激情综合五月婷婷久久五月天,午夜福利一区二区三区在线观看

矛盾是事物發(fā)展的源泉和動力。運維中的矛盾無處不在，既有來自業(yè)務(wù)與技術(shù)的矛盾，也有來自開發(fā)和運維的矛盾，還有來自數(shù)據(jù)中心內(nèi)部的矛盾，解決這些矛盾只能靠發(fā)展。
一、安全生產(chǎn)
數(shù)據(jù)中心的主要職責是安全生產(chǎn)，圍繞著安全生產(chǎn)有三個目標：
2.1高可用架構(gòu)：高可用的IT基礎(chǔ)設(shè)施可以確保應(yīng)用系統(tǒng)的可用性與連續(xù)性，包括：應(yīng)用集群、系統(tǒng)熱遷、數(shù)據(jù)庫集群、存儲復制、物理備份等。
2.2高效運維：圍繞著高可用架構(gòu)，進行一些列高效運維工作，包括：資源供給、應(yīng)用部署、日常變更、故障處理、數(shù)據(jù)治理等。
【關(guān)于智能運維AIOps的一點思考】2.3 節(jié)約成本：在滿足高可用和高效的前提下，盡量節(jié)約成本，包括資源優(yōu)化、性能優(yōu)化、以及減少成本不敏感的資源浪費。
二、高效運維
主要涉及如下四個方面工作：
2.1資源供給：之前是針對每次資源申請，運維人員都得把機器上架、系統(tǒng)安裝、存儲配置、網(wǎng)絡(luò)配置等一系列流程跑一遍，涉及各個專業(yè)的人工協(xié)同，小企業(yè)人少，一個兩個人搞定一切，大企業(yè)專業(yè)分工明確，這些工作需要多人協(xié)同，效率無法保證 ?，F(xiàn)在是通過云計算來提升效率，主要是池化和自動化，池化是指提前準備一批資源，避免每申請一次就得準備一次，自動化是指通過自動化的流程去串接各個專業(yè)條線，避免溝通成本和低效的手工操作，提高了效率和人員安全。
2.2應(yīng)用部署：之前是開發(fā)完交付給測試、測試完組織投產(chǎn)、投產(chǎn)完開展運維，不同階段的人員相互割裂，應(yīng)用發(fā)布部署效率低 ?，F(xiàn)在通過提高效率，強調(diào)持續(xù)CI/CD，通過CI實現(xiàn)開發(fā)到測試的持續(xù)集成測試人工智能開發(fā)者社區(qū)，通過CD實現(xiàn)開發(fā)到運維的持續(xù)系統(tǒng)部署，通過CD實現(xiàn)技術(shù)到業(yè)務(wù)的持續(xù)價值交付。
2.3變更管理：之前是人工配合一些工具腳本，無系統(tǒng)化思維能力，往往只見樹木不見森林 ?，F(xiàn)在是通過云提升系統(tǒng)外變更效率，通過自動化工具（例如和）提高系統(tǒng)內(nèi)變更效率。
2.4故障處理：之前是接到監(jiān)控告警，各專業(yè)分析根源，執(zhí)行應(yīng)急預案，但是存在很多問題，例如：缺乏故障預測、誤報漏報、分析慢、無法自愈 ?，F(xiàn)在是通過AIOps解決，實現(xiàn)故障預測、故障檢測、根因分析、故障自愈，盡量減少人工參與。
三、智能運維（AIOps）
IT運維經(jīng)歷了三個階段，即人工運維、自動化運維、智能運維（AIOps）。人工運維是指人工配合腳本。自動化運維是指系統(tǒng)工具的自動化，決策在人，執(zhí)行在機器。智能化運維是指決策的自動化，決策在機器，執(zhí)行也在機器。決策在于推理，推理依賴于規(guī)則，現(xiàn)階段，規(guī)則是可編程的稱為自動化，規(guī)則是可學習的稱為智能化。
3.1 AIOps定義：AIOps是指基于已有的運維數(shù)據(jù)（訪問關(guān)系、監(jiān)控告警、日志），采用數(shù)據(jù)分析和機器學習方法，提高運維決策能力，解決自動化運維無法解決的問題，進一步提高運維效率。AIOps的價值不僅在于提供智能運維決策，也在于實施過程中，對已有的基礎(chǔ)架構(gòu)、應(yīng)用關(guān)系、監(jiān)控告警、日志數(shù)據(jù)等進行梳理，實現(xiàn)真正的精細化運維。當然，AI算法的局限性、場景的多樣性、數(shù)據(jù)的復雜性，決定了AIOps是人力密集性、過程的曲折性，也決定了AIOps不能解決全部問題，需要人機協(xié)同和知識圖譜，才能發(fā)揮AIOps最大價值。
3.2 數(shù)字化運維：信息化是把手工流程變成線上流程，數(shù)字化是把物理對象抽象為數(shù)字對象，通過大數(shù)據(jù)分析和機器學習算法挖掘數(shù)據(jù)的價值。大數(shù)據(jù)主要通過大量多樣數(shù)據(jù)的分析，挖掘數(shù)據(jù)的價值，會使用到一些機器學習算法，機器學習主要強調(diào)決策的自動化，依賴的基礎(chǔ)也是數(shù)據(jù)，可以說，大數(shù)據(jù)分析基礎(chǔ)，AI是目標態(tài) 。AIOps是運維數(shù)字化的直接體現(xiàn) 。
3.3 AIOps場景：一是質(zhì)量方向，主要是異常處理，包括異常預測、異常檢測、根因分析、故障自愈等。二是效率方向：主要是預測，包括批量預測、容量預測、交易量預測等。三是成本方向，包括資源優(yōu)化、性能優(yōu)化等。
3.4算法為尊：
現(xiàn)階段的AI得以發(fā)展人工智能開發(fā)者社區(qū) ，得益于算力、算法、數(shù)據(jù)的共同改良，算力是通用的，場景決定數(shù)據(jù) ，數(shù)據(jù)決定算法。往往不同的場景有不同的數(shù)據(jù)，即使同一個場景的不同環(huán)境也有不同數(shù)據(jù)，這就決定了數(shù)據(jù)的適配性、算法的多樣性。
AI算法：機器學習算法，按標注可以分為監(jiān)督、非監(jiān)督、半監(jiān)督、強化；按用途可分為分類、聚類、回歸、降維；按照方法可分為統(tǒng)計學、傳統(tǒng)機器學習、深度學習等。其中，統(tǒng)計學（例如：正太分布、均衡分布）要求數(shù)據(jù)必須滿足某種分布，在異常檢測領(lǐng)域用的多，包括運維領(lǐng)域的故障處理、金融領(lǐng)域的反欺詐、工業(yè)領(lǐng)域的殘次品檢測。傳統(tǒng)機器學習（例如：、隨機森林、支持向向量機、貝葉斯、決策樹、馬爾可夫等），雖然對數(shù)據(jù)要求弱一些，但對場景依賴強，即使是同一個場景的不同環(huán)境，也需要不同模型，在數(shù)據(jù)分析領(lǐng)域用的比較多。深度學習（深層神經(jīng)網(wǎng)絡(luò)，例如：CNN、RNN）對數(shù)據(jù)要求高，因為更多的數(shù)據(jù)才能訓練出更深的神經(jīng)網(wǎng)絡(luò)，更深的神經(jīng)網(wǎng)絡(luò)抽象表達能力更好，也就決定了場景適應(yīng)能力越強，主要是用在圖像技術(shù)、語音技術(shù)、自然語言處理三個通用技術(shù)領(lǐng)域。
AIOps算法：做異常處理時，主要是概率分布和聚類，分類比較少，因為GT少。做預測時，可以是多維的線性回歸模型，線性回歸簡單，但魯棒性差；也可以是基于深度學習的非線性模型，一則對數(shù)據(jù)要求高，二則需要監(jiān)督學習；還可以是傳統(tǒng)的貝葉斯模型，但預測效果一般。
3.5方案為王：學術(shù)界研究通用問題，尋找更優(yōu)的算法，工業(yè)界除了需要解決通用問題，還需要解決更多的個性化問題。甲方和乙方經(jīng)常不在一個頻道上，乙方主打算法和產(chǎn)品，甲方確需要解決方案，解決應(yīng)用場景中的痛點，這中間需要乙方設(shè)立解決方案部門，熟悉甲方各種套路。算法的價值在于解決問題，在算法、產(chǎn)品、解決方案、應(yīng)用場景、產(chǎn)生價值整個周期中，算法僅僅是個開始，研究新算法，解決通用問題，固然很重要，利用已有算法，解決個性化問題，給出完整解決方案，才是關(guān)鍵。
3.6非零基構(gòu)建：AIOps是在現(xiàn)有基礎(chǔ)架構(gòu)之上構(gòu)建的智慧大腦，依賴于現(xiàn)有的眼（應(yīng)用訪問關(guān)系、監(jiān)控告警、日志）和手（云和自動化工具）。眼數(shù)據(jù)主要有：應(yīng)用訪問關(guān)系，基礎(chǔ)架構(gòu)成熟的企業(yè)，積累了應(yīng)用訪問關(guān)系，不成熟的企業(yè)，需要借助AIOps進行梳理；監(jiān)控數(shù)據(jù)，包括設(shè)備監(jiān)控數(shù)據(jù)、網(wǎng)絡(luò)監(jiān)控數(shù)據(jù)、系統(tǒng)監(jiān)控數(shù)據(jù)、平臺監(jiān)控數(shù)據(jù)、應(yīng)用監(jiān)控數(shù)據(jù)、業(yè)務(wù)指標監(jiān)控數(shù)據(jù) ，這些都是結(jié)構(gòu)化的時序數(shù)據(jù)；日志數(shù)據(jù)，非結(jié)構(gòu)化的數(shù)據(jù)，每個系統(tǒng)都有自己的日志數(shù)據(jù)，不便于統(tǒng)一分析。手主要分為外手和內(nèi)手，外手主要是在系統(tǒng)在外側(cè)操作，可以通過云平臺（IAAS和PAAS）實現(xiàn)，內(nèi)手主要通過自動化工具實現(xiàn) ，例如無代理的和有代理的。AIOps就是基于現(xiàn)有的眼數(shù)據(jù)，進行分析、推理、決策，然后使用現(xiàn)有的手進行運維。
四、監(jiān)管之劍
監(jiān)管要求的安穩(wěn)態(tài)是把雙刃劍，一方面確保了業(yè)務(wù)的安全穩(wěn)定運行，另一方面卻阻礙了技術(shù)創(chuàng)新。以金融行業(yè)為例，強調(diào)嚴管控，嚴格遵守ITIL標準流程（發(fā)布管理、配置管理、變更管理、問題管理、事件管理），追求安穩(wěn)態(tài) 。然而，技術(shù)創(chuàng)新，無論是云計算、還是、還是AIOps ，都在追求敏捷態(tài)，這往往挑戰(zhàn)了監(jiān)管要求。在監(jiān)管面前，一切違反監(jiān)管要求的做法都是一票否決。我們可以在現(xiàn)有的監(jiān)管框架內(nèi)尋求折中，例如，在嚴格遵守ITIL的嚴管控流程的同時，把人工流程全部優(yōu)化為自動化流程，但這會偏離技術(shù)創(chuàng)新的原有初衷。解鈴還須系鈴人，監(jiān)管需要為技術(shù)創(chuàng)新改變。
五、結(jié)束語
真理都是簡潔的，但發(fā)現(xiàn)真理的過程往往是且復雜且曲折，這也是AI的魅力所在，我們相信，在學術(shù)界和工業(yè)界的共同努力下，AIOps終將展現(xiàn)出真理的一面。
本文到此結(jié)束，希望對大家有所幫助。