)當(dāng)前面臨的困難與挑戰(zhàn)等情況進(jìn)行了討，力爭詳實(shí)客觀地反映企業(yè)對AIOps落地實(shí)踐的需求，為廣大關(guān)注AIOps的從業(yè)人員、究機(jī)構(gòu)提供真實(shí)可信的數(shù)據(jù)支撐。本次調(diào)查由中國信息通信研究院聯(lián)合近60家企業(yè)共同發(fā)起，包括中國工商銀行、中國農(nóng)業(yè)銀行、建信金科、浦發(fā)銀行、平安銀行、交通銀行太平洋信用卡中心、華泰證券、安信證券、深圳證券通信有限公司、中國聯(lián)通軟件研究院、中國移動集團(tuán)、中國鐵塔、騰訊、阿中國AIOps現(xiàn)狀調(diào)查報告(2022年)4力支持，在此，謹(jǐn)表示最衷心的感謝！同時也對參與中國AIOps聯(lián)盟中國AIOps現(xiàn)狀調(diào)查報告(2022年)5中國AIOps現(xiàn)狀調(diào)查報告(2022年)6核心觀點(diǎn)摘要AIOps能力建設(shè)基本情況礎(chǔ)上進(jìn)一步增強(qiáng)監(jiān)控、運(yùn)維智能化能力。業(yè)選擇優(yōu)先關(guān)注和投資升級監(jiān)控和AIOps。能運(yùn)維平臺并形成了相關(guān)評價體系分別占比49.64%和37.96%，其次是銀行占比28.99%。中國AIOps現(xiàn)狀調(diào)查報告(2022年)7s合組建(13.17%)，各團(tuán)隊(duì)/部門分別建設(shè)(13.06%)和聯(lián)合第三方廠商/外包組建(12.45%)團(tuán)隊(duì)模式。?將現(xiàn)有監(jiān)控平臺、大數(shù)據(jù)平臺等多種數(shù)據(jù)源接入智能運(yùn)維工具/平臺，進(jìn)行多場景數(shù)據(jù)融算能力引擎，主要以自研(36.86%)和采用第三方提供(40.07%)兩種方式為主。AIOps場景應(yīng)用情況中國AIOps現(xiàn)狀調(diào)查報告(2022年)8景。復(fù)時長可以達(dá)到10分鐘內(nèi)的水平，11.23%的企業(yè)已經(jīng)達(dá)到15分鐘內(nèi)完成系統(tǒng)故障恢AIOps發(fā)展趨勢與挑戰(zhàn)實(shí)踐探索中產(chǎn)生的，比如“能力定制化，難以跨業(yè)務(wù)應(yīng)用或泛化成本高”(35.81%)，業(yè)將加強(qiáng)對安全事件的快速響應(yīng)以及相應(yīng)的防范措施的建設(shè)。，中國AIOps現(xiàn)狀調(diào)查報告(2022年)9 (一)調(diào)查方法及樣本述數(shù)據(jù)來源：中國信息通信研究院中國AIOps現(xiàn)狀調(diào)查報告(2022年)數(shù)據(jù)來源：中國信息通信研究院數(shù)據(jù)來源：中國信息通信研究院中國AIOps現(xiàn)狀調(diào)查報告(2022年)數(shù)據(jù)來源：中國信息通信研究院數(shù)據(jù)來源：中國信息通信研究院中國AIOps現(xiàn)狀調(diào)查報告(2022年)數(shù)數(shù)據(jù)來源：中國信息通信研究院號明1本總量中國AIOps現(xiàn)狀調(diào)查報告(2022年) (二)報告術(shù)語界定智能運(yùn)維概念：智能運(yùn)維(AIOps)是將大數(shù)據(jù)，AI機(jī)器學(xué)習(xí)和其他技術(shù)相結(jié)合，通過維(技術(shù)運(yùn)營)側(cè)的高階實(shí)現(xiàn)。景問題(如質(zhì)量域下的異常檢測場景等，成本域的資源優(yōu)化場景等)。成本、效率、安全)場景的智能運(yùn)維系統(tǒng)/工具。中國AIOps現(xiàn)狀調(diào)查報告(2022年) (一)AIOps能力建設(shè)基本情況數(shù)據(jù)來源：中國信息通信研究院圖7企業(yè)運(yùn)維年平均資金投入規(guī)模(2019-2021)中國AIOps現(xiàn)狀調(diào)查報告(2022年)查顯示DevOps自動化部署(61.21%)、升級監(jiān)控和AIOps(52%)是大部分企業(yè)的優(yōu)先關(guān)RE數(shù)據(jù)來源：中國信息通信研究院中國AIOps現(xiàn)狀調(diào)查報告(2022年)數(shù)據(jù)來源：中國信息通信研究院中國AIOps現(xiàn)狀調(diào)查報告(2022年)平臺并形成了相關(guān)評價體系分別占比49.64%和37.96%，其次是銀行和電信企業(yè)(28.99%和25.97%)。數(shù)據(jù)來源：中國信息通信研究院能運(yùn)維能力建設(shè)情況中國AIOps現(xiàn)狀調(diào)查報告(2022年)解決方案(51.80%)。數(shù)據(jù)來源：中國信息通信研究院1智能運(yùn)維系統(tǒng)/工具/平臺提供服務(wù)類型中國AIOps現(xiàn)狀調(diào)查報告(2022年)團(tuán)隊(duì)采工具，另外還有19.20%的受訪者所在團(tuán)隊(duì)選擇采購第三方解數(shù)據(jù)來源：中國信息通信研究院團(tuán)隊(duì)搭建智能運(yùn)維平臺/工具的方式中國AIOps現(xiàn)狀調(diào)查報告(2022年)ps組建(13.17%)，各團(tuán)隊(duì)/部門分別建設(shè)(13.06%)和聯(lián)合第三方廠商/外包組建(12.45%)等多種團(tuán)隊(duì)模式，共研(19.81%)或者采購第三方服務(wù)的形式(16.55%)搭建智能運(yùn)維平臺/工具。數(shù)據(jù)來源：中國信息通信研究院圖13企業(yè)智能運(yùn)維能力建設(shè)組建團(tuán)隊(duì)/部門情況中國AIOps現(xiàn)狀調(diào)查報告(2022年)了目前中國市場已有的智能運(yùn)維解決方案提供商(數(shù)據(jù)僅根據(jù)問卷調(diào)查結(jié)果統(tǒng)計，不涉及市場份額情況，僅供參考)：決方案提供商鯨智云澤智能運(yùn)營平臺運(yùn)維平臺博睿數(shù)據(jù)智能運(yùn)維算法能力平臺SwiftAI孔明產(chǎn)品平臺IOps中國AIOps現(xiàn)狀調(diào)查報告(2022年)s圖南智維平臺臺運(yùn)維平臺PAIOpshedulX中國AIOps現(xiàn)狀調(diào)查報告(2022年)其次是對數(shù)據(jù)的規(guī)范化能力(22.54%)和工具平臺的支持(21.09%)，在此基礎(chǔ)上完善算法能力(9.79%)。數(shù)據(jù)來源：中國信息通信研究院前置條件中國AIOps現(xiàn)狀調(diào)查報告(2022年)將現(xiàn)有監(jiān)控平臺、大數(shù)據(jù)平臺等多種數(shù)據(jù)源接入智能運(yùn)維工具/平臺，進(jìn)行多場景數(shù)據(jù)數(shù)據(jù)來源：中國信息通信研究院智能運(yùn)維工具/平臺數(shù)據(jù)獲取方式中國AIOps現(xiàn)狀調(diào)查報告(2022年)當(dāng)前企業(yè)的智能運(yùn)維系統(tǒng)/工具更多集中于對系統(tǒng)(服務(wù)器、操作系統(tǒng))監(jiān)控數(shù)據(jù)和業(yè)務(wù)后是動力環(huán)境監(jiān)測數(shù)據(jù)，占比20.14%。數(shù)據(jù)來源：中國信息通信研究院智能運(yùn)維工具/平臺分析的數(shù)據(jù)種類中國AIOps現(xiàn)狀調(diào)查報告(2022年)AIOps支持。根據(jù)本次調(diào)數(shù)數(shù)據(jù)來源：中國信息通信研究院能運(yùn)維計算能力引擎中國AIOps現(xiàn)狀調(diào)查報告(2022年)實(shí)踐普遍集中于在部分典型場景進(jìn)行試點(diǎn)及應(yīng)用。并且已有15.61%和11.07%的受訪者所數(shù)據(jù)來源：中國信息通信研究院圖18企業(yè)當(dāng)前運(yùn)維工作中數(shù)據(jù)分析與算法模型應(yīng)用情況中國AIOps現(xiàn)狀調(diào)查報告(2022年)運(yùn)數(shù)據(jù)來源：中國信息通信研究院9企業(yè)目前運(yùn)維工作中常用的數(shù)據(jù)分析方法數(shù)據(jù)來源：中國信息通信研究院20企業(yè)目前運(yùn)維工作中常用的算法模型分析方法中國AIOps現(xiàn)狀調(diào)查報告(2022年) (二)AIOps場景應(yīng)用情況根據(jù)由中國信通院牽頭制定的行業(yè)標(biāo)準(zhǔn)《云計算智能化運(yùn)維(AIOps)能力成熟度模型第分析、決策、執(zhí)行、知識更新五個維度進(jìn)行級別劃分，系統(tǒng)的參與程度隨智能化程度逐級遞幫助人工進(jìn)行決策和操作為主，較為領(lǐng)先的能力實(shí)踐可以達(dá)到L3級別，而L4和L5級別隨中國AIOps現(xiàn)狀調(diào)查報告(2022年)AIOps仍處于初期發(fā)展階段，受訪者對目前AIOps能力水平的評價與期望超過其所在處于輔助智能化(30.27%)和進(jìn)階智能化階段(28.61%)。此外，21.47%的受訪者自評處于數(shù)據(jù)來源：中國信息通信研究院中國AIOps現(xiàn)狀調(diào)查報告(2022年)更加關(guān)注在效率和安全領(lǐng)域的智能化運(yùn)維能力建設(shè)。根據(jù)本次調(diào)查結(jié)果顯示，自評為初始智能化運(yùn)維階段的受訪者更多的是從質(zhì)量領(lǐng)域開始進(jìn)行場景探索(50%)，質(zhì)量領(lǐng)域的關(guān)注度遠(yuǎn)超其他部分。自評為輔助智能化運(yùn)維階段的受訪者持續(xù)增加了質(zhì)量領(lǐng)域(61.97%)的關(guān)注度，并且開始探索成本(52.47%)和效率領(lǐng)域(46.62%)的實(shí)踐。而自評為全面智能化運(yùn)維關(guān)注度比較均衡(49,60%，45.16%)，并且關(guān)注度逐漸向效率領(lǐng)域(55.65%)傾斜，以及增加了對安全領(lǐng)域(40.32%)的關(guān)注和投入。最后自評為高度智能化運(yùn)維階段的受訪者認(rèn)為在質(zhì)量、成本、效率、安全四個領(lǐng)域的關(guān)注度接近一致，也說明數(shù)據(jù)來源：中國信息通信研究院段智能運(yùn)維場景關(guān)注情況中國AIOps現(xiàn)狀調(diào)查報告(2022年)全領(lǐng)域(30.82%)。數(shù)據(jù)來源：中國信息通信研究院業(yè)當(dāng)前智能運(yùn)維重點(diǎn)關(guān)注領(lǐng)域中國AIOps現(xiàn)狀調(diào)查報告(2022年)質(zhì)量領(lǐng)域最先考慮的智能運(yùn)維場景是異常檢測(62.26%)和告警收斂(57.55%)，其次是故障預(yù)測能力(46.76%)、故障自愈(43.72%)、根因分析(42.67%)，最后是故障預(yù)防 (33.04%)。數(shù)據(jù)來源：中國信息通信研究院智能運(yùn)維能力-質(zhì)量領(lǐng)域應(yīng)用情況中國AIOps現(xiàn)狀調(diào)查報告(2022年)成本領(lǐng)域的場景建設(shè)較為均衡，資源優(yōu)化(44.49%)，成本評估(40.40%)，容量預(yù)測 (40.40%)，但有20.59%的受訪者所在企業(yè)表示還未開展成本部分內(nèi)容，也是這四大場景數(shù)據(jù)來源：中國信息通信研究院智能運(yùn)維能力-成本領(lǐng)域應(yīng)用情況效率領(lǐng)域最先考慮的智能運(yùn)維場景是效率評估(37.52%)、知識構(gòu)建(36.58%)、智能變更(34.42%)，智能問答(30.99%)，輿情分析(16.60%)。數(shù)據(jù)來源：中國信息通信研究院智能運(yùn)維能力-效率領(lǐng)域應(yīng)用情況中國AIOps現(xiàn)狀調(diào)查報告(2022年)安全領(lǐng)域最先考慮的智能運(yùn)維場景是風(fēng)險可視化(40.12%)、威脅感知(32.82%)、安全知識圖譜(31.10%)，其次是脆弱性感知(24.02%)、SOAR(20.09%)、UEBA(16.05%)。數(shù)據(jù)來源：中國信息通信研究院智能運(yùn)維能力-安全領(lǐng)域應(yīng)用情況中國AIOps現(xiàn)狀調(diào)查報告(2022年)隨著智能運(yùn)維能力的持續(xù)完善以及應(yīng)用場景的不斷深入，將明顯感知到智能運(yùn)維帶來的率提升，其中25.4%的受訪者表示有一數(shù)據(jù)來源：中國信息通信研究院9故障恢復(fù)時長與效率提升的感知情況統(tǒng)計大部分受訪者所在企業(yè)處于15-30分鐘的恢復(fù)時間(18.76%)和30-60分鐘進(jìn)行故障服務(wù)恢復(fù)(17.54%)，僅有7.86%的受訪者所在企業(yè)恢復(fù)時間超過4小時。中國AIOps現(xiàn)狀調(diào)查報告(2022年) (三)AIOps發(fā)展趨勢與挑戰(zhàn)運(yùn)維場景中的實(shí)踐探索中產(chǎn)生的。比如“能力定制化，難以跨業(yè)務(wù)應(yīng)用或泛化成本高” 難以支持智能運(yùn)維建設(shè)”(19.76%)，“受限于AI團(tuán)隊(duì)規(guī)?！?18.43%)。此外還包括了策與管理”(17.49%)，“智能運(yùn)維的建設(shè)價值難度量和體現(xiàn)”(16.93%)。數(shù)據(jù)來源：中國信息通信研究院能運(yùn)維建設(shè)過程中遇到的困難中國AIOps現(xiàn)狀調(diào)查報告(2022年)進(jìn)行劃分，質(zhì)量場景仍然是主要提升方向，其中包括提升故障的根因定位效率(36.75%)，提升故障修復(fù)速度(32.82%)，完善故障預(yù)測能力(31.82%)以及建立故障處理流程規(guī)范 (23.52%)。成本場景中，包括需要進(jìn)一步優(yōu)化資源配置與成本優(yōu)化(33.31%)，建立系統(tǒng)健康度評估 (29.88%)，完善對變更過程的檢測(19.98%)。輿情信息納入運(yùn)維場景分析(26.34%)。安全場景得到更多的關(guān)注，其中需要加強(qiáng)對安全事件的快速響應(yīng)以及相應(yīng)的防范措施的建設(shè) (40.79%)。數(shù)據(jù)來源：中國信息通信研究院前企業(yè)使用的運(yùn)維系統(tǒng)改進(jìn)方向中國AIOps現(xiàn)狀調(diào)查報告(2022年)未來業(yè)務(wù)的增長需求。27.67%的企業(yè)將加強(qiáng)人員方面投入，對技術(shù)人員進(jìn)行AIOps相關(guān)培數(shù)據(jù)來源：中國信息通信研究院企業(yè)智能運(yùn)維建設(shè)方向中國AIOps現(xiàn)狀調(diào)查報告(2022年) (一)運(yùn)營商篇隨著國內(nèi)企業(yè)數(shù)智化轉(zhuǎn)型的深入推進(jìn)，電信行業(yè)運(yùn)維從傳統(tǒng)的基礎(chǔ)設(shè)備運(yùn)維逐漸轉(zhuǎn)為軟數(shù)量線性增加，每萬臺服務(wù)器運(yùn)維人員的數(shù)量持續(xù)下降，亟需引入智能化運(yùn)維手段，解決人案例1智能運(yùn)營平臺應(yīng)用通數(shù)字科技智能運(yùn)營平臺是聯(lián)通數(shù)字科技有限公司自行研發(fā)的一款基于動態(tài)基線算法國家開放大學(xué)的實(shí)驗(yàn)學(xué)院信息化改造項(xiàng)目選用了聯(lián)通數(shù)字科技有限公司開智能運(yùn)營平臺在三地的部署圖中國AIOps現(xiàn)狀調(diào)查報告(2022年)模型，結(jié)合業(yè)務(wù)負(fù)載情況，動態(tài)調(diào)整IT設(shè)備的上下線、關(guān)機(jī)、啟動，達(dá)到綠色智能運(yùn)營平臺幫助客戶解決了監(jiān)控手段匱乏、故障發(fā)現(xiàn)滯后、動環(huán)監(jiān)控死案例2基于指標(biāo)異常檢測在云平臺網(wǎng)元健康度判斷的應(yīng)用浙江移動類型也在逐步增加，指標(biāo)數(shù)據(jù)日益增大；網(wǎng)元間的業(yè)務(wù)差異性要求網(wǎng)元評分標(biāo)自動化操作能力等打造了晴雨表產(chǎn)品。晴雨表系統(tǒng)采用可視化展現(xiàn)層、應(yīng)用分析層、數(shù)據(jù)采集層三層架構(gòu)。評分結(jié)果通過頁面實(shí)時展示，同時結(jié)果回寫至Kafka后再存入ES集群進(jìn)行長久保系統(tǒng)架構(gòu)部署方案運(yùn)維，AI算分，自動化操作發(fā)現(xiàn)低分故障網(wǎng)元，推送故障詳情信息到kafka，自愈系統(tǒng)消費(fèi)到Kafka數(shù)據(jù)后匹配到對應(yīng)的自愈腳本執(zhí)行自愈，實(shí)現(xiàn)自動化故障恢復(fù)，減少人工干預(yù)。晴雨表以交付類產(chǎn)品進(jìn)行輸出，支持一站式解決方案部署。目前已在浙江入流程圖wG均先于用戶5分鐘感知發(fā)現(xiàn)故障，有效縮減了用戶斷服時長，提升了用戶感知。晴雨表中基于案例3業(yè)務(wù)端到端故障智能發(fā)現(xiàn)診斷自愈IT業(yè)務(wù)系統(tǒng)集群規(guī)模越發(fā)龐大，傳統(tǒng)的告警不能及時有效的發(fā)現(xiàn)系統(tǒng)異常，海方案框架圖斷階段使用trace日志還原業(yè)務(wù)鏈拓?fù)?、?jié)點(diǎn)信息。通過業(yè)務(wù)鏈異常挖掘算法進(jìn)行橫向根因分析，確定引起了整個業(yè)務(wù)鏈故障的節(jié)點(diǎn)排名。通過日志異常檢測算法智能發(fā)現(xiàn)相關(guān)節(jié)點(diǎn)的異常日志，以及結(jié)合跨層告警，結(jié)合知案例4異構(gòu)系統(tǒng)智能故障診斷平臺的應(yīng)用東移動障診斷流程圖查處理準(zhǔn)確診斷 營新模式寧移動隨著IT技術(shù)的迅猛發(fā)展，投訴運(yùn)維體系的不斷演進(jìn)，投訴運(yùn)維逐漸從人AI，AI值，和應(yīng)用或場景服務(wù)所需的基礎(chǔ)能力服務(wù)(黑色部分)。投訴平臺整體技術(shù)架構(gòu)圖單相似/同源推薦；3.業(yè)務(wù)一致性平臺(投訴前移處理)：實(shí)現(xiàn)投訴前移web及后臺維護(hù)功能，一鍵核查，預(yù)案執(zhí)行；??自2021年智能投訴機(jī)器人、?短30%知識推送能力上線以來，全省各地市累中國AIOps現(xiàn)狀調(diào)查報告(2022年) (二)銀行證券篇型對產(chǎn)生的各類運(yùn)維數(shù)據(jù)進(jìn)行采集、處理與分析，迅速發(fā)現(xiàn)問題根源并對未來可能出現(xiàn)的問案例6工行AIOps智能運(yùn)維體系建設(shè)實(shí)踐x習(xí)等手段提升運(yùn)維的自動化、智能化程度，布局AIOps智能運(yùn)維建設(shè)，逐步中國AIOps現(xiàn)狀調(diào)查報告(2022年)監(jiān)控中心系統(tǒng)監(jiān)控應(yīng)用監(jiān)控中監(jiān)控中心系統(tǒng)監(jiān)控應(yīng)用監(jiān)控中間件監(jiān)控日志中心應(yīng)用日志操作系統(tǒng)日志中間件日志分布式監(jiān)控服務(wù)監(jiān)控IT數(shù)據(jù)池網(wǎng)絡(luò)(含硬件)存儲(含硬件)計算(含硬件)AIOps門戶移動端自定義報表平臺成本管理智能變更智能決策自動驗(yàn)證配置管理智能問答運(yùn)維知識庫成本優(yōu)化容量規(guī)劃資源優(yōu)化負(fù)載畫像異常檢測故障預(yù)測故障診斷故障自愈運(yùn)維可視化故障管理變更管理服務(wù)咨詢儀表盤PC大屏運(yùn)運(yùn)維數(shù)據(jù)分析中心平平臺技術(shù)支撐機(jī)器學(xué)習(xí)平臺應(yīng)用平臺云基礎(chǔ)設(shè)施云大數(shù)據(jù)平臺智能運(yùn)維平臺架構(gòu)圖案例7工行數(shù)據(jù)中心智能運(yùn)維技術(shù)應(yīng)用實(shí)踐工商銀行正處于向數(shù)字化轉(zhuǎn)型發(fā)展的關(guān)鍵時期，隨著業(yè)務(wù)快速發(fā)展及IT工商銀行數(shù)據(jù)中心重點(diǎn)圍繞信息系統(tǒng)運(yùn)維可視化和快速排障能力提升開AIOps運(yùn)維地圖、日志及指標(biāo)工商銀行數(shù)據(jù)中心重點(diǎn)圍繞信息系統(tǒng)運(yùn)維可視化和快速排障能力提升開AIOps運(yùn)維地圖、日志及指標(biāo)分析引擎為基礎(chǔ)的多模態(tài)智能運(yùn)維框架，融合了知識圖譜、自然語言處理 能運(yùn)維框架，初步具備了AIOPS的服務(wù)化能力，面向運(yùn)維應(yīng)用輸出實(shí)時運(yùn)維運(yùn)維地圖實(shí)現(xiàn)架構(gòu)與圖譜示意案例8AIOps智能根因定位業(yè)務(wù)數(shù)字轉(zhuǎn)型與架構(gòu)分布式轉(zhuǎn)型對商業(yè)銀行業(yè)務(wù)系統(tǒng)的運(yùn)維保障工作帶估體系、優(yōu)化海量資源指標(biāo)算法分析手段、打造AI算法與專家經(jīng)驗(yàn)相結(jié)合的障根因定位總體流程圖目前農(nóng)行智能根因定位場景已在生產(chǎn)上得到了廣泛應(yīng)用，為生產(chǎn)異常的“及時發(fā)現(xiàn)、準(zhǔn)確定位、快速處置”提供了有力支持，其中AI根因定位已覆案例9AIOps在銀行業(yè)運(yùn)維操作風(fēng)險控制領(lǐng)域的實(shí)踐金融科技有限責(zé)任公司加強(qiáng)自身信息科技風(fēng)險管理能力。建信金科與中國建設(shè)銀行運(yùn)營數(shù)據(jù)中心合品。本案例利用其中的采集功能模塊(品。本案例利用其中的采集功能模塊(IT服務(wù)管理等)、決策功能模塊(運(yùn)維數(shù)據(jù)平臺等)，可視化功能模塊(運(yùn)維報表等)覆蓋了運(yùn)維數(shù)據(jù)的全生命周期維操作風(fēng)險的有效監(jiān)管?？酌髦悄苓\(yùn)維產(chǎn)品全景圖作失誤案例等建立起的風(fēng)險場景模型和知識，與采集集成的運(yùn)維T4.通過可視化平臺形成高危風(fēng)險操作事前預(yù)警和風(fēng)險違規(guī)操作事后報告，為析功能、風(fēng)險控制模型，實(shí)現(xiàn)對風(fēng)險控制場景，結(jié)合內(nèi)審發(fā)現(xiàn)問題，可針對部分高危操作行為(例如在監(jiān)測資源繁忙度高水位場景下實(shí)施施操作前預(yù)警提示，避免操作行為最終違規(guī)。警，使其及時發(fā)現(xiàn)審計風(fēng)險等問題并跟蹤整改，避免操作風(fēng)險處案例10打造智能運(yùn)維利器，助力運(yùn)維數(shù)字化轉(zhuǎn)型浦發(fā)銀行智能運(yùn)維架構(gòu)圖中心數(shù)字孿生2.趨勢預(yù)測3.多指標(biāo)異常檢測體并自動分類排序。聚類不同表征的異常機(jī)器，采用搜索引擎排序技術(shù)LearningtoRankpointwise華泰證券1.通過低代碼方式接入現(xiàn)有各種運(yùn)維工具數(shù)據(jù)。接入數(shù)據(jù)源包括統(tǒng)一監(jiān)智能運(yùn)維大數(shù)據(jù)平臺4.支持業(yè)務(wù)場景下的指標(biāo)、日志關(guān)聯(lián)分析。支持從日志中抽取各項(xiàng)業(yè)務(wù)案例12智能運(yùn)維平臺建設(shè)實(shí)踐光大證券光大證券升級大數(shù)據(jù)平臺、完善日志管理、引進(jìn)業(yè)務(wù)監(jiān)控工具、重構(gòu)大證券智能運(yùn)維平臺架構(gòu)圖端運(yùn)行數(shù)據(jù)、網(wǎng)絡(luò)流量全部已據(jù)近1T。之內(nèi)完成17個維度的分析，給出可能的異常維度(組合)，MTTR降低案例13智能運(yùn)維分析系統(tǒng)，助力業(yè)務(wù)運(yùn)營高效平穩(wěn)發(fā)展信證券以開源平臺為基礎(chǔ)、利用運(yùn)維實(shí)踐與算法相結(jié)合打造智能運(yùn)維系統(tǒng)。從海量的日志和運(yùn)維數(shù)據(jù)中提取出有價值的信息幫助系統(tǒng)管理人好的了解系統(tǒng)、預(yù)測潛在風(fēng)險、繪制系統(tǒng)畫像、探尋數(shù)據(jù)規(guī)律、感知系智能運(yùn)維分析系統(tǒng)在技術(shù)上主要以開源工具為主體，配合自研前端，靈智能運(yùn)維分析系統(tǒng)架構(gòu)圖?提高業(yè)務(wù)監(jiān)控能力，降低運(yùn)維風(fēng)險。智能監(jiān)控平臺是所有監(jiān)控工具重要信息的匯集處理中心，通過統(tǒng)一