智能运维平台搭建（智能运维平台搭建方案）

本篇文章给大家谈谈智能运维平台搭建，以及智能运维平台搭建方案对应的知识点，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搭建的知识，其中也会对智能运维平台搭建方案进行解释，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、智能运维管理平台是如何进行运维管理的？
• 2、智能运维是什么？
• 3、智能运维平台系统是什么
• 4、关于运维体系建设有没有什么好点的建议？

智能运维管理平台是如何进行运维管理的？

IT运维从传统走向智慧，首先要经历数字化运维阶段，搭建数字运维中台既是实现运维数据有效治理的前提和基础，也是推进运维数智化转型的第一步。针对上述需求，擎创科技自主研发的擎创夏洛克AIOps智慧运营平台(如下图所示)可通过数字运维中台，对运维数据进行统一的采集存储和管理，即便面对高达100TB的日增数据量，也可进行秒级实时分析，为异常检测、根因定位等场景奠定坚实基础。

擎创夏洛克AIOps智慧运营平台架构

与传统运维方式相比，智能化运维最突出的优势是“数据大集中”，即基于数字运维中台建设，通过统一监控中心来集中管理和分析所有运维数据，并以业务视角观测运维数据的相关性，最终建立智能化场景来解决实际问题。擎创自主研发的智能运维产品——夏洛克AIOps智慧运营平台，刚好为此量身定制。它能以全局运营视角解读IT运维，在AI算法平台的支撑下实现包括精准告警、异常检测、根因定位和容量分析等场景，助力企业数字化业务高效、稳定和顺畅运行。

擎创夏洛克AIOps智慧运营平台架构

目前，夏洛克AIOps已在政府机关组织、银行业、证券保险业和交通运输业等行业场景中应用落地，极大节省了企业客户的人力成本和资金成本，提升了运维的有效性和质量。例如，通过为客户构建智能运维平台，轻松应对日增80TB的数据量，让客户平均故障修复时间（MTTR）缩短150%以上，运维总体拥有成本（TCO）下降80%以上。

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。

智能运维平台系统是什么

智能运维平台，又称AIOps，是将AI赋能于IT传统运维，通过对日志、指标、Trace等数据的分析，协助运维工程师更快速精准地发现故障、定位故障，并排除故障，提高运维效率、降低运维成本。

一套完整的智能运维平台系统，通常包括：

（1）数字运维中台：提供数据治理服务、流批一体化服务和AI算法平台服务。

（2）统一监控中心：将监控对象与运维数据关联，实现对象视角的全面可观测性方案

（3）告警辨析中心：智能化集中告警，构建闭环告警管理

（4）指标解析中心：集中管理监控指标，AI算法智能化检测分析

（5）日志精析中心/日智速析专家：海量数据处理，串联及多维分析，实时聚类检测

（6）运营决策中心：多源数据接入，多设备统一管理，自定义观测场景

智能运维平台系统的部署，可以根据现有情况分步骤进行。先从急需的场景入手，再辅以运维数据的治理，即可发挥其作用，让运维工作提升一个档次

关于运维体系建设有没有什么好点的建议？

作为企业数字化转型的重要手段，IT运维效率的高低会直接影响到业务的正常运转，传统运维走向智能运维，其实就是运维数字化的过程。在智能运维建设过程中，先平台还是先场景，对于很多企业用户来说一直是个难题。如果用户对自身数据情况了解非常清晰，且希望打破数据孤岛以建立统一运维数据平台，那么可以优先选择平台建设；如果用户明确知道底层平台需要的能力，寄希望于能直接带来业务价值，可以优先选择场景建设。

例如一家城市商业银行，它目前最大的问题可能只是监控效能低下，误报漏报多，我们可以先从集中告警入手，利用算法去重降噪，再查看相关告警之间的有效告警场景，筛选出最可能影响业务问题的告警。在提高告警处理效率后，再通过分析告警的源头，进一步解决监控指标静态阈值设定不准确的问题，用智能异常检测替代之，从而根本上提升监控效能。这就是场景化方式导入智能运维的方法。

智能运维建设，可以根据用户实际运维情况，同步开展，循序渐进地进行建设。擎创根据以往经验，总结出三个原则六步走的最佳实践方案，我们首先可以通过集中监控智能化改造、指标监控智能化改造和日志异常检测（弥补监控手段不足）等提升实时性数据处理能力，再通过智能故障排查（根因分析和定位）、智能知识管理（知识图谱）和故障自愈提升数据事后分析和处理能力。

对于有些公司提出的，运维成熟度不高不敢考虑智能运维？

运维成熟度度高的的企业，可以按照数据处理能力的维度，统一规划、分层实施，实现从运维数据局部集中到跨域集中，也就是先建立运维大数据平台，通过加强数据治理、优化数据质量，而后再过渡到基于算法的统计分析乃至流式实时处理，构建多样化智能运维场景，逐层实现智能运维能力建设。

但这种方式并非放之四海而皆准，对于成熟度不高的企业，迫切需要解决的是实际运维问题，而智能运维这时应该能成为解决实际问题的工具，它可以根据客户当前的运维成熟度选择具体应用场景，按照不同的路线图进行建设，这才是智能运维的应有的能力。智能运维的本质就是逐步提升对运维数据的分析处理能力。

关于智能运维平台搭建和智能运维平台搭建方案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。 智能运维平台搭建的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于智能运维平台搭建方案、智能运维平台搭建的信息别忘了在本站进行查找喔。