智能运维平台缺点（运维智能化）

本篇文章给大家谈谈智能运维平台缺点，以及运维智能化对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。 今天给各位分享智能运维平台缺点的知识，其中也会对运维智能化进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

• 1、腾讯蓝鲸运维平台优缺点
• 2、智能运维与传统运维方式有什么区别？
• 3、fttr全屋光纤优缺点
• 4、传统企业IT运维管理中主要存在哪些问题
• 5、智能运维就是由AI代替运维人员？
• 6、智能运维是什么？

腾讯蓝鲸运维平台优缺点

蓝鲸智云，简称蓝鲸，是一套基于PaaS的技术解决方案；通过蓝鲸，可以实现很多功能，这就是他的优点，缺点就是有些功能比较鸡肋。

1、“运维基础服务”的无人值守；运维基础服务就是我们经常做的发布变更和故障处理，日常的运维操作。

2、“运维增值服务”的低成本实现；也就是说，在实行运维基础服务之后，实现IT运营转型；为相关关联的岗位提供快速、低成本的支撑工具，运营系统，推动企业企业内部的工具文化；并利用云和大数据技术为企业实现精细化的工作活动。

在腾讯内部，蓝鲸支撑着300多款业务，管理着20多万台服务器，完成着14万次发布变更操作，每天处理着变更和操作超过6万次。下面我们一起看蓝鲸的架构图。最底部是管控平台，他具体服务择比如说传输数据，传输文件。

执行脚本等；在管控平台上层，是常用的基础平台，如配置平台、作业平台、数据平台等，他们为上层的集成平台提供原子服务，从而为下面平台提供调度自动化，在集成平台的上层，承载着很多SAAS应用，如标准运维、监控系统。

故障自愈，移动平台等。目前蓝鲸2.0已经开放了这4个平台，管控平台、配置平台、作业平台、集成平台，最底层的管控平台，可以管理各种OS，如WINDOWS,LUNIX,小型机，dux等上面的作业平台可以是基础运维工作的自动化，如智能传输文件。

脚本、云化管理、脚本快速执行，海量主机的并发操作，跨云管理（无论阿里云、腾讯云、私有云等都可以统一管理）等等。

智能运维与传统运维方式有什么区别？

传统的运维方式在监控、问题发现、告警以及故障处理等各个环节均存在明显不足，需要大量依赖人的经验，并且在数据采集、异常诊断分析、故障处理的效率等方面有待提高。这个时候智能运维就应运而生了，智能运维是将人工智能的能力与运维相结合，通过机器学习的方法来提升运维效率。总体来说AIOps比传统运维方式效率高，数据采集更准确，更智能。听云一直在AIOps探索的道路上，经过13年的技术深耕，早已是行业内的领先者，合作的企业更是多达8000家，覆盖的企业有金融、银行、政府、教育等等。

fttr全屋光纤优缺点

优点，适合对于编写需求要求较低，追求一定的CPU性能，要求屏幕大一些，玩一些单机游戏和较好售后的人群购买，缺点，便携性差。
FTTR（FibertoTheRoom）是千兆入户的应用，FTTR可全方位提升使用体验。而对于运营商而言，FTTR组网的三大优势：一是千兆带宽入房：通过光纤真正实现千兆带宽延伸到每个房间，突破网线等连接方式带来的带宽瓶颈。同时，房间内全光Wi-Fi信号全覆盖，避免穿墙造成信号减弱。Wi-Fi性能较业界提升30%，时延可降低30%以上，满足云VR/8K视频/游戏等高品质业务要求。
二是高效经济部署：光纤耐腐蚀，支持多级分光，扩展灵活，无源替换有源，多层变2层，极简架构，一次部署寿命30年，有效降低家庭组网复杂度和维护成本，施工部署简单，通过特殊高强度连接头+专用预置光缆，搭配可视化工具，保证光纤部署安装快捷高效。
三是智能运维：通过一个智能运维平台可以实现对整个家庭网络的可视可管可维，管理更高效，并可以做到故障主动识别、Wi-Fi远程调优，降低30%上门率，提升用户的满意度。
别墅大师为你提供当地建房政策，建房图纸，别墅设计图纸;
别墅外观效果图服务，千款爆红图纸任你选：https://www.bieshu.com?bdfc

传统企业IT运维管理中主要存在哪些问题

当前，随着企业数字业务的快速发展和业务量的攀升，企业信息系统架构的升级变迁，以及企业多套业务系统的在线运营，各类监控组件和应用系统间的关系错综复杂，系统运维的难度也急剧增加，且面临着巨大挑战。

在传统运维方式下，数据规模大且离散，数据治理和全面分析能力薄弱且依赖于经验和规则，运维十分被动，解决问题效率非常低下，运维的实用性大打折扣，难以满足当前主动运营的要求。

具体来说有以下几点：

发现问题难：企业在经年累月中布局了诸多监控工具，但是监控手段阈值的设定单一，且一般都是静态阈值，而指标和告警的异常却是多样化的，这样就会造成大量的误报漏报现象。此外，目前绝大多数的监控工具，缺乏趋势预测能力，使得运维局面非常被动，导致发现问题十分困难。

根因定位难：发现问题时一般都是对问题进行定性分析，可能了解到某一告警对应的指标波动是值得关注的，但是并不能因此确定造成这种现象具体根因。而且目前的监控工具，大多缺乏综合根因定界及定位分析的手段，即便对监控进行了集中管理，也难以通过单纯的几种指标进行根因定位。

数据治理难：当数字化建设进行到一定程度的时候，被管理对象的数据量相应的也是水涨船高，数据数量大、类别多且非常分散，很难通过某一指标体系来衡量系统的健康度，也没有一个统一的视角去判断数据质量的好坏优劣。

运营分析难：现有的大多数基础监控工具，多数都是从自己的管理阈例如系统管理、网络管理出发看待问题，缺乏端到端的分析能力，没办法以业务视角从综合运营分析的角度，去看待多样化指标对系统的影响。

而智能运维是一种全新的数字化运维能力，也将是数字化转型的必备能力。智能运维相对于传统运维模式而言，能够在运维数据治理、业务数字化风险、运维人力成本和业务侧影响力四个方面有本质的效能提升。

智能运维相对于传统运维模式而言，能够在四个方面有本质的效能提升：

运维数据治理。通过高性能实时处理的数据平台广泛采集、处理和分析数字化业务运行过程中的多样化运维数据，包括告警、指标、日志、配置以及运维工单等类别，不仅提升了运维大数据的治理能力，优化了数据质量，而且为进一步激活运维数据的价值打下了良好基础；

业务数字化风险。使运维人员不仅提升了历史运维数据的分析能力并且能够对实时数据进行异常检测和问题预判，有效降低数字化业务的运行风险，提升可用性、稳定性；

运维人力成本。使真正意义上的跨域根因定位成为可能，降低对专业运维人员经验技能的依赖，迅速缩短故障排查时间并有效降低人力成本；

业务侧影响力。以业务视角利用多元化数据提高运营分析和决策能力，比如端到端的分析业务交易状态，提供给业务、客服部门及时反馈和决策支持依据，充分增强业务影响力；

智能运维发展正如火如荼，Gartner预见其为下一代运维，认为到2022年将有近50%的企业用户部署智能运维。虽然目前不少企业已经在积极投入建设，也还有一些企业处在迷茫阶段，对这种趋势不太清晰，借用著名作家威廉吉布森的话，“未来已来，只是分布不均。”

智能运维就是由AI代替运维人员？

AIOps智能运维并不是完全取代传统的运维人员，而是对于已经构建的传统集中监控系统首先是一种赋能的作用，也就是新建立的AIOps智能告警系统可以和既有的系统协同工作，这里会有一个并存的过程；在第二阶段，就可以随着智能监控的日益成熟逐步完成转型，也就是将主要的工作舞台迁移到智能集中监控系统；当然，对于还未构建集中监控的企业，完全可以换道超车，直接建立具备智能运维能力的集中监控系统。
在运维管理中，运维管理者和智能运维的关系应该是相辅相成，各取所长，而不是互相替代的关系。可以理解为，智能运维是一种特殊的“人”，运维管理者要能用其所长。
比如说以智能告警为例，机器学习算法的能力是人难以企及的，“他”可以从时间维度、拓扑维度甚至告警语义的维度去洞察原始告警的相关性，并且把所发现的结论以友好的方式展示出来，消除人类识别数据能力的不足和可能存在的盲区；
而运维管理者，则可以利用专业知识和经验，对于洞察的结果进行判断，因为对于自身业务逻辑最清楚的莫过于具体运维者，而且人的思维具备一种机器所无法企及的发散性，这对于利用经验判断尤为有效。这样的人机互动和闭环使得运维管理者和智能运维工具各自发挥所长，从而达到最卓越的成效。

智能运维是什么？

得益于IT外包服务的发达，现在的运维已经不包括搬机器上架、接网线、安装操作系统等基础工作，运维人员一般会从一台已安装好指定版本的操作系统、分配好IP地址和账号的服务器入手，工作范围大致包括：服务器管理（操作系统层面，比如重启、下线）、软件包管理、代码上下线、日志管理和分析、监控（区分系统、业务）和告警、流量管理（分发、转移、降级、限流等），以及一些日常的优化、故障排查等。
随着业务的发展、服务器规模的扩大，才及云化（公有云和混合云）、虚拟化的逐步落实，运维工作就扩展到了容量管理、弹性（自动化）扩缩容、安全管理，以及（引入各种容器、开源框架带来的复杂度提高而导致的）故障分析和定位等范围。
听上去每一类工作都不简单。不过，好在这些领域都有成熟的解决方案、开源软件和系统，运维工作的重点就是如何应用好这些工具来解决问题。
传统的运维工作经过不断发展（服务器规模的不断扩大），大致经历了人工、工具和自动化、平台化和智能运维（AIOps）几个阶段。这里的AIOps不是指Artificial Intelligence for IT Operations，而是指Algorithmic IT Operations（基于Gartner的定义标准）。
基于算法的IT运维，能利用数据和算法提高运维的自动化程度和效率，比如将其用于告警收敛和合并、Root分析、关联分析、容量评估、自动扩缩容等运维工作中。
在Monitoring（监控）、Service Desk（服务台）、Automation（自动化）之上，利用大数据和机器学习持续优化，用机器智能扩展人类的能力极限，这就是智能运维的实质含义。
智能运维具体的落地方式，各团队也都在摸索中，较早见效的是在异常检测、故障分析和定位（有赖于业务系统标准化的推进）等方面的应用。智能运维平台逻辑架构如图所示。
智能运维平台逻辑架构图
智能运维决不是一个跳跃发展的过程，而是一个长期演进的系统，其根基还是运维自动化、监控、数据收集、分析和处理等具体的工程。人们很容易忽略智能运维在工程上的投入，认为只要有算法就可以了，其实工程能力和算法能力在这里同样重要。
智能运维需要解决的问题有：海量数据存储、分析、处理，多维度，多数据源，信息过载，复杂业务模型下的故障定位。这些难题是否会随着智能运维的深入应用而得到一定程度的解决呢？我们会在下一篇文章中逐步展开这些问题，并提供一些解决方案。
本文选自《智能运维：从0搭建大规模分布式AIOps系统》，作者彭冬、朱伟、刘俊等，电子工业出版社2018年7月出版。
本书结合大企业的智能运维实践，全面完整地介绍智能运维的技术体系，让读者更加了解运维技术的现状和发展。同时，帮助运维工程师在一定程度上了解机器学习的常见算法模型，以及如何将它们应用到运维工作中。 关于智能运维平台缺点和运维智能化的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。 智能运维平台缺点的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于运维智能化、智能运维平台缺点的信息别忘了在本站进行查找喔。