四谈智能运维：万丈高楼平地起

前阵子通过云课堂的方式跟同事们分享了我对AIOps的一些理解和认识，本来以为感兴趣的人不会很多，没想到反响还不错，不少人私信问我一些问题。这几天结合大家的问题，我做了一些总结和思考，整理如下：

一、AIOps是必须的吗？

从大的趋势上来讲，IT运维跟IT的整体发展，跟云计算大数据等技术的发展趋势是相呼应的，也就是说IT运维不可能孤立存在。我认为AIOps是否必要，是一个比较个性化的问题，需要结合自己的实际情况来考虑。重点有几个因素，IT规模、运维标准化和成熟度、IT对业务的价值体现、运维体系和团队等等都关系非常大。AIOps不是必须的，但是AIOps跟企信IT是什么关系确实必须考虑的。

二、厘清一些概念，自动化运维不等于AIOps

有不少人会把自动化运维和AIOps划等号，这是在是大为不妥。我们一般认为，全链路和全要素监控是我们运维的基础，也就是说可视化是基础。自动化是重点关注资源管理、应用管理、故障应急、日常变更等场景，也就是说自动化的前提是标准化，重点是流程和服务的标注化，如果能设计成标准流程，那自动化就可以发挥价值，如果不能那只能通过工单解决。自动化上层是流程编排入口，中间自动化运维平台的互操作层，对系统进行止损和修复等操作，下层是运维对象。可以看出来自动化运维是个执行机构，不是一个思考和决策机构，无法做到根因分析、无法去做预测和决策。自动化运维是AIOps的一部分，是包含与被包含的关系。

三、其实可以把AIOps比喻成一个人

怎么形容AIOps的整体架构呢，我觉得用一个人来比喻比较恰当，监控系统是AIOps的眼睛，用来发现问题；自动化运维是手，用来执行和操作；AIOps的核心层，是大脑，用于思考和决策；还有一个小东西，就是容易被忽略的CMDB，是啥呢，是心脏咋样，没了他AIOps就完蛋了。

四、一些建议和想法

1、需求是关键，场景很重要：

我们反复关注的应该是场景和需求，场景化的需求，把用户的需求和痛点，抽象成若干个场景，说白了就是用户解决什么问题，我们始终应该坚持问题导向。

2、与其忙着排障，不如加固城防：

兵法云：不战而屈人之兵善之善者也。再完善的运维系统也替代不了高可用的架构设计，高可用设计是上策，故障应急是下策。我们应该做好系统的高可用设计，做好层与层之间的解耦，尽可能缩小故障域。

3、AIOps不是空中楼阁：

基础很重要，AIOps不可能一蹴而就，需要在指标可视化、流程标准化上下一些功夫，有了这些才好做下一步。自动化的前提是标准化，其实故障处理等应急场景很难标准化，过去对高端技术人员的依赖很重，那AIOps的机会和价值也在于此，借助AI和大数据手段实现从信息到知识跃迁，我们的目的也就达到了。可视化、自动化、智能化，一步步来，这其中还有标注化和服务化，是跟流程和体系相关的，需要协同考虑。

4、我们的机会在哪儿：

可视化是一个普遍认同也普遍关注的环节，这可以重视。另外，自动化运维平台和ITSM流程平台很多客户多一定的积累，这个需要结合客户的现状和需求适时推进，需要谨慎，是金矿还是泥潭不好说。做好了这两部分，AIOps就顺理成章了。如果具备条件，这几部分一起上也不是不可以，关键是场景。

重要问题说三遍，关键是场景、关键是场景、关键是场景。