大家知道，運維是數(shù)字世界的的基礎(chǔ)設(shè)施級別的技術(shù)。隨著支撐數(shù)字世界的軟硬件系統(tǒng)越來越龐大、越來越復(fù)雜，運維對智能化的要求就會越來越高。所以我們說，AIOps（智能運維）是運維技術(shù)發(fā)展必然的趨勢。
AIOps在國內(nèi)正式提出來到現(xiàn)在的實際落地有兩三年了，也取得了初步的落地效果。那么下一步到底怎么做？做什么？未來幾年內(nèi)能進一步達(dá)到什么樣的效果？今天我就分享下我最近總結(jié)出來的AIOps發(fā)展九大趨勢。
做趨勢預(yù)測是有很大挑戰(zhàn)和風(fēng)險的，好在我之前在AIOps領(lǐng)域還有過成功的預(yù)測。
我在2018年1月曾給出一個AIOps宏觀預(yù)測：我說2018年將是AIOps在中國落地的元年，而據(jù)我所知在2018年的確有小幾十個AIOps項目開始落地，也就是說我的這個預(yù)測的確成為了現(xiàn)實。2019年1月我說2019年是AIOps快速發(fā)展的一年，而實際上截止2019年8月份在國內(nèi)有大幾十個AIOps項目開始推進；與此同時，我們看到2019年初的時候人行以及各大銀行也發(fā)文闡述支持AIOps方向。
我在AIOps具體技術(shù)上也有個算是成功的預(yù)測。2018年中的時候我已經(jīng)在公開演講中講AIOps平臺化這個概念了；之后在2018年底，Gartner的報告也基于與世界范圍內(nèi)的客戶和廠商的訪談?wù)教岢隽薃IOps平臺化這一方向。
下面這幅圖的左下部分是我的團隊給出的AIOps平臺架構(gòu)，該圖的右下部分是2009年我在AT&T工作時做的智能運維平臺的架構(gòu)，可以看出兩幅圖在概念上是非常相似的。所以，從這個例子大家可以看出，我能夠先于Gartner提出AIOps平臺的概念，不是因為真有什么能看到未來的“水晶球”，而是因為我之前在其它場景下做過類似工作，并且在AIOps方向不斷努力推進。當(dāng)我看到需求到了，相關(guān)條件成熟了，自然而然就能判斷應(yīng)該做AIOps平臺了。所以，所謂的預(yù)測能力無非是經(jīng)驗的積累、不斷觀察、思考，最重要的是不斷的親手實踐，就像林肯和圖靈獎得主Alan Kay（面向?qū)ο缶幊陶Z言的發(fā)明者）所言，預(yù)測未來最好的方法就是親手創(chuàng)造/發(fā)明這個未來。
下面我總結(jié)一下基于經(jīng)驗、訪談、觀察、思考和實踐得出的AIOps發(fā)展九大趨勢，即行業(yè)多樣化、產(chǎn)業(yè)生態(tài)化、數(shù)據(jù)多樣化、場景多樣化、場景精細(xì)化、算法服務(wù)化、技術(shù)平臺化、落地加速化、成熟度評估的標(biāo)準(zhǔn)化。
第一個趨勢就是AIOps落地的多樣化，這個結(jié)論是基于我通過多種渠道采集到的信息。我們自己有一個公眾號“智能運維前沿”，馬上要突破10000個用戶了；我們還有一個超過千人AIOps群，已經(jīng)成功舉辦了兩屆AIOps 挑戰(zhàn)賽，我一年中會到幾十家各行各業(yè)機構(gòu)去進行現(xiàn)場交流。從上述多種渠道采集到的信息清楚表明：現(xiàn)在開始落地AIOps的，除了互聯(lián)網(wǎng)公司、銀行以外，證券、保險，電力、運營商、工業(yè)制造、國家機關(guān)、自動駕駛公司也都在嘗試AIOps落地。
第二個趨勢是AIOps產(chǎn)業(yè)生態(tài)化。各個行業(yè)都在試圖嘗試落地AIOps，給AIOps方向提供了一個很好的產(chǎn)業(yè)基礎(chǔ)。“產(chǎn)、學(xué)、研、用”各方也都在積極跟進，形成了一個AIOps生態(tài)系統(tǒng)。在這個生態(tài)系統(tǒng)里，專業(yè)的人負(fù)責(zé)專業(yè)的事，有越來越多的學(xué)術(shù)機構(gòu)從事AIOps原理研究；由機構(gòu)用戶負(fù)責(zé)提出實際需求，由有預(yù)研能力的廠商把AIOps原理上的突破變成實際落地效果；有負(fù)責(zé)數(shù)據(jù)采集、接入、存儲等的廠商，還有負(fù)責(zé)集成、交付、維保等的廠商。也就是說，“學(xué)、研、產(chǎn)、用”幾方專業(yè)分工，通力協(xié)作。AIOps產(chǎn)業(yè)生態(tài)化在AIOps落地過程中是一個重要的里程碑，會大力推動AIOps的更快落地。
第三個趨勢是AIOps數(shù)據(jù)多樣化。數(shù)據(jù)中心的系統(tǒng)物理架構(gòu)和軟件架構(gòu)都非常龐大復(fù)雜。因此我們必須采集、治理、融合多種運維數(shù)據(jù)源、從中提取對運維最有用的信息，幫助我們了解數(shù)據(jù)中心最新最全的運行狀態(tài), 從而為AIOps的眾多場景服務(wù)。因此我們說AIOps數(shù)據(jù)多樣化是必然趨勢。
第四個趨勢是AIOps場景多樣化。下圖羅列了一些我們與合作伙伴合作、交流時遇到的具體場景。我們分成幾個大場景：即異常發(fā)現(xiàn)、事件發(fā)現(xiàn)、事件分析、系統(tǒng)畫像、圖譜豐富等。每一個大場景會包含很多的具體場景，比如“事件分析”大場景就包括“異常機器定位”、“交易鏈條定位”、“多維度異常定位”等多種類型的事件分析。也就是說，當(dāng)用戶認(rèn)識到AIOps能實際幫助到運維的時候，會自發(fā)與生態(tài)系統(tǒng)中的伙伴共同找到越發(fā)多樣化的AIOps場景。
第五個趨勢是AIOps場景精細(xì)化。如下圖所示，異常檢測（也就是通過分析監(jiān)控數(shù)據(jù)自動發(fā)現(xiàn)運維故障）就包含單指標(biāo)異常檢測、多指標(biāo)異常檢測、多維度異常檢測、日志異常檢測等等。而單指標(biāo)異常檢測在檢測業(yè)務(wù)、機器、網(wǎng)絡(luò)、數(shù)據(jù)庫、存儲系統(tǒng)、批處理的異常時，其場景和檢測側(cè)重點會有所不同，因此需要針對精細(xì)化的具體場景進行AIOps異常檢測算法的適當(dāng)調(diào)整或適配。
為了避免AIOps場景多樣化和精細(xì)化導(dǎo)致的落地工作量增加，我們必須把各類場景用到的AIOps算法共性部分抽象提煉出來作為公用模塊，為多個場景服務(wù)。如下圖所示，從日志數(shù)據(jù)測量出的指標(biāo)數(shù)據(jù)的異常檢測，就可以復(fù)用單指標(biāo)異常檢測這一算法模塊，并且這一算法模塊已經(jīng)服務(wù)化，即可以通過API直接調(diào)用。所以我們說的第六個趨勢就是AIOps算法服務(wù)化，提升了效率，讓整體服務(wù)得更好。
在AIOps場景多樣化、場景精細(xì)化、算法服務(wù)化的前提下，第七個趨勢，即AIOps技術(shù)平臺化也就水到渠成了。AIOps技術(shù)平臺化打穿多個場景、多個數(shù)據(jù)源、多個算法。如下圖所示，上面輸入的是各種運維監(jiān)控數(shù)據(jù)，輸出的就是我們所需要的各種運維智能，中間是各種服務(wù)化的AIOps算法。不管具體的某個運維場景有什么樣的特點，我們都可以通過整體平臺進行自由組合和編排，從而高效落地該運維場景，避免傳統(tǒng)方法的重復(fù)低效落地。
這也就引出了第八個趨勢：AIOps新算法落地加速化。以往一個新算法研制出來后，需要大量的工程工作配合才能讓新算法產(chǎn)生實際效果。有了平臺化之后，只需要通過編排把該新算法、新算法所需數(shù)據(jù)、已有工程工作“串”在一起，就能夠快速落地。比如做了一個0day攻擊檢測算法ZeroWall，我們在一家具體機構(gòu)進行嘗試的時候，一周內(nèi)捕獲28種0day攻擊，每天捕獲上萬條0day攻擊，每天誤報數(shù)0到6個。如果按照以往方法，我們要花大量的時間去做ZeroWall的落地工作，而有了AIOps平臺化， ZeroWall的落地工作就快了很多。
在過去半年期間，各個行業(yè)的合作伙伴都提出了AIOps成熟度評估標(biāo)準(zhǔn)化的需求，而銀保監(jiān)會、證監(jiān)會、人行、工信部相關(guān)領(lǐng)導(dǎo)也都表示會支持。這個事情我也已經(jīng)著手聯(lián)合各方開始做，預(yù)計一兩年的時間才能做出一個切實可行的標(biāo)準(zhǔn)。
總結(jié)一下AIOps的九大趨勢：行業(yè)多樣化、產(chǎn)業(yè)生態(tài)化、數(shù)據(jù)多樣化、場景多樣化、場景精細(xì)化、算法服務(wù)化、技術(shù)平臺化、落地加速化、成熟度評估標(biāo)準(zhǔn)化。這九大趨勢將助力AIOps在今后的幾年起飛、爆發(fā)。
AIOps落地還會遇到各種各樣的挑戰(zhàn)。我們需要抬頭看天，低頭看路，目標(biāo)一致，腳踏實地，一步一個腳印落地AIOps。AIOps是我本人“擇一事，終一生”的事業(yè)，希望與更多志同道合的同仁一起，為AIOps這個事業(yè)共同奮斗！
