AIOps未来已来，博睿数据有哪些实践经验？
运维方式逐渐走向智能化
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。
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。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。
AIOps 需要长期演进，不断创新发展
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，博睿数据首席架构师李骅宸认为 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。
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。
2021 年，博睿数据提出了“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。以数据链 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。
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。
博睿数据的 AIOps 实践经验
2020 年，博睿数据开始重兵投入智能运维赛道。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。
其特性主要有 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。
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，博睿数据 AIOps 首席专家贺安辉表示：“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。
- 发表于:
- 本文为 InfoQ 中文站特供稿件
- 首发地址：https://www.infoq.cn/article/vJRJUTh4g61a9diCTesw
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
