智能运维AIOps建设的困惑和锦囊 六之一：智能运维 = 机器学习算法？

当企业想要部署智能运维系统的时候，常常最疑惑的是：以企业现在的IT系统/数据中心情况，应该从哪里入手，怎么做才可以人力物力的投入未来三五年持续产生应有的价值？

首先能想到的方法，是上网研究一下智能运维如何建设，找相关的厂商来交流。不过因为不同的厂商，都会根据自己的优势宣传侧重点，跟着走容易跑偏。

最近，我们在对多家客户调研的基础上总结了常遇到的六大困惑和锦囊妙计。这篇是锦囊一“智能运维=机器学习算法？”

---

 

    智能运维AIOps，顾名思义，一定是跟智能和AI算法有关，但跟机器学习算法不能等同看待。算法只是完成智能运维建设中的重要一环。就跟安卓系统一样，同样的系统和算法，当它基于的设备不同，其价值也大不相同。合适的算法只是智能运维产品的基础。

  通常想要一个算法能产生更大的效应，在建模时也需要根据情况不断调参。此时有非常专业的工程师来调自然是最好，如果有操作方便的调参界面也行。调整界面的易用性，也是判断算法能否顺畅使用的一个标准。

  有了合适的算法后，还得有贴合运维实际场景的功能设计、能处理大规模的实时数据 （嗯，早期也看到过因为流数据处理能力太差，该在大清早完成的跑批，无法顺利完成影响实际生产）。当这几种能力齐备后，机器学习算法才能真正为智能运维所用。

 

智能运维AIOps建设的困惑和锦囊 六之一：智能运维 = 机器学习算法？

智能运维AIOps建设的困惑和锦囊 六之二：感觉高大上，企业运维成熟度不高的要怎么办？

智能运维AIOps建设的困惑和锦囊 六之三：有多少运维数据，可以先建多少场景用起来

智能运维AIOps建设的困惑和锦囊 六之四：DevOps建设和智能运维建设之间有什么区别或关系？

智能运维AIOps建设的困惑和锦囊 六之五：智能运维＝日志大数据分析吗？

智能运维AIOps建设的困惑和锦囊 六之六：智能运维现在就能替代传统监控？（APM等）