让运维更智能 智能业务运维的AI之道

大数据技术和人工智能技术的高速发展，推动运维管理由传统的人工运维向智能运维转变。AIOps即Artificial Intelligence for IT Operations的缩写，是把机器学习、深度学习等人工智能算法应用于IT运维工具和业务系统所采集的大型数据集，并尝试模拟人类行为（如发现、判断、响应）的智能化运维管理平台。智能运维AIOps让运维管理具备算法和机器学习能力，通过持续学习将运维人员从纷繁复杂的告警中解放出来、使运维变得智能化。据Gartner预测，2020年AIOps的采用率将会达到整个运维行业的40%。

人工智能在AIOps中的具体应用

传统的运维方式在监控、问题发现、告警以及故障处理等各个环节均存在明显不足，需要大量依赖人的经验、工作效率低下，并且在数据采集、异常诊断分析、告警事件以及故障处理的效率等方面都有待提高。那么，以AI技术为支撑的AIOps是否能够解决这些问题呢？下面我们从监控、问题发现、告警以及处置这四个阶段分别介绍AI技术在各阶段的应用及价值。

智能化监控

企业使用大量的监控工具如APM、NPM、日志、DEM、基础设施监控等，来实现各个技术栈的监控。然而大量无效/无用数据会增加后端数据处理的压力，而数据的漏采可能导致问题、故障的漏报，此外监控工具需要大量的人工调试配置、严重依赖运维人员的经验，人工成本巨大。在智能运维中，通过基于机器学习算法的智能数据采集器来实现智能的数据过滤、关键数据识别、采集密度与频率调整以及采集服务器的性能均衡，从而提升数据采集的准确度、最小化人为干预程度、降低人力成本以及提高运维管理效能。

智能化问题发现

企业IT系统规模的扩大、运维环境的复杂化，使得运维人员从海量的数据中发现问题的难度也越来越大。AIOps可以通过智能异常检测、故障关联分析、故障根因分析和智能异常预测等能力，帮助运维人员快速定位问题、追溯故障根源，并实现故障的预测预警。

以智能异常检测为例，通过基于密度算法的异常检测（LOF）方法、基于Ensemble的快速异常检测方法、基于历史数据模型的异常检测等方法等AI技术，能够自动、实时、准确地从监控数据中发现异常，为后续故障的分析与处理提供基础。对故障进行根源分析是在众多可能引起故障的因素中，追溯到导致故障发生的症结所在，并找出根本性的解决方案。利用机器学习或者深度学习的方法可以找出不同因素的之间的强相关关系，并利用这些关系，推断出哪些因素是根本性的因素，帮助用户快速诊断问题、提高故障的定位速度以及修复效率。

此外，故障往往不是独立存在的。海恩法则告诉我们，任何不安全的事故都可以预防。智能异常预测通过对重要特性数据进行预测算法学习来实现故障的提前诊断、从而避免损失。故障预测的场景包括：磁盘故障预测、网络故障预测以及内存泄露预测等，可以大幅度降低运维背锅的风险。

智能化告警

传统的告警管理一般使用固定阈值并且需要运维人员手动设置，这种方式不仅工作量巨大且十分依赖运维人员的经验，阈值设置不当可能导致告警风暴或者告警漏报等后果。当监控环境发生变化时，原先的固定阈值无法满足告警管理的要求。智能运维采用动态基线告警方式，智能分析数据的动态极限（即相对于历史时刻，当前状态的数据范围），弥补了以往人为设置固定阈值的缺陷，智能地分析数据的发展趋势以及分析数据动态极限，从而对告警做出智能的判断。

各种监控工具会产生海量的告警信息，这些告警信息中可能存在大量的冗余告警甚至形成告警风暴，对运维人员产生极大干扰，降低了运维工作的效率。智能运维针对短时、大量的、甚至是持续的冗余告警，可以通过相似度、相关性判断对这些冗余告警进行合并，从而为运维人员提供有效的告警信息，能够大幅降低运维工作的难度。

在运维管理中，如果一个告警长时间得不到解决，系统将该告警发送给上一级进行处理，这种告警策略即为告警升级。传统运维中一般采用“固定时间区间”的方法设置告警升级策略，其潜在的迟滞性可能会对业务造成一定的损失。云智慧智能运维方案通过梳理性能与业务之间的关联关系建立模型，当性能指标发生异常时分析对业务的影响程度，若影响程度超过条件时，自动升级告警事件，系统将升级事件通知发送给对应的告警组处理，避免因告警处理不及时带来的业务损失。

智能化故障自动处理

传统运维管理中对故障的处理非常依赖运维人员的经验，但人的经验无法覆盖所有故障范围，运维人员经验不足可能会使得运维效率低下或者产生错误决策。智能运维将API接入的实时监测结果或者预测结果引入决策知识库（智慧大脑）智能生成决策建议，并根据根据实际结果及趋势判断采用的处理策略，可以是人工处理或者自动处理，有效减少问题排查的时间、大幅提升问题解决的效率，提升企业运维的标准化程度。

智能运维AIOps的价值

得益于大数据、云计算以及人工智能技术的发展，使得大量依赖人脑决策以及手工操作的传统IT运维模式快速地向如今的AIOps转变。特别是以机器学习为主的人工智能技术的迅猛发展，帮助解决了传统运维中的大量痛点，特别是在异常检测、异常预测、关联分析、根因分析、告警抑制、故障自动处理等多个方面和环节发挥作用。

以云智慧的某大型金融客户为例，通过使用云智慧智能业务运维平台，无论是整体运维工作效率，还是核心 KPI 都有大幅度的提升，同时IT运营也初步实现了数字化和智能化。在人工智能浪潮下，有了AI加持的智能业务运维可以为企业提供从智能告警、故障预测、故障检测与分析、故障定位到故障处理的运维能力闭环，帮助企业数字化转型，实现业务的健康持续增长。