运维分级发布_IT运维的终极AIOps

“三分建设，七分运维”，运维占据了整个信息系统从产生到消亡这一整个生命周期中的最长时段。

传统的“稳态”IT环境的运维通常围绕监测、处理、展现三个主要活动来展开，也就是常说的“监、管、控”，体现的”眼“和”手“作用。尤侧重于监测，强调对IT环境的运行监测的准确、及时、全面，最大的感知和体现是多种方式的告警或预警通知。在时间层面，它更多的是”事后型“，即在事件发生后展开一系列的运维活动。在处理的方式上，依赖于过往经验，以及”骨干“或”专家“的梳理与提炼，形成固化的规则或知识来指导运维。

而在现时的IT环境中，以云计算、大数据、AI等为代表的革命性信息技术的兴起和应用，带动和促进了企业由信息化建设向数字化转型演进，信息系统也朝着架构规模化、技术集约化、组件微服务化、数据巨量化、部署动态化等”敏态“方向变革，由此给运维带来巨大的冲击和挑战。

”敏态“IT环境的需求，更注重对于运维事件的预测、分析和决策，更强调是对运维全过程的贯穿，需要一个强有力的”智慧大脑“来帮助、甚至代替人来进自动完成，由此AIOps应运而生。

1 IT运维演进路线

IT运维由最早的ITOM、ITOA、到AIOps(Algorithmic IT Operations)、再演进到如今的AIOps（Artificial Intelligence for IT Operations)，是从被动到主动、手动到自动、人工提炼规则到自我学习迭代的过程，本质上借助云计算的”算力”，AI的”算法“、大数据的”算据“，给IT运维安上具备自我分析、自我学习、迭代更新特性的运维“大脑“，实现运维分析、决策的智能化。

IT运维发展

2 什么是AIOps

Gartner将AIOps 的概念从原本的基于大数据及算法，扩充为基于人工智能（Artificial Intelligence for IT Operations，AIOps），期望通过大数据、现代机器学习及更多高级分析技术，提供具备主动性、人性化及动态可视化的能力，直接或间接地提升目前传统IT运维（监控、自动化、服务台）的能力。

AIOps，其实是对运维规则或知识的AI化，即将人工总结运维规则的过程转变为自我提炼、学习、迭代的过程，同时将这种AI化渗透至运维的监测、分析、决策、修复、总结全程，实现运维全过程的AI化。

3 AI与机器学习、深度学习差别

AI，人工智能是一个广义概念，最早期提出来的时候，人们的愿景是希望AI能够完全具备人类智慧，这属于“强人工智能（General AI）”，但前提是得知晓人类大脑运转的每一个细节。

但在非常具体和特定的领域，机器是可以做的比人类更好的，比如图形图像处理、语音识别等等，这些人工智能的应用，称之为“弱人工智能（Narrow AI）”，这些应用的实现手段，就得益于机器学习算法长足的进步，而深度学习又是机器学习领域很精深的一部分。所以，我们现在提到的AI，更多的是依赖机器学习（包含深度学习）算法的实现的AI场景，或者说机器学习算法只是实现AI的其中一种手段。

AI、机器学习与深度学习

4 AIOps目的与价值

TO BE CONTINUED……