智能运维开启数据中心运维的智能时代

我们处在这个数字化时代，数据中心规模和容量都在成倍增长，随之而来的运维管理复杂度和难度也越来越大，从脚本运维、 工具 运维到平台运维演进至今，人力已接近极限，AIOps应运而生。AIOps (Artificial Intelligence for IT Operations)，即智能运维，是将人工智能与运维结合，基于已有运维数据（日志、监控信息、应用信息等），通过机器学习的方法来提升运维效率，从而逐步取代人工的运维。早些时候，关于机器人是否能代替人类的话题引起热议，很多人还担心人类引入AI的后果可能是最终被机器人所击败，世界变成是机器人的。别的领域不说，单说运维，那巴不得AI能将人替代，这样可以节省很大的人力开支，人工运维效率低不说，还容易出错，将运维交给AI是不错的出路，这就是AIOps火起来的原因。

AIOps并不是凭空而起的技术，实际上，运维一直是数据中心重要的工作之一，在数据中心漫长的生命周期内，几乎大部分时间都是运维的工作。在运维发展的过程中，从最开始的人工运维，到工具运维，再到Devops，Devops可以理解为自动化运维，现在到了AIOps的时代。人工运维顾名思义，是利用单独的脚本或者一些简单的工具，没有较为完善的系统和运维理念，绝大部分运维的工作靠人工完成；工具运维则依赖较为完善的工具，并经过不断改进，工具越来越成熟，工具可以替代一些重复性的操作类人工工作；Devops则完全依赖自动化，通过SRE、Chatops等高级形式工具，将运维流程和操作实现完全自动化，Devops可以代替大部分的人力工作；AIOps则将AI技术引入到运维当中，通过机器的自我学习、自行分析决策，自动去执行脚本。显然，随着运维技能的提升，数据中心越来越多运维的工作都可以交由机器来自动完成，至少最终数据中心完全可以自动运行，鲜有人工参与，这样能极大降低数据中心的人力成本，提升数据中心的竞争力。

AIOps可并不是拿来就可以用的，它要对海量的数据进行学习，学习完后有了经验，才能够根据学习的经验来工作。所以AIOps需要大量的监测日志、设备运行状态信息、已发生过的故障、历史经验、自动化脚本等等，数据越丰富，AIOps的能力就越强，试想如果靠人去记忆查找，人的大脑是记不住太多东西的，而机器不同，它可以清楚记得数十G文件中的任何位置的标点符号，相对于人类的智慧——虽然是无限的，但不如机器来得高效。所以当遇到问题时，AIOps依赖的历史数据要比人脑积攒的多得多，如此才能给出最佳的问题处理方式，这也是AI在任何一个领域中应用时所用的相同方式。AIOps就是将人工决策分析交给了机器，用机器学习方法做决策分析。从技术上说，AIOps需要大量的实践和沉淀，任何历史的经验数据对AIOps都有益。如果说AIOps学习的数据样本很少，那么再好的算法，也会经常给不出决策结果，最终还是要人工干预，要是事事还要人去参与，那AIOps就失去存在的意义了。在AIOps学习阶段，要给AIOps输入大量的学习样本，学的越多，AIOps能够代替人处理的工作就会越多，随着时间的积累，你会发现AIOps能干的事情越来越多，只要让AIOps学习一次，类似的工作AIOps都可以做起来，比人工高效多了。数据中心出现故障是无法完全避免，重点是快速应对，不以发生故障为耻，以快速修复为荣，AIOps几乎可以数秒之间就可以完成故障排查和解除，在这么短的时间完成，人工是无法做到的，这么快就恢复，业务层面也基本不会有感知，真正做到即便出故障了，也能保持业务无中断。

AIOps既然是这么棒的技术，一定在数据中心大受欢迎吧，实际却不是这样。AIOps概念炒得挺火，真正落地实现的案例并不多。一方面是AIOps采用的机器算法很重要，算法要适应数据中心的环境，根据数据可以得出接近人判断的结果，AI技术本身也在不断发展过程中，这方面也还不成熟，技术虽够先进，可与实际应用还有距离。另一方面是每个行业的数据都有自己的特点，数据中心也不例外，而且数据中心的数据量和特征都特别多，这对AI是个挑战，数据中心里有太多新的IT技术，产生很多新的数据，这些都需要AIOps不断调整算法，不断去适应和学习，如果学的不好，容易给出错误的决策，导致系统失控和瘫痪，这时就需要人工多介入，及时调整AIOps的算法和数据录入的准确性，将一个数据中心的AIOps真正建起来，这不亚于数据中心运维工作几年的工作量。所以AIOps需要一个专业的团队来做，大型的企业都有自己的AIOps团队，而中小企业则从外部聘请IBM、Oracle等AI技术公司来做，这种投入目前看也是蛮大的，往往让那些想引入AIOps的数据中心暂时搁置起来。所以，当前AIOps落地成了最大的难题，已有部署AIOps的数据中心，AIOps发展差异都很大。

运维未来的方向肯定是AIOps，这一点毋庸置疑，只不过AIOps仍处于偏理论阶段，还需要时间进行不断完善。AIOps 可以贯彻整个运维领域，从硬件资源规划、管理、实施，操作系统安装配置，到中间件及应用软件的上线、变更，以及后续的监控、报警、维护、优化等各方面都能够支持，AIOps几乎无所不能，只要人能做的工作，AIOps都能做，人不能做的工作，AIOps也都能做。随着AIOps的成熟，后面也许会进入AIDevops时代，它比AIOps多了一个Dev，比Devops多了一个AI。这是智能化开发和运维、智能化生命周期管理时代，这要比AIOps还要智能，将具有度量、分析、学习、预测、指导，行动的能力，AIDevops才是智能运维的未来。