隨著科技的進(jìn)步，近年來運(yùn)維技術(shù)也進(jìn)入了飛速的發(fā)展，運(yùn)維團(tuán)隊(duì)大多建設(shè)好了各種系統(tǒng)，虛擬化、容器化、持續(xù)集成等等。隨著智能化技術(shù)的發(fā)展，智能運(yùn)維的呼聲越來越高。其實(shí)智能運(yùn)維平臺(tái)是一款專業(yè)的工單管理運(yùn)維軟件。它收集了大量的工單信息，可以啟動(dòng)自動(dòng)化運(yùn)維設(shè)備管理服務(wù)。收到工單后，可以按照預(yù)定時(shí)間進(jìn)行維護(hù)操作和維護(hù)，協(xié)助用戶接收訂單，非常實(shí)用。要想盡快在智能運(yùn)維領(lǐng)域有所突破，首先要主抓好監(jiān)控系統(tǒng)和告警系統(tǒng)，并利用機(jī)器學(xué)習(xí)算法進(jìn)行快速監(jiān)控和排障。

　　以下，智恒信就對(duì)智能運(yùn)維的發(fā)展一些早期觀點(diǎn)和看法分享出來，樂意與大家一起探討下運(yùn)維未來的發(fā)展方向。

　　1 對(duì)當(dāng)下國(guó)內(nèi)運(yùn)維領(lǐng)域現(xiàn)狀的看法

　　簡(jiǎn)單來講，目前國(guó)內(nèi)運(yùn)維界在自動(dòng)化方面已經(jīng)達(dá)到了一定的水平，就現(xiàn)階段而言，自動(dòng)化和監(jiān)控兩部分還是有一定距離。例如，你拿到了監(jiān)控類的報(bào)警，可能不清楚立馬去做哪一項(xiàng)自動(dòng)化的部署。如果能把自動(dòng)化和監(jiān)控這兩部分有機(jī)的結(jié)合起來，運(yùn)維的工作會(huì)運(yùn)轉(zhuǎn)的更加順利。

　　2 移動(dòng)端和微服務(wù)給運(yùn)維工作帶來的挑戰(zhàn)

　　在 PC 端的時(shí)代，運(yùn)維的很多工作受限于瀏覽器，運(yùn)維人員拿不到用戶端真實(shí)的數(shù)據(jù)。這種狀況下，大家就會(huì)普遍采購(gòu)一些第三方服務(wù)，嘗試獲取終端數(shù)據(jù)。而在移動(dòng)端時(shí)期，我們都有自己的 IP，可以把一些采點(diǎn)的邏輯放在自己的 IP 里，然后獲取到更準(zhǔn)確、更真實(shí)的客戶數(shù)據(jù)。相對(duì)于挑戰(zhàn)來說，這其實(shí)是移動(dòng)端帶來的好處。

　　微服務(wù)的出現(xiàn)給運(yùn)維工作帶來一些難題。沒有出現(xiàn)微服務(wù)之前，運(yùn)維人員在一臺(tái)或者兩三臺(tái)機(jī)器中就可以完成問題排查。出現(xiàn)微服務(wù)之后，這些問題可能拆到了好幾十個(gè)分布式的地方，各自的輸出，甚至啟停會(huì)很方便，你有可能遇到在找問題的時(shí)候混淆的情況。而解決這些麻煩就是需要智能運(yùn)維。

　　3 在大數(shù)據(jù)時(shí)代，智能運(yùn)維與數(shù)據(jù)之間、自動(dòng)化運(yùn)維之間有何關(guān)系

　　智能運(yùn)維的理想狀態(tài)就是把運(yùn)維工作的三大部分：監(jiān)控、管理和故障定位，利用一些機(jī)器學(xué)習(xí)算法的方法把它們有機(jī)結(jié)合起來。

　　在大數(shù)據(jù)時(shí)代，智能運(yùn)維是基于大數(shù)據(jù)之上。目前看來，運(yùn)維想要把監(jiān)控、管理和故障定位這三部分有機(jī)結(jié)合起來，就不可避免的需要用到智能算法，而體現(xiàn)智能算法價(jià)值的一點(diǎn)就是：智能算法需要大量的數(shù)據(jù)去做支撐。

　　自動(dòng)化運(yùn)維這幾年處在一個(gè)良性發(fā)展的狀態(tài)，包括像 Puppet 這種配置管理的自動(dòng)化，像 Docker 這種部署的自動(dòng)化。進(jìn)一步的發(fā)展就是需要把這三部分融合起來。目前能夠把這三部分融合起來的辦法就是利用人工智能的手段，最后達(dá)到一種智能運(yùn)維的狀態(tài)。

　　4 智能運(yùn)維當(dāng)下的狀況及智能運(yùn)維發(fā)展的預(yù)測(cè)

　　智能運(yùn)維當(dāng)下還是一個(gè)初步探索的階段?？梢耘e幾個(gè)時(shí)間數(shù)字，我所看到一個(gè)和智能運(yùn)維相關(guān)的開源項(xiàng)目是在2013 年，而我看到的第一個(gè)主動(dòng)出來宣講和智能運(yùn)維相關(guān)的應(yīng)該是在2015 年百度在一個(gè)大會(huì)上的宣講。然后大量的出現(xiàn)在宣講上有關(guān)智能運(yùn)維的應(yīng)該是在16 年下半年。而這些宣講和我的一些宣講都還是說我們現(xiàn)在有這樣的思路，做了一些嘗試。而這些嘗試的效果還是需要大家去碰撞，看是否還有什么更好的辦法，因?yàn)槲覀儸F(xiàn)在是用普通的機(jī)器學(xué)習(xí)算法，還沒有用到像AlphaGo 的深度神經(jīng)網(wǎng)絡(luò)這部分內(nèi)容。轉(zhuǎn)變?yōu)橹悄苓\(yùn)維是一個(gè)需要大量投入和學(xué)習(xí)的過程。

　　想盡快在智能運(yùn)維領(lǐng)域有所突破，更實(shí)際一點(diǎn)的辦法就是主抓好監(jiān)控系統(tǒng)和告警系統(tǒng)。傳統(tǒng)的 IT 運(yùn)維需要管理大量的告警，極大地分散了企業(yè)的注意力，消耗運(yùn)維人員大量的時(shí)間和創(chuàng)新力。想辦法能把一天收好幾千封告警這種狀況，高效地解決，把運(yùn)維人員從紛繁復(fù)雜的告警和噪音中解脫出來。這是一個(gè)在眾多辦法中產(chǎn)生價(jià)值的第一步。

　　現(xiàn)在比較明確的是大家會(huì)朝著智能運(yùn)維方向發(fā)展，并且智能運(yùn)維的發(fā)展一定是一個(gè)長(zhǎng)期演進(jìn)的過程。因此對(duì)于智能運(yùn)維的發(fā)展預(yù)測(cè)，簡(jiǎn)單看法如下：

　　第一步就是前面所說的，智能運(yùn)維在告警系統(tǒng)上的價(jià)值。

　　第二步就是智能地去判斷告警，而不是現(xiàn)在靠人力的經(jīng)驗(yàn)去設(shè)定一個(gè)閾值。設(shè)定告警閾值是一項(xiàng)耗時(shí)耗力的工作，需要運(yùn)維人員在充分了解業(yè)務(wù)的前提下才能進(jìn)行，還得考慮業(yè)務(wù)是不是平穩(wěn)發(fā)展?fàn)顟B(tài)，否則一兩周改動(dòng)一次，運(yùn)維工程師絕對(duì)是要發(fā)瘋的。

　　第三步是利用一些 NLP（自然語言處理），把故障報(bào)告、文本化的語言提煉出來去自動(dòng)反饋到這個(gè)系統(tǒng)里。這一點(diǎn)可能是更遙遠(yuǎn)的一個(gè)設(shè)想，但是目前來看會(huì)是將來發(fā)展的一條道路。

以上就是小編分享的關(guān)于智能運(yùn)維的現(xiàn)狀及未來可能的發(fā)展趨勢(shì)，供大家參考，下次再見！

　　文章推薦：解析視頻質(zhì)量智能診斷系統(tǒng)的關(guān)鍵技術(shù)