2022 中國AIOps現(xiàn)狀調(diào)查報告權(quán)威解讀

《2022中國AIOps現(xiàn)狀調(diào)查報告》權(quán)威解讀《2022中國AIOps現(xiàn)狀調(diào)查報告》權(quán)威解讀GOGO中國信息通信研究院云計算與大數(shù)據(jù)研究所審計與治理部工程師體化（DevOps）能力成熟度模型》系《云計算智能化運維（AIOps）能力成熟度contentscontents1調(diào)查背景介紹2調(diào)查樣本分布情況3AIOps能力建設(shè)基本情況4AIOps場景應(yīng)用情況5AIOps發(fā)展趨勢與挑戰(zhàn)調(diào)查背景介紹需求驅(qū)動政策助力標準引領(lǐng)01調(diào)查背景需求驅(qū)動政策助力標準引領(lǐng)?近年來，智能運維正成為企業(yè)高效管控種類繁多數(shù)量龐大的物理設(shè)備、精準定位故障信息、實時防護網(wǎng)絡(luò)攻擊、快速迭代需求變更等新時代運維場行業(yè)標準：《云計算智能化運維(AIOps)能力成熟度模型第1部分：通用能力要求》行業(yè)標準：《云計算智能化運維(AIOps)能力成熟度模型第2部分：系統(tǒng)和工具技術(shù)要求》智能運維國際標準：Y.ccabom-reqts-CloudComputing-RequirementsforAI調(diào)查樣本分布情況參與調(diào)查企業(yè)人員規(guī)模參與調(diào)查人員職業(yè)分布□02調(diào)查樣本分布情況參與調(diào)查企業(yè)人員規(guī)模參與調(diào)查人員職業(yè)分布本次調(diào)查報告采用在線問卷調(diào)查方式，共收集到有效問卷1807份。參與調(diào)查企業(yè)行業(yè)分布參與調(diào)查企業(yè)行業(yè)分布梳理中國AIOps產(chǎn)業(yè)發(fā)展脈絡(luò)，幫助企業(yè)了解智能運維發(fā)展現(xiàn)狀，促進智能運維領(lǐng)域技術(shù)與應(yīng)用的有效落地AIOps能力建設(shè)基本情況馬03AIOps能力建設(shè)基本情況ü多數(shù)企業(yè)近年來在運維方面的資金投入仍處于增長階段。?近4成企業(yè)運維方面年平均投資規(guī)模超5000萬元，投資規(guī)模在5000萬元-1億元的企業(yè)占比11.24%，1億元-5億元的企業(yè)占比13.45%。ü超半數(shù)企業(yè)在實現(xiàn)自動化運維、自動化部署的基礎(chǔ)上進一步增強監(jiān)控、運維智能化能力。?根據(jù)本次調(diào)查顯示，61.21%的企業(yè)選擇優(yōu)先關(guān)注和投資DevOps自動化部署，52%的企業(yè)選擇優(yōu)先關(guān)注和投資升級監(jiān)控和AIOps。ü以結(jié)果為導(dǎo)向的IT運維KPI指標是當(dāng)前企業(yè)關(guān)注的重點，企業(yè)對于用戶體驗的關(guān)注正在持續(xù)升溫。?根據(jù)本次調(diào)查顯示，60.04%的企業(yè)最關(guān)注“可用性、正常運行時間和性能”指標。用戶滿意度也獲得了44.66%的關(guān)注，這反應(yīng)了企業(yè)對于用戶體驗的持續(xù)升溫?！?3AIOps能力建設(shè)基本情況?智能運維已在各行業(yè)逐步落地應(yīng)用，特別是在科技、?內(nèi)外雙修，智能運維系統(tǒng)/工具/平臺既可用于增強企馬03AIOps能力建設(shè)基本情況 ?當(dāng)前企業(yè)的智能運維系統(tǒng)/工具更多集中于對系統(tǒng)（服務(wù)器、操作系統(tǒng)）?當(dāng)前企業(yè)的智能運維系統(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)/應(yīng)用監(jiān)控數(shù)據(jù)的處注和梳理運維數(shù)據(jù)，建設(shè)數(shù)據(jù)規(guī)范化能力，為下一階段運馬03AIOps能力建設(shè)基本情況 ?大部分企業(yè)已經(jīng)在數(shù)據(jù)分析和算法模型分析方面已經(jīng)?多數(shù)企業(yè)采用?大部分企業(yè)已經(jīng)在數(shù)據(jù)分析和算法模型分析方面已經(jīng)企業(yè)當(dāng)前運維工作中數(shù)據(jù)分析與算法模型應(yīng)用AIOps場景應(yīng)用情況□04AIOps場景應(yīng)用情況üAIOps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企業(yè)實際應(yīng)用的情況。?從整體來看，30.27%的企業(yè)自評目前處于輔助智能化運維階段，28.61%的企業(yè)自評處于進階智能化運維階段。ü智能運維在質(zhì)量、成本、效率、安全四大運維領(lǐng)域均已開展部署和應(yīng)用，其中質(zhì)量領(lǐng)域最為關(guān)注。?調(diào)查顯示，54.79%的企業(yè)當(dāng)前著重關(guān)注智能運維的質(zhì)量領(lǐng)域(包括異常檢測、告警收斂、根因分析、故障處置等)能力建設(shè)，其次45.77%的企業(yè)關(guān)注效率領(lǐng)域，45.49%的企業(yè)關(guān)注成本領(lǐng)域，30.82%的企業(yè)關(guān)注安全領(lǐng)域。ü大部分企業(yè)在數(shù)據(jù)分析和算法模型分析方面已經(jīng)逐步開始場景探索。并且已有15.61%和11.07%的受訪者所在企業(yè)將數(shù)據(jù)分析方法和算法模型應(yīng)用與大部分業(yè)務(wù)場景。04AIOps場景應(yīng)用情況AIOpsAIOps能力成熟度模型(AIOps)能力成熟度模型第1部分：通用能力要求決策、執(zhí)行、知識更新五個維度進行級別劃分，系統(tǒng)的參與程度隨智能化程度逐級遞增，并結(jié)合智能運維應(yīng)用場景特點，形智能化程度逐級遞增智能化程度逐級遞增.74%04AIOps場景應(yīng)用情況.74%企業(yè)企業(yè)AIOps發(fā)展階段?不同AIOps能力成熟度階段的企業(yè)關(guān)注領(lǐng)域各不相?不同AIOps能力成熟度階段的企業(yè)關(guān)注領(lǐng)域各不相AIOps能力水平的評價與期望超過其所在企業(yè)04AIOps場景應(yīng)用情況?智能運維在質(zhì)量、成本、效率、安全四大運維領(lǐng)域均04AIOps場景應(yīng)用情況在企業(yè)處于15-30分鐘的恢復(fù)時間（18.76和30-60分鐘進行故障服務(wù)恢復(fù)（17.5），僅有7.86%的受訪者所在企業(yè)恢復(fù)時間AIOps發(fā)展趨勢與挑戰(zhàn)馬05AIOps發(fā)展趨勢與挑戰(zhàn)ü多數(shù)企業(yè)領(lǐng)導(dǎo)層已經(jīng)對智能運維能力建設(shè)加以重視并付諸行動，但在智能運維的建設(shè)過程中仍有諸多困難與挑戰(zhàn)。?根據(jù)調(diào)查統(tǒng)計，目前遇到的困難和挑戰(zhàn)主要在不同運維場景中的實踐探索中產(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%“場景有限，大量運維場景沒有成熟的方案”（33.98%“新場景建設(shè)周期長”（30.71%）。ü需求驅(qū)動能力升級，除普遍關(guān)注的質(zhì)量場景，安全場景成為更多企業(yè)未來關(guān)注和提升的方向。?根據(jù)本次調(diào)查結(jié)果，質(zhì)量場景仍然是主要提升方向。36.75%的企業(yè)在未來將提升故障的根因定位效率，32.82%的企業(yè)將會提升故障修復(fù)速度，31.82%的企業(yè)將完善故障預(yù)測能力以及23.52%的企業(yè)將會建立故障處理流程規(guī)范。安全場景得到更多的關(guān)注，40.79%的企業(yè)將加強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)。ü未來趨勢：加強人員與技術(shù)方面投入，持續(xù)探索智能運維場景，持續(xù)優(yōu)化現(xiàn)有場景能力，提升穩(wěn)定性，易用性。?47.76%的企業(yè)將在目前已有的智能運維場景中繼續(xù)優(yōu)化改進，提升效果。44.71%的企業(yè)將在易用性、可用性、穩(wěn)定性等方面持續(xù)改進。05AIOps發(fā)展趨勢與挑戰(zhàn)?企業(yè)不斷優(yōu)化現(xiàn)有場景能力，提升穩(wěn)定性、易用性?企業(yè)不斷優(yōu)化現(xiàn)有場景能力，提升穩(wěn)定性、易用性，持續(xù)探索智能運維新場景并加強人員與技術(shù)?需求驅(qū)動能力升級，除普遍關(guān)注的質(zhì)量場景，運維下的安全場景成為更多企業(yè)未來力建設(shè)加以重視并付諸行動，但在智能運維的建設(shè)過程中仍有諸多困難與銀行證券篇中國工商銀行軟件開發(fā)中心中國工商銀行數(shù)據(jù)中心中國農(nóng)業(yè)銀行銀行證券篇中國工商銀行軟件開發(fā)中心中國工商銀行數(shù)據(jù)中心中國農(nóng)業(yè)銀行建信金融科技有限責(zé)任公司浦發(fā)銀行華泰證券光大證券安信證券工行AIOps智能運維體系建設(shè)實踐工行數(shù)據(jù)中心智能運維技術(shù)應(yīng)用實踐AIOps智能根因定位AIOps在銀行業(yè)運維操作風(fēng)險控制領(lǐng)域的實踐打造智能運維利器，助力運維數(shù)字化轉(zhuǎn)型“數(shù)字華泰”的智能運維(AIOps)建設(shè)智能運維平臺建設(shè)實踐智能運維分析系統(tǒng)，助力業(yè)務(wù)運營高效平穩(wěn)發(fā)展運營商篇運營商篇聯(lián)通數(shù)字科技浙江移動中移動信息廣東移動遼寧移動智能運營平臺應(yīng)用基于指標異常檢測在云平臺網(wǎng)元健康度判斷的應(yīng)用業(yè)務(wù)端到端故障智能發(fā)現(xiàn)診斷自愈異構(gòu)系統(tǒng)智能故障診斷平臺的應(yīng)用新模式服務(wù)提供商篇智能運維云監(jiān)控平臺，賦能云服務(wù)生產(chǎn)能力基于AIOPS的智能運維數(shù)字員工擎創(chuàng)科技新炬網(wǎng)絡(luò)總結(jié)：AIOps現(xiàn)狀調(diào)查報告-關(guān)鍵詞/智能運維工具/平臺可采用數(shù)據(jù)采集或數(shù)據(jù)接入的數(shù)據(jù)獲智能運維應(yīng)用場景可分為質(zhì)量領(lǐng)域、成本領(lǐng)域、效率領(lǐng)域、安泛化成本高、建設(shè)周期長、效果難維持、價值難度《智能化運維(AIOps)能力成熟度模型》評估介紹v目前，基于《云計算智能化運維(AIOps)能力成熟度模型第1部分：通用能力要求》開展的智能運維（AIOps）通用能力成熟度評估已全面開放。其中智能計算引擎、數(shù)據(jù)管理、配置管理為必評項。v企業(yè)可根據(jù)自身情況任選應(yīng)用場景中的一項或多項進行參與。資源優(yōu)化智能變更威脅感知異常檢測歷史故障分析成本評估智能客服安全監(jiān)測告警收斂日志定位容量預(yù)測輿情分析威脅狩獵根因分析知識庫管理響應(yīng)處置故障止損故障修復(fù)故障預(yù)測智能算法與模型數(shù)據(jù)服務(wù)數(shù)據(jù)分析數(shù)據(jù)采集數(shù)據(jù)傳輸數(shù)據(jù)處理數(shù)據(jù)存儲數(shù)據(jù)治理智能計算引擎、數(shù)據(jù)管理、智能計算引擎、數(shù)據(jù)管理、配置管理為必評項。智能化運維(AIOps)能力成熟度模型第2部分：系統(tǒng)和工具技術(shù)要求v目前，基于《云計算智能化運維(AIOps)能力成熟度模型第2部分：系統(tǒng)和工具技術(shù)要求》智能運維（AIOps）系統(tǒng)和工具技術(shù)要求評估已開放8個模塊：異常檢測、故障預(yù)測、告警收斂、根因分析、故障自愈、故障預(yù)防、容量預(yù)測、知識庫構(gòu)建。v企業(yè)可根據(jù)自身情況任選一項或多項進行參與。評估報告與證書模板示例AICTT中國移動通信集團浙江有限公司中國移動通信集團廣東有限公司北京西駿數(shù)據(jù)科技股份有限公司亞信科技（中國）有限公司北京博睿宏遠數(shù)據(jù)科技股份上海擎創(chuàng)信息技術(shù)有限公司有限公司AIAICTT中國移動通信集團浙江有限公司中國移動通信集團廣東有限公司北京西駿數(shù)據(jù)科技股份有限公司亞信科技（中國）有限公司北京博睿宏遠數(shù)據(jù)科技股份上海擎創(chuàng)信息技術(shù)有限公司有限公司AICTAICT華泰證券股份華泰證券股份有限公司中移動信息技術(shù)有中移動信息技術(shù)有限公司（廣州中心）浪潮云信息技浪潮云信息技術(shù)股份公司技有限公司評估價值：引領(lǐng)AIOps能力建設(shè)，成為國內(nèi)智能運維領(lǐng)域工具/平臺標桿價值與收益：以搭建AIOps系統(tǒng)和工具平臺入手，明確企業(yè)內(nèi)部各項目的AIOps能力現(xiàn)狀，對比同行業(yè)及所有行業(yè)的AIOps優(yōu)秀實踐，發(fā)現(xiàn)問題，查漏補缺，明確未來持續(xù)優(yōu)化的方向，指導(dǎo)企業(yè)全面建設(shè)智能化運維能力。已開展AIOps能力/系統(tǒng)工具平臺建設(shè)（有一定經(jīng)驗）希望AIOps建設(shè)得到重視和推進（嘗試應(yīng)用）后續(xù)工作及活動TT為了讓企業(yè)可以清楚識別并基于符合標準的可觀測性能力要求TT為了讓企業(yè)可以清楚識別并基于符合標準的可觀測性能力要求逐步建立與完善智能運維的可觀測性能力，有效整合系統(tǒng)數(shù)據(jù)、監(jiān)控等多方資源，厘清數(shù)據(jù)間的關(guān)系流向，建立業(yè)務(wù)與基礎(chǔ)設(shè)施的鏈接通路，將數(shù)據(jù)與算力關(guān)聯(lián)融合形成具有可觀測特性的智能運維系統(tǒng)，幫助運維人員快速排查故障根因并輔助做出合理決策，保障業(yè)務(wù)連續(xù)性、業(yè)務(wù)體驗，進一步幫助企業(yè)降低運維成本，提高運維效率。因此，亟待開展智能運維可觀測性能力相關(guān)標準制定工作，根據(jù)智能運維可觀測性能力應(yīng)具備的技術(shù)要求給出建議的實施路徑，規(guī)范并促進基于可觀測性的智能運維平臺的發(fā)展和應(yīng)用。本標準將從智能運維領(lǐng)域可觀測性平臺的數(shù)據(jù)采集/接入能力、數(shù)據(jù)處理能力、數(shù)據(jù)分析能力、可觀測應(yīng)用場景能力等方面規(guī)范智能運維可觀測性系統(tǒng)的各項技術(shù)能力。算法模型服務(wù)化能力要求》算法模型的服務(wù)化能力包括算法建模、算法編排、模型訓(xùn)練、模型評估等內(nèi)容。當(dāng)前智能運維系統(tǒng)和工具中的算法引擎多是內(nèi)置于系統(tǒng)中，由算法工程師負責(zé)模型訓(xùn)練、開發(fā)、調(diào)試，將訓(xùn)練完成的算法模型提供給系統(tǒng)使用。由于算法模型較為復(fù)雜，技術(shù)難度高等特點，運維/業(yè)務(wù)人員無法根據(jù)需要對模型進行修改或重開發(fā)，部分模型的使用效果無法滿足預(yù)期。將算法平臺各環(huán)節(jié)能力以服務(wù)化的方式提供給運維/業(yè)務(wù)人員，提供更加靈活、適應(yīng)性更強、效果更好的算法模型，幫助企業(yè)提升運維效率，進一步降低運營成本?，F(xiàn)向全社會征集標準參編單位，后續(xù)將成立編制工作組。要求每個參編單位固定一名專家全程深度參與，共同推進AIOps相關(guān)產(chǎn)業(yè)健康有序發(fā)展。（了解標準更多內(nèi)容，歡迎與我們?nèi)?/p>