AIOps落地的前提条件探索

笔者根据自身的技术和行业理解，探索分析AIOps在企业落地的前提条件。

涉及关键字：自动化运维、AIOps、技术运营PaaS、蓝鲸等。

AIOps概念

Gartner在2016年时便提出了AIOps的概念，AIOps即人工智能与运维的结合，并预测到2020年，AIOps 的采用率将会达到 50%。

简单来说，AIOps 就是基于已有的运维数据（日志、监控信息、应用信息等）并通过机器学习的方式来进一步解决自动化运维没办法解决的问题。

软件的一些“算法逻辑”不代表真正的AIOps，判断是否是真正AIOps的关键点在于：是否能自动从数据学习中总结规律，并利用规律对当前的环境给予决策建议。    

Gartner定义AIOps概念图

AIOps的概念：

1. 智能运维是以大数据平台和机器学习（算法平台）为核心。
2. 智能运维需要与监控、服务台、自动化系统联动，智能运维需要从各个监控系统中抽取数据、面向用户提供服务、并有执行智能运维产生决策模型的自动化系统。

​

AIOps的应用：

通过对运维数据的计算和分析支持智能监控、智能的故障分析和处理，智能IT知识图谱等。

AIOps的价值：

传统运维面对海量的运维数据，要快速止损和进行决策，人工专家的分析判断往往需要花费数小时或更大。

而AIOps在于通过机器学习来进行运维数据的挖掘，能帮助人甚至代替人进行更有效和快速的决策。

智能运维在企业的落地，能够提升业务系统的SLA，提升用户的体验，减小故障处理的时间等，带来业务的价值；并最终实现真正意义上的无人值守运维。

AIOps应用领域

目前各大传统客户围绕AIOps的探讨和建设主要是如下内容：

发现问题：基于机器学习的异常检测；

例如，目前监控数据的异常阈值往往是静态的，无法有效规避变更时间、特殊节假日、业务正常的高低峰等，简单阈值、同环比算法的覆盖面有限，很容易漏警和误警。

基于历史数据或进行样本标记的KPI异常检测，能第一时间发现问题，检测模型能覆盖大多数曲线类型，能较好适应业务生命周期中的变化。

根因分析：基于机器学习的故障树挖掘，定位故障发生的根源以及其原因；

例如，首先实现故障精准定位，在多指标情况下的业务异常（多指标检测的异常），出现异常的原因具体是哪个指标导致的；然后根据故障树挖掘和知识图谱，实现故障的精准根因分析与定位。

预测未来：基于机器学习模型的指标预测；

例如，基于多种回归和统计方法，实现对不同级别粒度的业务数据的预测，包括业务指标预测、容量预测等，如双11业务对组件容量和资源容量的容量预测等。

IT辅助决策支持：深入运营场景，实现业务运营的IT辅助决策应用；

如营收预测、舆情分析与预测等场景。

算法层面则可以跟学术界进行合作或在社区中获取，在早期训练数据集和反馈数据量比较少的情况下，采用无监督学习，具体实现是用模式识别（pattern recognition）的技术来判断指标是否关联。关联性是通过时间序列曲线相似度(similarity distance)来衡量的。

机器学习算法库提供计算时间序列曲线相似度的各种算法，比如：欧几里德距离（Euclidean Distance）、曼哈顿距离（Manhattan Distance）、明科斯基距离（Minkowski Distance）等。

在有足够数据集以后，算法演化成有：监督学习、随机森林（Random Forrest）、GBDT(Gradient Boosted Decision Tree) 、神经网络（Neutal Network）等。

AIOps对基础设施的要求

AIOps从技术层面来讲，需要数据、算法模型两个最为核心的要素，数据的支撑需要一套整体的运维大数据体系，而算法模型的支撑则需要一套整体的挖掘框架体系，以及执行决策的自动化系统。

运维大数据：

需要有集成多类数据源、一站式低门槛的数据开发、统一的多样化数据存储和查询等功能。

数据挖掘：

全流程、可视化数据建模，支持多种机器学习框架、交互式建模IDE、可视化样本标记等功能。

自动化系统：

需要集成企业CMDB、作业执行、编排引擎、自定义场景等功能。

更为核心的是这些功能模块之间应该有效交互，不能仅仅是独立的各个模块，需要有一套平台架构来去支撑各个个性化的场景，尤其是打破数据烟囱、功能烟囱，这样才能实现有效的智能运维生命周期落地：

数据采集→数据建模→机器学习挖掘→自动化执行→反馈

而腾讯蓝鲸，腾讯IEG自用的一套用于构建企业研发运营一体化体系的PaaS开发框架，则通过解耦原子能力与场景，能完全支撑AIOps的生命周期落地。

蓝鲸PaaS支撑AIOps落地

PaaS能力模块层：

1、管控模块负责通过Agent、通用协议和API接口等方式将公有云、私有云或者混合云中的服务器、存储、网络、虚拟化平台、数据库、中间件、基础应用、业务应用、云管平台、容器等企业所有需要统一运维的IT资源进行纳管；有统一的管道进行接入数据、有统一的管道执行命令。

2、平台层中的每个原子平台都是一个或者多个相关功能的集中实现：

配置模块（CMDB）：

企业所有IT对象配置信息的集中存储和消费中心。

作业模块：

针对IT对象进行脚本执行和文件分发层面的自动化编排的作业中心。

编排模块：

跨系统编排及调度引擎，实现覆盖全生命周期场景的运维工作。

数据接入、开发与存储：

运维大数据平台，针对运维和运营数据进行大数据接入、清洗、存储、实时和离线计算、展示以及数据消费的中心，是实现数据运维和辅助运营的关键。

AI挖掘：

通全流程、可视化数据建模，支持多种机器学习框架、交互式建模IDE、可视化样本标记，并支持自己写入算法。

PaaS架构层

iPaaS层： 

API GateWay（统一接入模块），将配置管理（CMDB）平台、作业平台、数据平台、挖掘平台等原子平台统一接入、集成、驱动和调度，供上层运维场景SaaS驱动和调用。

aPaaS开发者中心：

开发者中心提供完整的前后端开发框架，当企业在未来出现新的运维需求的时候，企业可以快速利用开发者中心完成相应的运维系统开发，并一键部署。

运维场景应用层

平台所有的运维场景的实现运行在这个层次，包含配置管理与消费、IT监控与故障自愈、运维自动化、运维流程管理、数据分析和智能运维场景。

腾讯蓝鲸原子平台数据平台架构

腾讯蓝鲸原子平台挖掘模块示例

AIOps落地前提条件探索

从整体上来讲，AIOps的引入和使用需要具备一定的条件，但并不需要企业把所有东西准备好才能动工。

例如很多企业觉得应该准备好数据完整性和人才才能开始应用AIOps，但是，数据的完整性取决于探索之后才知道怎样的数据才是完整的；AIOps人才更为关键的在于了解智能运维场景；算法也只有根据实际情况不断调优才能有更好的应用效果。

只要有痛点，和通过智能运维带来价值，AIOps就可以先引入，并逐步带动企业智能化运维的发展。

总结来讲，AIOps落地的前提条件应该分为三个方面：

但是三个条件都不是指必须完全准备好才能开始实践：

基础设施平台：

可以从自动化能力，以及数据一体化能力进行起步建设，而不是一开始就建设一套于运维人员简单易用的模型设计框架；

算法：

目前已经有很多运维领域通用的算法，可以采用跟学术界、社区以及腾讯这些有实际落地经验的算法提供方进行合作，算法引入后需要不断调试优化才能有一个更为准确的百分比；企业也可以自建算法人才，但是算法本身属于科学领域，于企业而言，可以从性价比上综合来考虑；

人员组织：

人员组织的准备，更为关注的应该是跨技术领域的综合性运维人才，他们更懂运维场景，以及智能运维能实际解决哪些问题点，不能为了智能而智能。

以上，是笔者参考和研究一些资料后，以及结合企业经验的一些个人感受和理解，欢迎留言探讨。​​​​