伴隨金融機構(gòu)數(shù)字化轉(zhuǎn)型的加速，IT運維從理念到模式正在向智能運維全面邁進。作為率先實現(xiàn)智能運維工程化落地的全棧IT運維服務(wù)商，云智慧（北京）科技有限公司總裁劉洪濤先生為《新金融世界》分享了智能運維對于金融數(shù)字化和FinTech的意義，以及智能運維在金融機構(gòu)落地過程中的注意要點。

金融數(shù)字化的運維變革

數(shù)字化時代，IT對金融業(yè)務(wù)的重要程度與日俱增，是推動機構(gòu)進行智能運維變革的關(guān)鍵。

舉例而言，在幾年前，很多金融機構(gòu)會在半夜12點-1點暫停交易進行系統(tǒng)維護，這在今天是絕不允許的。現(xiàn)在的金融客戶怎么可能接受零點秒殺卻無法完成支付的情況？！

如今的金融交易必須達到24小時不間斷的秒級響應(yīng)要求。這就意味著，IT對于金融而言已經(jīng)由業(yè)務(wù)支撐系統(tǒng)轉(zhuǎn)變?yōu)闃I(yè)務(wù)本身。

劉洪濤表示：“我們在跟金融行業(yè)用戶交流的時候，大家談的都是業(yè)務(wù)，關(guān)注的也是業(yè)務(wù)。”在這樣的應(yīng)用環(huán)境下，傳統(tǒng)運維針對IT系統(tǒng)或者單獨IT平臺的監(jiān)控已經(jīng)不能滿足需求。“客戶關(guān)心的是交易是否成功，用戶交易的體驗怎么樣，所以對運維要求與過去相比有很大的不同。過去，IT從底層設(shè)備、操作系統(tǒng)、應(yīng)用、到業(yè)務(wù)這么幾層，運維的關(guān)注點在于底層設(shè)備的高可用和穩(wěn)定性，衡量指標是SLA能達到幾個9。今天，大家的關(guān)注點集中到業(yè)務(wù)層面，衡量IT對業(yè)務(wù)影響程度的指標變成了MTTR（Mean Time to Recovery，平均故障修復(fù)時間），這就需要從業(yè)務(wù)的視角，實現(xiàn)覆蓋所有業(yè)務(wù)鏈路的端到端全局監(jiān)控、管理和分析，把監(jiān)控的點和面都做完整，還要與業(yè)務(wù)指標進行關(guān)聯(lián)，這就比傳統(tǒng)運維復(fù)雜度高很多”，劉洪濤說。

當(dāng)前金融運維的另外一個挑戰(zhàn)來自于數(shù)字化轉(zhuǎn)型的推進。區(qū)塊鏈、虛擬化、容器、IoT等FinTech新技術(shù)的應(yīng)用，導(dǎo)致IT規(guī)模和復(fù)雜度呈指數(shù)增長。過去，傳統(tǒng)運維收到不明原因的告警信息，可以把相關(guān)設(shè)備一臺臺關(guān)掉，再逐一重啟來進行排查，解除故障。但在金融系統(tǒng)如此龐大的今天，這類單純依靠人工的故障修復(fù)方法顯然是不可取的。不僅如此，隨著IT運行環(huán)境越來越復(fù)雜，每時每刻產(chǎn)生的IT數(shù)據(jù)量更加驚人，依靠人工設(shè)定告警閾值、分析處理海量告警信息同樣不現(xiàn)實。這就需要利用大數(shù)據(jù)和AI技術(shù)的助力，通過模式識別和算法對歷史數(shù)據(jù)進行學(xué)習(xí)，設(shè)置更加有效的動態(tài)告警閾值，同時對海量告警信息進行實時壓縮、收斂和關(guān)聯(lián)分析，利用根因分析追蹤導(dǎo)致事件發(fā)生的根本原因，實現(xiàn)告警事件的及時處置，有效降低MTTR。

智能運維的認知和核心技術(shù)

到目前為止，業(yè)界針對AIOps（智能運維）的認知尚未統(tǒng)一，有人說AIOps就是算法，有的則認為是自動化運維。劉洪濤表示：“其實AIOps并不是像APM那樣的產(chǎn)品，而是一種理念。用AI技術(shù)去提升金融機構(gòu)的運維能力和效率，讓它具有更好的智能化，更高效的解決金融業(yè)務(wù)運行過程中遇到的種種問題。同時，AI是一種可以工程化的實用科技，AIOps就是AI在IT運維領(lǐng)域的落地，通過AI技術(shù)的工程化，全面提升現(xiàn)有ITOM、ITSM 和ITOA產(chǎn)品和解決方案能力。”

云智慧金融行業(yè)智能運維管控中心

談到AIOps（智能運維）的核心技術(shù)，劉洪濤認為：“目前，智能運維的關(guān)鍵不是算法，因為很多算法都已經(jīng)非常成熟而且開源了。但是，客戶的應(yīng)用場景千差萬別，需求也各不相同，到底哪種算法用什么樣的模式匹配到客戶場景中，這才是核心。這是一個‘技術(shù)工程化’落地的過程，對于智能運維提供商來說，既要有非常好的算法能力，又要對客戶的應(yīng)用場景有非常好的理解力，還要有工程化落地的能力。這幾種能力都具備，才能幫客戶解決問題。”

此外，AIOps需要完整的歷史數(shù)據(jù)、日志數(shù)據(jù)和實時監(jiān)測數(shù)據(jù)。因此，要實現(xiàn)AIOps落地，數(shù)據(jù)采集能力同樣必不可少，只有這樣才能通過AI得到有價值的結(jié)果。

金融行業(yè)智能運維落地的理念和建議

早在2016年，云智慧就率先提出了智能運維的概念，并在金融、通信、制造、零售等多個行業(yè)進行了實踐。針對AIOps在金融行業(yè)的落地，云智慧秉承的理念是： “以數(shù)據(jù)為基礎(chǔ)，算法為支撐，場景為導(dǎo)向”。

部署智能運維首先要理解傳統(tǒng)運維管理與智能運維的邏輯差異：傳統(tǒng)運維管理是依賴流程——故障、告警、處理，依靠工單系統(tǒng)把這些串起來。智能運維是基于數(shù)據(jù)和智能化分析結(jié)果進行運維管理，與傳統(tǒng)運維的邏輯完全不一樣。

云智慧DOCP智能運維中臺

與傳統(tǒng)運維管理依靠ITSM平臺管理所有IT問題不同，智能運維的落地注重場景化，解決的是某一類問題。例如智能運維的四大場景：統(tǒng)一監(jiān)控、根因分析、動態(tài)基線、故障預(yù)測。當(dāng)然，智慧運維的基礎(chǔ)仍然是數(shù)據(jù)，在數(shù)據(jù)之上構(gòu)建AI分析能力，在AI之上是事件管理等產(chǎn)品模塊。這些模塊以松耦合的方式組成，可根據(jù)用戶需求的不同任意組合，提供告警抑制、異常檢測、根因分析、多維分析、調(diào)用鏈追蹤、故障預(yù)測等場景化解決方案能力。最后通過可視化運維監(jiān)控中心，把IT價值直觀呈現(xiàn)在IT和業(yè)務(wù)部門面前，讓管理者和業(yè)務(wù)運營負責(zé)人都能看懂IT。

劉洪濤建議：“智能運維不要上來就做大而全的，我們的建議是‘小步快跑，階梯式前進’。具體來說，先從某個運維問題總結(jié)出來的場景入手，而落地的時候要充分考慮未來幾個、甚至幾十個場景的整體需求。這種做法的好處在于效率最高，ROI最合算，也最有可能達成目標。IT團隊在逐步積累AIOps經(jīng)驗的同時，樹立起智能運維成功部署的信心。而業(yè)務(wù)部門可以從一個場景的變化快速看到AIOps價值和成效，自然更愿意配合IT部門的變革，推進業(yè)務(wù)與IT的融合。所以，我們的建議是做好規(guī)劃，階段式實現(xiàn)AIOps落地。”

金融行業(yè)智能運維的四大典型場景

云智慧總結(jié)了現(xiàn)階段金融機構(gòu)推進AIOps智能運維落地的四個典型場景。

一、統(tǒng)一監(jiān)控。這是幾乎所有用戶在完成系統(tǒng)構(gòu)建、業(yè)務(wù)上線之后都要用到的。統(tǒng)一監(jiān)控與傳統(tǒng)監(jiān)控不同之處在于，它是服務(wù)于業(yè)務(wù)的。過去的監(jiān)控系統(tǒng)主要監(jiān)控底層硬件設(shè)備和豎井式IT系統(tǒng)，但對于金融機構(gòu)來說，這些分散的監(jiān)控系統(tǒng)共同支撐起業(yè)務(wù)的運轉(zhuǎn)。因此，必須有一個開放的統(tǒng)一監(jiān)控平臺，把業(yè)務(wù)和一個個孤立的監(jiān)控系統(tǒng)整合起來，同時也可以依托這個平臺獲得完整的IT數(shù)據(jù)。目前，在IT成熟度最高的銀行業(yè)，已經(jīng)有部分機構(gòu)完成了統(tǒng)一監(jiān)控平臺的構(gòu)建，而規(guī)模較小的城商行、農(nóng)信、證券、基金等金融機構(gòu)則有明顯的統(tǒng)一監(jiān)控需求。

二、根因分析。系統(tǒng)產(chǎn)生的大量告警信息怎么判斷？依靠人工處理和工程師的經(jīng)驗判斷故障變得越來越困難。利用智能算法對異常或者故障的根因進行分析，給出故障的根因推薦以及深入分析結(jié)果，讓事件得到迅速處理。這也是一個AIOps的主要應(yīng)用場景。

三、動態(tài)基線。動態(tài)基線是各種監(jiān)控場景里的典型需求，基于歷史數(shù)據(jù)，利用智能算法深度學(xué)習(xí)，對未來一段時間內(nèi)每個時間點的數(shù)值進行精準預(yù)測，將預(yù)測值作為基線來監(jiān)控和告警。由于業(yè)務(wù)指標受時間、季節(jié)、事件等因素影響不斷波動，這就導(dǎo)致IT指標的變化同樣是動態(tài)的，也只有動態(tài)閾值才能更快、更準確的發(fā)現(xiàn)問題，提高運維的事件響應(yīng)和處理效率。

四、故障預(yù)測。很多問題的發(fā)生都是有征兆的，故障預(yù)測基于歷史告警消息的相關(guān)性，對當(dāng)前處于故障狀態(tài)的警報可能造成的影響進行預(yù)測判斷 ，從而實現(xiàn)故障的提前預(yù)警。這種場景最能體現(xiàn)AIOps的智能分析能力，但需要針對歷史數(shù)據(jù)進行大量學(xué)習(xí)和訓(xùn)練，取得成效相對較慢。