大家知道，运维是数字世界的的基础设施级别的技术。随着支撑数字世界的软硬件系统越来越庞大、越来越复杂，运维对智能化的要求就会越来越高。所以我们说，AIOps（智能运维）是运维技术发展必然的趋势。
AIOps 在国内正式提出来到现在的实际落地有两三年了，也取得了初步的落地效果。那么下一步到底怎么做？做什么？未来几年内能进一步达到什么样的效果？今天我就分享下我最近总结出来的 AIOps 发展九大趋势。
做趋势预测是有很大挑战和风险的，好在我之前在 AIOps 领域还有过成功的预测。
我在 2018 年 1 月曾给出一个 AIOps 宏观预测：我说 2018 年将是 AIOps 在中国落地的元年，而据我所知在 2018 年的确有小几十个 AIOps 项目开始落地，也就是说我的这个预测的确成为了现实。2019 年 1 月我说 2019 年是 AIOps 快速发展的一年，而实际上截止 2019 年 8 月份在国内有大几十个 AIOps 项目开始推进；与此同时，我们看到 2019 年初的时候人行以及各大银行也发文阐述支持 AIOps 方向。
我在 AIOps 具体技术上也有个算是成功的预测。2018 年中的时候我已经在公开演讲中讲 AIOps 平台化这个概念了；之后在 2018 年底，Gartner 的报告也基于与世界范围内的客户和厂商的访谈正式提出了 AIOps 平台化这一方向。
下面这幅图的左下部分是我的团队给出的 AIOps 平台架构，该图的右下部分是 2009 年我在 AT&T 工作时做的智能运维平台的架构，可以看出两幅图在概念上是非常相似的。所以，从这个例子大家可以看出，我能够先于 Gartner 提出 AIOps 平台的概念，不是因为真有什么能看到未来的“水晶球”，而是因为我之前在其它场景下做过类似工作，并且在 AIOps 方向不断努力推进。当我看到需求到了，相关条件成熟了，自然而然就能判断应该做 AIOps 平台了。所以，所谓的预测能力无非是经验的积累、不断观察、思考，最重要的是不断的亲手实践，就像林肯和图灵奖得主 Alan Kay（面向对象编程语言的发明者）所言，预测未来最好的方法就是亲手创造 / 发明这个未来。
下面我总结一下基于经验、访谈、观察、思考和实践得出的 AIOps 发展九大趋势，即行业多样化、产业生态化、数据多样化、场景多样化、场景精细化、算法服务化、技术平台化、落地加速化、成熟度评估的标准化。
第一个趋势就是 AIOps 落地的多样化，这个结论是基于我通过多种渠道采集到的信息。我们自己有一个公众号“智能运维前沿”，马上要突破 10000 个用户了；我们还有一个超过千人 AIOps 群，已经成功举办了两届 AIOps 挑战赛，我一年中会到几十家各行各业机构去进行现场交流。从上述多种渠道采集到的信息清楚表明：现在开始落地 AIOps 的，除了互联网公司、银行以外，证券、保险，电力、运营商、工业制造、国家机关、自动驾驶公司也都在尝试 AIOps 落地。
第二个趋势是 AIOps 产业生态化。各个行业都在试图尝试落地 AIOps，给 AIOps 方向提供了一个很好的产业基础。“产、学、研、用”各方也都在积极跟进，形成了一个 AIOps 生态系统。在这个生态系统里，专业的人负责专业的事，有越来越多的学术机构从事 AIOps 原理研究；由机构用户负责提出实际需求，由有预研能力的厂商把 AIOps 原理上的突破变成实际落地效果；有负责数据采集、接入、存储等的厂商，还有负责集成、交付、维保等的厂商。也就是说，“学、研、产、用”几方专业分工，通力协作。AIOps 产业生态化在 AIOps 落地过程中是一个重要的里程碑，会大力推动 AIOps 的更快落地。
第三个趋势是 AIOps 数据多样化。数据中心的系统物理架构和软件架构都非常庞大复杂。因此我们必须采集、治理、融合多种运维数据源、从中提取对运维最有用的信息，帮助我们了解数据中心最新最全的运行状态, 从而为 AIOps 的众多场景服务。因此我们说 AIOps 数据多样化是必然趋势。
第四个趋势是 AIOps 场景多样化。下图罗列了一些我们与合作伙伴合作、交流时遇到的具体场景。我们分成几个大场景：即异常发现、事件发现、事件分析、系统画像、图谱丰富等。每一个大场景会包含很多的具体场景，比如“事件分析”大场景就包括“异常机器定位”、“交易链条定位”、“多维度异常定位”等多种类型的事件分析。也就是说，当用户认识到 AIOps 能实际帮助到运维的时候，会自发与生态系统中的伙伴共同找到越发多样化的 AIOps 场景。
第五个趋势是 AIOps 场景精细化。如下图所示，异常检测（也就是通过分析监控数据自动发现运维故障）就包含单指标异常检测、多指标异常检测、多维度异常检测、日志异常检测等等。而单指标异常检测在检测业务、机器、网络、数据库、存储系统、批处理的异常时，其场景和检测侧重点会有所不同，因此需要针对精细化的具体场景进行 AIOps 异常检测算法的适当调整或适配。
为了避免 AIOps 场景多样化和精细化导致的落地工作量增加，我们必须把各类场景用到的 AIOps 算法共性部分抽象提炼出来作为公用模块，为多个场景服务。如下图所示，从日志数据测量出的指标数据的异常检测，就可以复用单指标异常检测这一算法模块，并且这一算法模块已经服务化，即可以通过 API 直接调用。所以我们说的第六个趋势就是 AIOps 算法服务化，提升了效率，让整体服务得更好。
在 AIOps 场景多样化、场景精细化、算法服务化的前提下，第七个趋势，即 AIOps 技术平台化也就水到渠成了。AIOps 技术平台化打穿多个场景、多个数据源、多个算法。如下图所示，上面输入的是各种运维监控数据，输出的就是我们所需要的各种运维智能，中间是各种服务化的 AIOps 算法。不管具体的某个运维场景有什么样的特点，我们都可以通过整体平台进行自由组合和编排，从而高效落地该运维场景，避免传统方法的重复低效落地。
这也就引出了第八个趋势：AIOps 新算法落地加速化。以往一个新算法研制出来后，需要大量的工程工作配合才能让新算法产生实际效果。有了平台化之后，只需要通过编排把该新算法、新算法所需数据、已有工程工作“串”在一起，就能够快速落地。比如做了一个 0day 攻击检测算法 ZeroWall，我们在一家具体机构进行尝试的时候，一周内捕获 28 种 0day 攻击，每天捕获上万条 0day 攻击，每天误报数 0 到 6 个。如果按照以往方法，我们要花大量的时间去做 ZeroWall 的落地工作，而有了 AIOps 平台化， ZeroWall 的落地工作就快了很多。
在过去半年期间，各个行业的合作伙伴都提出了 AIOps 成熟度评估标准化的需求，而银保监会、证监会、人行、工信部相关领导也都表示会支持。这个事情我也已经着手联合各方开始做，预计一两年的时间才能做出一个切实可行的标准。
总结一下 AIOps 的九大趋势：行业多样化、产业生态化、数据多样化、场景多样化、场景精细化、算法服务化、技术平台化、落地加速化、成熟度评估标准化。这九大趋势将助力 AIOps 在今后的几年起飞、爆发。
本文转载自成哥的世界公众号。
评论