IBM谈智能运维落地三大主张：最终体现形式是人机超融合

栏目: 服务器 · 发布时间: 6年前

内容简介：随着企业逐步加速数字化转型步伐以及IT技术的快速发展，其IT系统的运维复杂度也在日益增加。尤其在金融领域，由于其对IT系统服务的要求极为苛刻，可以说是 7*24 持续不间断、接近于“零”宕机的要求，因此一直走在IT技术趋势发展的第一梯队。而近年来，业务的持续创新带来了支撑软件的不断变化和迭代。一方面，创新业务要求金融机构能够快速响应市场需求，使得IT运维面临着交付效率、运维质量等方面的多重压力；另一方面，在双模IT建设中，要保证业务系统稳定性、故障定位和根因调查，对IT运维的人员的技术水平也提出了极大挑战

随着企业逐步加速数字化转型步伐以及IT技术的快速发展，其IT系统的运维复杂度也在日益增加。

尤其在金融领域，由于其对IT系统服务的要求极为苛刻，可以说是 7*24 持续不间断、接近于“零”宕机的要求，因此一直走在IT技术趋势发展的第一梯队。而近年来，业务的持续创新带来了支撑软件的不断变化和迭代。

智能运维元年已来

一方面，创新业务要求金融机构能够快速响应市场需求，使得IT运维面临着交付效率、运维质量等方面的多重压力；另一方面，在双模IT建设中，要保证业务系统稳定性、故障定位和根因调查，对IT运维的人员的技术水平也提出了极大挑战，传统的人工操作已经难以再满足当下的运维工作量

为此，智能时代所带来的DevOps、AIOps（智能运维）等方法及技术，正在通过自动化替代传统的工作方式，成为企业安全高效地进行运维和管理工作的重要工具。如今，它们就像企业的“手”一样，正在提升企业IT运维的生产力和生产效率。

在IBM看来，过去被动式的运维手段已经发展到瓶颈阶段，加上如今人工智能等技术的发展，智能运维元年已经到来。

智能运维的理想状态是基于大数据，把监控、管理和故障定位三大部分的运维工作，利用机器学习方法有机结合起来。这意味着，没有任何一个软件能够独立进行运作，需要将监控系统、智能分析系统、流程管理系统等软件进行整合，在大数据平台之上，通过统一的架构实现智能化运维。

与此同时，金融行业自身的独特性决定了其IT系统加倍的复杂度，因此需要更专业的经验，更复杂的流程，和更丰富的算法做支撑。

而为了推进智能运维在金融机构及企业的落地，IBM结合30多年的运维经验，集合最高端的产、学、研能力，在不久前发布了业界首部《金融行业AIOps智能运维白皮书》（以下简称“白皮书”）。

此白皮书引入了人工智能技术和运维专家的深度合作，由清华大学智能运维Netman实验室、一线银行数据中心专家，详细介绍了金融企业智能运维可落地的场景定义、成熟度模型、参考架构、落地解决方案等，并对客户及经典案例进行了分享与客观剖析。

智能运维落地的三大主张

具体地，白皮书通过对7*24人机超融合运维新方式对研究，总结了企业运用人工智能对业务状况进行“故障预警”、“故障自愈”的实践方法和经验，对智能运维系统的建设和落地提出了三大主张：

分阶段实施，循序渐进白皮书将AIOps 的实施分为十个阶段，认为金融业用户在考虑智能运维建设方向时，应根据自身情况，分阶段实施、循序渐进。

白皮书中指出，目前大部分金融行业客户都已经进入了阶段一，即基本都已经建立了较完善的运维监控系统，收集了比较全面的运维指标数据；基于此，在云和大数据等技术赋能下，各企业内部的大数据平台也都趋于建设完善，开始迈入阶段二。

而从阶段三至阶段十，大部分金融机构需要考虑的则是下一步的实施路径图，通过从最底层基本数据/平台开始考虑，逐步构建金融级智能化运维平台及金融类业务场景，实现数据中心全覆盖，最终建立企业自有人工智能算法模型，将运维系统建设成为企业数据中心运维大脑，实现智能洞察、智能定位、智能分析。

搭建未来运维的核心——AI平台白皮书认为，搭建一个AI 平台是未来运维的核心。

与传统运维凭借经验给系统调参、优化不同，基于AI的智能运维平台，能够通过自主学习，分析和总结系统运维过程中的各种状况和规律，并针对不同应用场景建立模型；随后，让该平台去了解其IT系统运行规律；最后，AI平台会根据总结出来的规律监控企业的IT环境。当机器掌握所有趋势或规律之后，不仅可以快速找出问题出现的原因，还可以提前预测，对可能出现的问题进行防备。

以某全国性大型银行为例，其在 2016 年启动了 IBM 智能运维平台项目，每日处理数据增量达TB级，覆盖个人网银、手机银行等重要业务系统，初步建立了数据中心的“运维大脑”。借此，该银行不仅为各种应用提供了安全防护，还实现了对针对性能指标异常波动的提前预警和主动运维，快速定位系统的故障根源，为故障恢复争取了时间。

结合专家知识，实现人机超融合新运维白皮书指出，未来的IT运维需要既懂业务场景语言，又懂平台和技术，能够把业务场景翻译成新型的AI语言，然后把咨询与交付一体化完成。这些过程都需要专家团队的参与和配合。

而在过去30多年里，IBM专家团队在帮助金融客户爆发式成长过程中，积累大量运维实战经验，能够复杂的运维经验转化为抽象的AI语言，即把运维知识沉淀总结为AI平台可以接受的标签数据，再通过AI平台正向反馈和转化专家知识在运维工作的价值，实现人机超融合的运维新方式。