【大咖秀】博睿数据眼中的 AIOps,选择正确的赛道正确的人
风口总是偏向那些找对方向的人。
2021 年创投的风向标便吹向了 IT 运维这个赛道。根据 IT 桔子的不完全统计,2021 年 IT 运维行业相关融资事件共有 24 起,融资金额约 54.7 亿元。
据艾瑞咨询的数据显示,2021 年中国 IT 服务突破万亿大关,其中 IT 运维市场规模达到 2941.2 亿元。预计 2023 年将达到 3236.4 亿元,2020-2023 年的年复合增长率为 11.7%。就智能运维赛道而言,全球智能运维的市场规模年复合成长率预计为 30.6%,2027 年达到 400 亿美元的规模。
毋庸置疑,IT 运维正在成为继 SaaS 之外又一个被送上风口的赛道。在这个巨大的角斗场中,资本、企业、技术正在塑造行业发展的新逻辑。
选择正确的赛道和正确的人
在过去的数十年间,运维发展经历了数个阶段。从早期的手工运维到标准化运维、自动化运维,再到 DevOps、AIOps,追溯整个历程不难发现,运维方式随着技术的不断发展,逐渐迈向智能化。
从 2016 年 AIOps(智能运维)概念被提出,到 2017、2018 年全球市场出现商业化产品,在国内市场,2020 年是 AIOps 的元年。博睿数据也是在 2020 年开始重兵投入智能运维赛道。
根据第三方评估机构预测,到 2022 年,40%的大中型企业将部署 AIOps 平台。不难猜测,智能运维将在很长一段时间成为 IT 运维的重点赛道。
博睿数据作为国内智能运维领域的排头兵,自然也不例外。2008 年博睿数据以监控起家,经过多年的打磨,成为了 IT 运维行业的领军企业;2020 年博睿数据凭借强大 APM 背景和强大数据分析/AI(人工智能)能力成为国内 A 股市场上的“APM 监测第一股”;同年,博睿数据凭借独到的市场眼光锚定智能运维赛道,有理由相信,博睿数据在今后的智能运维赛道中也将行稳致远。也正是基于博睿数据每一次的正确选择,吸引了那些紧跟赛道和风口的优秀人才的目光。
现任博睿数据首席架构师李骅宸与博睿数据 AIOps 首席专家贺安辉便是其中的佼佼者。
李骅宸,此前在蚂蚁集团负责数据服务稳定性,从事数据服务、系统稳定性、AIOps 智能监控告警平台等研发工作,曾赋能支付宝关键业务和系统指标秒级态势诊断和应急决策。
贺安辉,之前在蚂蚁集团负责可观测性平台 AntMonitor 产品集的产品规划和设计工作, 对于 AIOps 的产品、算法、场景有丰富的实践经验。
近日,我们采访了两位经验丰富的大咖,试图从博睿数据的视角窥探 AIOps 的全貌。
关于 AIOps 产品本身
就博睿数据而言,博睿数据的 AIOps 的核心是“数据+AI+产品+场景”四合一的综合解决方案。在一体化运维、告警管理、故障定位、应急快恢等高频运维场景中帮助用户更高效、更准确的达成业务目标。
就其优势而言,主要有 5 个方面:
门槛低:博睿数据的 AI 接入简单,开箱即用,算法支持可视化和自解释;
性能高:同等性能条件下资源消耗较少,1 台 4C8G 机器可处理每分钟 6.6 万指标量,3 台 8C16G 机器可处理每分钟 48 万指标量;
数据全:APM 深耕多年,数据多而全,比如 Trace 核心基础能力,博睿数据支持多语言、多框架,也能和日志深度关联。这对 AIOps 做多模态数据联邦分析和挖掘有优势;
范围广:算法通用性强,适应范围广泛,针对不同行业进行了模型优化;
分析强:可观测数据、流程工单数据、配置管理数据汇总到数据中台,提供流批一体的在离线数据查询聚合能力,为任意指标、实体的关联分析提供独到见解支撑。
目前,博睿数据基于自研的大数据实时处理和分析平台 Zeus 做数据挖掘,在异常检测、趋势预测、告警收敛、事件分析等应用场景方面已实现产品化落地。
具体来说,异常检测,主要应用于运维数据的无监督异常发现环节,不需要运维人员手工设置阈值即可做到异常的自主发现,大幅节省了人力投入;
趋势预测,主要应用于业务特性运维数据的预测场景,比如容量预测、访问量预测、硬件缺陷预测等等,对于运维人员的预算编制、业务规划和提前介入处置起到很大的参考作用;
告警收敛,主要应用于统一告警平台的事件管理场景,运维人员不再需要面对大量的无效告警,只需要关注收敛后的少量故障,应急处置的效率和精准度有了大幅提升;
事件分析,主要应用于一体化运维平台的问题管理场景,AI 将指标、Trace、事件的异常信息汇聚到问题,从问题查找根因,从根因联动通知、自动化等处置步骤,问题分析的效率和精准度得到大幅改善。
在 AIOps 实践方面,博睿数据依托多年 APM 行业积累,已具备丰富的数据集合。依托 IT 运维监控能力,利用大数据和机器学习技术持续构建智能运维监控能力。
2021 年,博睿数据在国内首次提出了“服务可达的数据链 DNA”技术理念,D 代表 DEM(数字体验管理),N 代表 NPM(网络性能管理),A 代表 APM(应用性能管理),从而打通从代码到用户访问的全过程,进一步释放企业 IT 运维监控管理所有分支领域 DEM、APM、ITIM、NPM 和智能运维管理的能力。
目前,博睿数据算法中台 SwiftAI 已赋能到新一代 APM 的 Server 产品、新一代的智能运维大数据平台 DataView、“双模一体”智能应急中心 OneAlert 等,与博睿数据统一联邦数据中台 Zeus 相辅相成,不断落地智能异常检测、趋势预测、智能告警、事件分析等场景,助力云原生时代服务可达。
2022 年 5 月 20 日,博睿数据正式推出了一体化智能可观测平台 ONE,该平台旨在建立一体化、智能化、面向业务与用户体验的统一运维平台,助力企业提高数字化体验,降低运维成本,提升工作效率,为数字化转型赋能升级。同时,这也是业界第一个将所有运维监控需求“All in ONE”的统一平台。博睿数据的 AI 能力,比如告警收敛、根因分析、多维分析、影响分析等,也将在 ONE 平台的观测洞察、应急管理等模块中逐步落地。
谈及博睿数据 AIOps 未来的发展,贺安辉表示:“未来,博睿数据在 AIOps 方面将在根因定位、影响分析、NLP、算法实验室四个方面发力。”
同时,未来博睿数据也将继续发展多模态数据联邦“底座”和 AI 算法的广度和深度,支持全程服务可观测。
AIOps 未来已来
虽然 AI 技术给运维工作带来的价值显而易见,但需要明确的是 AIOps 不是一个一蹴而就的实践,而是一个长期演进的过程,需要不断创新发展。
就当前国内智能运维的环境而言,李骅宸认为 AIOps 还存在以下几方面的挑战:
普适性:在不同的客户业务场景中,如何减少定制化和实施成本,又能更好的解决业务问题。
可解释:AI 的结果如何自解释,如何验证。
效率:高度自动化地减少人工干预。
资源:在私有化或 POC 时,极致的技术应用到资源和性能优化中,以最小资源成就最大价值。
稳定:AI 算法高度智能化和自动化。
在他看来,博睿数据今后要在智能运维方面持续发力。
首先,要打破数据孤岛,做 DNA 数据的最大化融合,建立数据资产的统一管理仓库,产生联邦数据的次生价值。以博睿数据提出的数据链 DNA 概念为例,AIOps 是 DNA 中重要的一环,可助力 APM 产品和数据实现端到端打通,让 DNA 更加自动化和智能化。同时,DNA 数据链也给 AI 提供场景和数据土壤,让 AI 通过信息整合、特征关联真正的跑出优质算法模型。
其次,要加强数据分析和数据挖掘,扩展 AI 产品能力,夯实算法基础能力,让 AI 支持轻量级的模块化和产品化。在算法可解释性和评价体系方面建立一套标准,引入不同的数据集进行数据加工分析,用真实故障注入的方式来不断锤炼 AIOps 能力,在商业化输出时能够以近乎开箱即用、极低适配成本的方式实现价值的最大化输出。
更为重要的是,AIOps 本就是基于已有的运维数据,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。企业实现 AIOps 的前提是建立起全面获取 IT 数据的能力,这里的数据主要包括但不限于日志、指标和事件等。将这些数据输送给 AIOps 平台,为 AIOps 提供数据资产,以进行整合的更高级别的分析和洞察。如果没有这些大数据的支持,AIOps 则是无源之水。所以对于企业来说,大数据采集工作至关重要。
两位大咖对 AIOps 的未来发展充满信心。总体而言,中国市场足够大,数据也足够丰富,而在国家战略和政策的支持下,传统制造业正向智能创造逐步发展,发展的过程中必然会涉及大量数据处理,而这也是 AI 技术的强项,当前在运维领域,AI 技术的应用还是刚刚起步,慢慢成熟,在未来的 3-5 年内,AI 技术会广泛应用到运维场景中,向自助式服务方向发展。
写在最后
每一个产品最需要的是被市场认可。
在标准制定方面,2021 年博睿数据获信通院首批 AIOps 评估的异常检测全面级,同年博睿数据作为信通院组织的 AIOps 标准工作小组成员,多项建议纳入到规范标准。
在产学研方面,博睿数据也跟厦门大学成立联合实验室,开展机器学习、深度学习方面的合作。
在行业应用落地方面,博睿数据的 AIOps 解决方案已经落地到银行、保险、证券、教育、航空等行业中,如异常检测场景、告警收敛场景、趋势预测场景等,为客户的数字化转型加速赋能。
评论