自动化运维与DevOps之间的区别和联系？

谈谈自动化运维、AIops和devops

提供 IT 服务有四个主要环节：需求、研发、测试和运维。用户向 IT 提出要求的界面就是需求，而 IT 服务给用户的交付界面就是运维。 IT 内部来说，从需求到研发再到测试才能交付给运维，像是一条工厂流水线，只不过 IT 提供的是服务，而非产品。

和工厂一样，要管好IT服务，离不开“两个全面”，也就是“全面预算管理”和“全面质量管理”。说到底，也就是 PDCA ，只不过每一步都要核算费用和成本罢了。尽管只是加了这么一个条件，但困难却多了许多。如果只是做到PDCA，那么精益求精就可以了。如果还要加上成本核算，就要计算这么做值不值，去检查值不值，检查到这个程度值不值，返回头修正流程或“工艺”值不值……一大堆问题，绝对是个没有精确解的多目标寻优问题。

工厂要管质量，只问责最后一道生产线当然是不行的。同样的， IT 服务出了问题，板子也不能光打到运维头上。该是运维的问题是运维的问题，该是研发的，测试的，乃至需求分析的问题，一个都不能少。

按照 PDCA 的原则，出了问题就要定位问题，然后设法改进。那么定位的环节对不对？查出的原因准不准？改进的方法行不行？更重要的还是那个问题，所做的这一切值不值？再直观点说，付出的代价，和换来的用户满意度以及从客户那里挣到的钱相比，到底值不值？

讨论了这些，我们再回到开始。自动化运维是什么？有了这么一套系统，所有问题全都自动解决，人都不用管了，你放心么？当然，也有人说，自动化运维只是全面告警，可不是什么都能处理，分析问题还要靠 AIops 。但在现在和可预见的未来， AI 主要适合两种情况：一种是规则简单，但情况复杂，例如围棋；另外一种是规则复杂，但有了结果总比没有强，对于成功率只要过了基本线就好，并不要求特别高的几个“ 9 ”，例如各种数据挖掘乃至语音识别。但在运维领域，如果 AIops 再加自动化运维，人就在旁边看着，或者看都不看，以至于日子久了看的能力都没有了，那该怎么办？自动化运维和进化的人体

但这些困难还只能说是“后话”，问题还远不止这么“简单”。前面讨论了，要管好IT服务，就要做到“全面预算管理”和“全面质量管理”。而要做到这两个“全面”，就首先要做到“全面采样”和“系统分析”。因为问题的原因可能来自需求、研发、测试和运维或者其中几个方面的综合，但如果定位到了问题原因，但只是简单地问责，而不能从机制、流程和代码规范等方面总结原因，精准改进，那定位了又有什么用？

也就是说，逻辑应当是从用户的感受出发定义“运维事件”，从“运维事件”层层往上追责，测试的问题，研发的问题，需求的问题……每一个问题都能准确定位，精准改进。实现是在“全面预算管理”约束下的“全面质量管理”，每一个问题都要经过PDCA的过程。而devops，只是这个进程的第一步，做到研发运维一体化管理罢了。因为一定还会有很多的问题，体现在研发上，但根源在测试或需求分析环节上，或者从需求及测试环节改起来更容易。

总而言之，devops其实是AIops的重要基础。没有devops支持的AIops乃至自动化运维，不仅应用很受局限，而且也不能有效控制风险。然而，devops又只是“全面采样”和“系统分析”的一个部分。“全面采样”看似相对容易一些，投钱就行；但如果不能辅之以真正的“系统分析”，而只是就事论事的话，也很难发挥其应有的作用，而且根本也没法验证是否是真的“全面”采样。