智能运维是什么？

智能运维是什么？

得益于IT外来自包服务的发达，现在的运维已经不包括搬机器上架、接网线、安装操作系统等基础工作，运维人员一般会从一台已安装好指定版本的操作系统、分配好训张示讲至活IP地址和账号的服务器入手，工作范围大致包括：服务器管理（操作系统层面，比如重启、下线）、软件包管理、代码上下进兰化还线、日志管理和分析、做医旧亮朝眼相重和率各监控（区分系统、业务）和告警、流量管理（分发、转移、降级360问答、限流等），以及一些日油立常的优化、故障排查等。

随着业务的发展、服务器规模的氧气办之扩大，才及云化（公有讨统眼云和混合云）、虚拟化的逐步落实，运维工音相属针本印鱼停作就扩展到了容量管理、弹性（自动化）扩缩容、安全管理，以及（引入各种容器、开源框架带来的复杂度提高而导致的）故障分析和定位等范围。

听上去每一类工作都不简单。不过，好在这些结满快仍倒曾限住异斯掌领域都有成熟的解决方案、开源软件和系统，运维工作的重点就是如何应用好这些工具来解决血获饭战随分究觉雨讲有问题。

传统的运维工作经过不断发展（服务器规模的不断扩大），大致经历了人工、工具和自动化、平台化和智能运维（AIOps）几个阶段。这里的AIOps不呼球台跟政温王内图是指Artificia探副钟善lIntelli广扩意元护耐革气能genceforITOperations，而是指AlgorithmicITOperations（基于Gartner的定义标准）波果损素内补操五纪定。

基于算法的IT运维，能利用数据和算法提高运维的自动化程度和距利回确一务庆径纸山敌效率，比如将其用于告警收敛和合并、Root分析、关联分析、容量评估、自动扩缩容等运维工作中。

在Monito孙们造船雷福块斯ring（监控）、ServiceDesk（服务台）、Automation（自动化）之山上，利用大数据和机器学习持续优化，用机器智能扩展人类的能力极限，这获结就是智能运维的实质含义。

智能运维具体的落地方式，各团队也都在摸索中，较早见效的是在异常检测、故障分析和定位（有赖于业务系统标准化的推进）等方面的应用。智能运维平台逻辑架构如图所示。

智能运维平台逻辑架构图

智能运维决不是一个跳跃发展的过程，而是一个长期演进的系统，其根基还是运维自动化、监控、数据收集、分析和处理等具体的工程。人们很容易忽略智能运维在工程上的投入，认为只要有算法就可以了，其实工程能力和算法能力在这里同样重要。

智能运维需要解决的问题有：海量数据存储、分析、处理，多维度，多数据源，信息过载，复杂业务模型下的故障定位。这些难题是否会随着智能运维的深入应用而得到一定程度的解决呢？我们会在下一篇文章中逐步展开这些问题，并提供一些解决方案。

本文选自《智能运维：从0搭建大规模分布式AIOps系统》，作者彭冬、朱伟、刘俊等，电子工业出版社2018年7月出版。

本书结合大企业的智能运维实践，全面完整地介绍智能运维的技术体系，让读者更加了解运维技术的现状和发展。同时，帮助运维工程师在一定程度上了解机器学习的常见算法模型，以及如何将它们应用到运维工作中。