智能运维系列之一：个人对智能运维的理解

前序

本人从事了 5 年 的智能运维开发，把这几年的想法和思路在此跟大家分享一下，主要是为了起到抛砖引玉的作用。该序列总共 5 部分：

• 智能运维系列之一 — 概述：主要是讲述自己对智能运维的理解；

• 智能运维系列之二 — 什么是人工智能

• 智能运维系列之三 — 什么是智能运维

• 智能运维系列之四 — 智能运维落地的思路：讲述的是这几年在开发智能运维的过程中挫折和思考；

• 智能运维系列之五 — 总结

个人认知过程

至从 2016 年，开始从事智能监控开发之后，就跟智能运维搭上了不解之缘。

• 2016/2017 年：刚开始做监控的时候，研究了几乎市面上所有监控产品，和相关的技术文章、视频。这个时候，主要是接触了大数据相关的技术，包括：Kafka、Spark、HiTSDB、ELK 等。

• 《大数据日知录》：分布式系统相关的理论、以及大数据相关的技术；

• 《从零开始学习架构》：阿里的一位大神写的，关于 分布式系统架构 的一整套方法论；

• 2018 年：随着监控的逐步完善。开始考虑结合数据挖掘相关技术，产生新的业务价值。刚开始学习人工智能的是有，由两本书对我影响比较大：

• 《智能系统指南》：较为全面的介绍了人工智能各个分支的技术；

• 《人工智能 — 一种现代的方法》：是加州大学伯克利分校的教授 和 Google 研究院主管 合著的一本书。这本书理论性很强，个人认为几乎囊括了人工智能各个分支的相关算法。

• 2019 年：进入了千寻的运维保障部门，接触到了更为庞大的业务。对智能运维有了进一步的理解。同时跟公司数据平台的同事有了交流，对数据仓库在智能运维的应用，有了初步的想法，并且开始尝试实践。

• 运维

• 《Google SRE 运维解密》：google 关于高可用保障的一本数据；

• 赵成的运维体系管理课（极客时间）：关于运维的经验分享

• 《AIOps 标准白皮书》：较为全面的介绍了智能运维。

• 人工智能

• 智能运维前沿（微信公众号）：了解智能运维在业内的前沿技术；

• 数据方向

• 《数据仓库工具箱 — 维度建模权威指南》：数仓建设的完整的方法论，以及样例解释

• 2020 年：开始基于特定的业务，搭建智能运维的解决方案。对完整的智能运维解决方案，开始有了自己独特的理解；

总结一下自己的认知过程

从不同的角度看智能运维，以质量保障为例

个人认为，智能运维是一套复杂的人工智能的解决方案。智能运维的落地，需要集思广益，从多个角度去思考，才能够少走弯路。

从业务的角度看智能运维

首先，智能运维是建立在运维的基础之上的，只有了解了现有的运维的内容和技术体系，我们才能够合理的思考，智能运维在整个运维体系中的地位和作用。

运维的职责

• 持续交付体系建设

• 配置管理：版本控制

• 环境管理：开发环境、集成测试环境、预生产环境、生产环境等；

• 代码管理：

• 发布变更：

• 稳定性体系建设

• 应急响应

• 安全生产：制定故障定级定责的标准，故障定级、故障定责、故障追责、故障应急、故障复盘

• 混沌工程：

• 容量规划与管理

• 技术运营体系建设

• 运维各项标准的制定和推行

运维技术体系

• SLA 体系

• SLI，服务质量指标，服务的某项质量的一个具体的量化指标；

• SLO，服务质量目标，服务的某项 SLI 的具体目标值，或者目标范围；

• SLA，服务质量协议，描述在服务不达 SLO 情况下的后果；

• 基础组件

• CMDB：是面向资源的管理，是运维的基石

• 应用配置管理：是面向应用的管理，是运维的核心

• 基础功能模块

• 发布变更系统；

• 故障管理系统；

• 监控系统；

• 其他扩展功能

智能运维如何在运维中起到作用

目标：

• 1 分钟发现问题 - 5 分钟定位问题 - 10 分钟故障恢复；

• 故障预测；

从产品的角度看智能运维

目标群体

智能运维的使用方，是一群有着丰富经验的运维专家，但是可能对数据分析、数据挖掘没有任何概念

通过跟运维的兄弟们沟通，我发现他们对智能运维抱着两种极端的看法：

• 希望算法能够准确地告诉他们出了什么问题；

• 不相信算法给出的结论；

算法只能保证一定的准确率，但是无法保证 100%的准确定。

解决思路

个人认为，刚开始做智能运维的时候，不应该直接做数据分析，而是先把相关数据产品做起来。

• 第一步（数据产品）：针对特定场景，先收集相关联的数据，以及做好数据展示。以此提高运维解决问题的效率，同时积累相关的业务经验（可落地）；

• 第二步（数据分析）：基于第一步完成的数据产品，可以提供数据分析的结论作为参考。同时提供用户（运维）反馈分析结果是否准确的评估；

• 第三步：形成研发和用户的互动机制；

从数据的角度看智能运维

什么是数据工程

数据工程包括了：

• 数据采集

• 数据清洗

• 数据建模（数据仓库）：数据仓库的作用，主要有三点

• 解决数据关联问题，避免数据孤岛；

• 共享数据逻辑：频繁使用的计算逻辑，可以作为公共的属性放在核心维度表里面；

• 隔离数据源的变化；

• 数据展示

为什么需要数据工程

运维，天然就是大数据。很多公司，最大的数据就是来源于运维部门；

运维的数据类型包括了：

• 基础的硬件信息、应用的信息；

• 中间件的信息；

• 监控数据

• 告警数据

• 等等

运维的业务场景包括了：

• 应用部署；

• 监控

• 排障；

• 容量规划；

• 等等

海量的数据，以及丰富的业务场景。使得建立数据仓库具有天然的可行性和必要性。

同时数据仓库的数据，也能够为数据分析和数据挖掘提供底层的数据支撑；

从工程的角度看智能运维

系统开发

整个智能运维解决方案，把运维几乎所有的业务系统都囊括进来：

• 基础组件

• CMDB

• 应用配置管理

• 支撑系统

• 监控系统

• 故障预案

• 混沌工程：可以验证 故障检测、故障分析、故障恢复等的有效性，同时也可以为 智能运维 提供数据样本；

• 故障管理平台

• 等等

• 数据分析

• 动态阈值检测服务：涵盖了 算法模型、样本管理、算法评估等；

• 日志文本检测服务

• 根因分析服务

• 故障影响评估服务

• 等等

从算法的角度看智能运维

智能 + 运维

• 异常检测

• 动态阈值检测：时序算法

• 日志文本异常检测：文本处理算法

• 根因分析

• 知识图谱

• 数据挖掘/神经网络

• 等等

• 故障自恢

• 故障影响评估

• 故障预测

• 条件概率、贝叶斯网络等等

总结

如何结合以上的思路，落地智能运维，后续的文章会讲到。