AIOps的七种武器：让IT基础设施实现“自动驾驶”

简介： 2019阿里云上海峰会，由阿里云资深技术专家周琦带来以“基于AlOps的探索和最佳实践”为题的演讲。

2019阿里云上海峰会，由阿里云资深技术专家周琦带来以“基于AlOps的探索和最佳实践”为题的演讲。AIOps意味着智能、安全的管控平台，阿里巴巴经过十年的变革在AIOps上有重大探索，那么AIOps究竟能够为大家带来什么益处呢？接下来本文将对AIOps进行详细的介绍。

想看更多文章内容：点击这里

原文出处：阿里云大学开发者社区

以下为精彩视频内容整理：

AIOps 能带来什么？

现在无人驾驶技术一直备受关注，无人驾驶技术从L1到L5一共有5个等级代表越来越智能的自动化程度，从目标来看，无人驾驶技术希望在安全驾驶的过程中不断去提升整个通行效率，并且降低整个公路的安全隐患，并降低污染的排放。
与无人驾驶类似，AIOps目标是为IT基础设施平台的运转提升效率，提升系统稳定性并解放人在运维上的投入。近几年来，云原生和容器服务使应用、发布、部署的环节效率能够大大加快，但在整个发布和运营的过程中环境的复杂性、应用部署规模、用户多样性等使得整体风险越来越高。AIOps目标就是通过数值驱动手段，在更快的发布效率同时兼顾更低的风险，减少人力投入，使得IT设施具备既快又安全的“自动驾驶”的能力。

飞天研发史：人与机器斗争史

飞天操作系统是阿里云的基础设施，要知道研发基础平台是一个非常复杂的事情。可以认为就是一部人和机器的斗争史。在第一个阶段，为了能够在大量机器上进行调试，我们使用了大量的监控工具解决可观测性的问题，这个阶段大约需要2个员工管理大小不等的20个集群。
在集群规模从20个变成400个过程中，工程师会花费大量的时间在如何标准化接入、标准化运营上。所以在这个阶段，主要任务就是如何把整个监控和分析能力标准化，接入自动化，本质上是一个把监控+运维工具标准化，服务化的阶段。
在第三个阶段由于集群规模和业务量的不断增大，我们所面临的问题更加复杂，传统手段往往很难解决一些比较复杂的可观测性问题。因此我们使用了大量数据化、智能化的手段进行尝试，获得了较好的结果，每个员工管理集群的和应用的能力，可以达到1：1000或者更高。
云原生和Docker技术解决了一部分运维和发布的负担，但对于个人承担的责任仍然变得越来越大，我们可以把应用上线的过程分成三个阶段：第一个阶段开发人员需要腾出一半的精力测试系统是否稳定、高效，代码是否有逻辑；第二阶段，在整个上线过程中，除了将产品发布以外，还需要花40%的时间在部署和运营上，让用户能够更好的运用产品；第三阶段为上线后阶段，除了运维和运营支撑外，还需要花时间关注安全问题，例如某个系统有没有人登录，登录之后是否做了一些非法操作等。

研发、运维、运营的挑战

作为研发（DevOps） 如何能在快节奏下做到以上的点呢？我们可以看一条非常著名的法则：海恩法则(Ohain's law)是德国飞机涡轮机的发明者帕布斯·海恩提出的一个在航空界关于飞行安全的法则，多被用于企业的生产管理，特别是安全管理中。海恩法则指出: 每一起严重事故的背后，必然有29次轻微事故和300起未遂先兆以及1000起事故隐患。法则强调两点:一是事故的发生是量的积累的结果;二