對(duì)標(biāo)數(shù)字未來，智能運(yùn)維AIOps何以美好

簡(jiǎn)到極致，便是大智。簡(jiǎn)到極致，便是大美。數(shù)字化之于金融行業(yè)追求的便是一種簡(jiǎn)到極致的服務(wù)體驗(yàn)，然而行業(yè)數(shù)字化程度越高，IT系統(tǒng)的復(fù)雜度和規(guī)模就越大。特別是隨著科技的進(jìn)步，區(qū)塊鏈、容器、物聯(lián)網(wǎng)等Fintech技術(shù)相繼落地，帶來更加開放的格局。如何有效地利用ABC技術(shù)實(shí)現(xiàn)高可用、高性能和高可擴(kuò)展，并且維持信息系統(tǒng)有效、穩(wěn)定、持續(xù)地運(yùn)行？智能運(yùn)維的呼聲越來越高。

  IT運(yùn)維之變， ITOM/ITSM向AIOps演進(jìn) 

近年來，金融行業(yè)的IT系統(tǒng)架構(gòu)逐漸從“傳統(tǒng)集中式架構(gòu)”轉(zhuǎn)向“互聯(lián)網(wǎng)架構(gòu)”，互聯(lián)網(wǎng)架構(gòu)所涉及的云化、分布式、DevOps等，使得IT運(yùn)維的壓力越來越大。隨著AI技術(shù)的商用，監(jiān)管部門鼓勵(lì)金融機(jī)構(gòu)利用智能化手段進(jìn)行業(yè)務(wù)創(chuàng)新和IT運(yùn)維管理，所以運(yùn)維體系在經(jīng)過了腳本化、工具化、自動(dòng)化之后，逐漸向智能化發(fā)展。2016年，AIOps的概念被Gartner正式提出：使用智能算法解決已知的IT問題，并自動(dòng)化重復(fù)的工作。

經(jīng)過幾年的爭(zhēng)論和實(shí)踐，現(xiàn)在行業(yè)對(duì)AIOps基本形成共識(shí)：融合大數(shù)據(jù)，機(jī)器學(xué)習(xí)獲得深入的洞察力，實(shí)現(xiàn)IT運(yùn)維能力和運(yùn)營(yíng)能力的全面增強(qiáng)，發(fā)掘更多運(yùn)維人員尚未覺察的潛在的系統(tǒng)故障和運(yùn)維問題。隨著IT管理由ITIL進(jìn)化為DevOps，運(yùn)維管理平臺(tái)也從ITOM/ITSM向AIOps不斷演進(jìn)。

Gartner預(yù)測(cè)，到2022年，40%的大型企業(yè)將選擇結(jié)合大數(shù)據(jù)和機(jī)器學(xué)習(xí)能力的AIOps，支持和部分替代IT監(jiān)控、服務(wù)臺(tái)和自動(dòng)化流程和任務(wù)，成為IT部門提升運(yùn)維效率、降低運(yùn)維成本的重要手段。那么，AIOps如何與金融行業(yè)復(fù)雜的IT系統(tǒng)實(shí)現(xiàn)融合呢？

金融業(yè)AIOps智能運(yùn)維場(chǎng)景解析

由于金融業(yè)的IT成熟度高，數(shù)字化轉(zhuǎn)型需求迫切，有大量場(chǎng)景亟需AIOps能力。比如，海量日志數(shù)據(jù)分析、告警風(fēng)暴抑制、通過告警事件追蹤故障根因、預(yù)測(cè)業(yè)務(wù)風(fēng)險(xiǎn)等等。

云智慧CEO殷晉認(rèn)為，AIOps基于金融行業(yè)的應(yīng)用場(chǎng)景，依托大數(shù)據(jù)和人工智能技術(shù)，能夠?qū)崿F(xiàn)業(yè)務(wù)指標(biāo)與IT監(jiān)控、分析、預(yù)警、處理場(chǎng)景的融合，通過關(guān)聯(lián)分析和交易鏈路追蹤，最終能夠發(fā)現(xiàn)和解決實(shí)際業(yè)務(wù)問題。

云智慧智能運(yùn)維平臺(tái)

通常情況下，業(yè)務(wù)系統(tǒng)出現(xiàn)異常，最直接、最直觀反映就是關(guān)鍵業(yè)務(wù)指標(biāo)出現(xiàn)異常波動(dòng)。以云智慧某保險(xiǎn)行業(yè)頭部客戶為例，業(yè)務(wù)系統(tǒng)異常時(shí)，系統(tǒng)處理保單的能力會(huì)顯著下降。

但是，如何正確判斷“保單量”出現(xiàn)下降呢？傳統(tǒng)的方式就是設(shè)置一個(gè)固定的閾值，當(dāng)實(shí)時(shí)監(jiān)控到的保單量超出上述閾值時(shí)，即認(rèn)為保單量出現(xiàn)異常。傳統(tǒng)監(jiān)控系統(tǒng)的固定閾值告警，就是籍此產(chǎn)生告警信息的。

這個(gè)邏輯表面看上去沒有問題，但是仔細(xì)想一下，每天凌晨的時(shí)候，會(huì)有多少新的保單提交到系統(tǒng)中呢（假設(shè)保險(xiǎn)公司只受理國(guó)內(nèi)的業(yè)務(wù)）？顯然，每天上午10點(diǎn)到12點(diǎn)之間新提交到系統(tǒng)中的保單量要遠(yuǎn)遠(yuǎn)多于每天凌晨提交到系統(tǒng)中的保單量。以此類推，業(yè)務(wù)系統(tǒng)在促銷活動(dòng)期間和平日處理的保單量也存在顯著的差別。因此，企業(yè)很難用固定閾值來判斷業(yè)務(wù)系統(tǒng)保單量指標(biāo)是否出現(xiàn)異常。

為了解決上述問題，云智慧AIOps平臺(tái)采用多算法集成學(xué)習(xí)模式，并引入3種針對(duì)時(shí)序數(shù)據(jù)的異常檢測(cè)方法：動(dòng)態(tài)基線、同比/環(huán)比和指標(biāo)異常檢測(cè)。

動(dòng)態(tài)基線基于歷史數(shù)據(jù)，利用智能算法進(jìn)行深度學(xué)習(xí)，對(duì)未來一段時(shí)間內(nèi)的每個(gè)時(shí)間點(diǎn)的數(shù)值進(jìn)行預(yù)測(cè)，以預(yù)測(cè)值作為基線，并通過比較實(shí)際值與基線的偏離度（百分比差異）來監(jiān)控和告警。這種方法適用于已知某數(shù)據(jù)指標(biāo)呈周期性變化且沒辦法給出每個(gè)周期的準(zhǔn)確值或者周期內(nèi)的數(shù)據(jù)變化過多的場(chǎng)景。

同/環(huán)比變化用于發(fā)現(xiàn)某個(gè)待監(jiān)測(cè)指標(biāo)的變化趨勢(shì)是持續(xù)變好還是持續(xù)變壞。將目標(biāo)監(jiān)控值與歷史同期數(shù)據(jù)的分布和同環(huán)比的變化情況進(jìn)行對(duì)比，根據(jù)數(shù)值或百分比差異情況判斷新進(jìn)數(shù)據(jù)是否異常，并作出判斷是否進(jìn)行告警。

指標(biāo)異常檢測(cè)為了應(yīng)對(duì)不對(duì)業(yè)務(wù)模式的數(shù)據(jù)差異化特點(diǎn)，采用無監(jiān)督集成學(xué)習(xí)算法，無需人工設(shè)置固定閾值和定義基線偏離度，系統(tǒng)根據(jù)不同數(shù)據(jù)特點(diǎn)，選擇不同算法去做針對(duì)性的檢測(cè)，并對(duì)異常進(jìn)行整體評(píng)估，自動(dòng)識(shí)別不符合期望的數(shù)據(jù)后產(chǎn)生告警。

在銀行業(yè)，云智慧AIOps同樣在多家商業(yè)銀行的智能業(yè)務(wù)鏈路追蹤場(chǎng)景中發(fā)揮價(jià)值。我們都知道，任何一筆金融業(yè)務(wù)的交易鏈路都可能涉及幾十個(gè)環(huán)節(jié)，IT追蹤非常困難，過去都是基于垂直系統(tǒng)的監(jiān)控?cái)?shù)據(jù)由人工去做的。現(xiàn)在，利用AIOps的實(shí)時(shí)數(shù)據(jù)分析能力，自動(dòng)對(duì)交易進(jìn)行全鏈路追蹤，對(duì)采集到的數(shù)據(jù)進(jìn)行智能關(guān)聯(lián)分析，快速得到想要的結(jié)果。

云智慧AIOps平臺(tái)以事件為核心，基于大數(shù)據(jù)技術(shù)和機(jī)器學(xué)習(xí)算法，實(shí)現(xiàn)IT全生命周期的統(tǒng)一管控。對(duì)來自于各種監(jiān)控系統(tǒng)的告警消息與業(yè)務(wù)指標(biāo)進(jìn)行統(tǒng)一的接入與處理，幫助金融企業(yè)打通數(shù)據(jù)孤島，統(tǒng)一運(yùn)維的標(biāo)準(zhǔn)與管理規(guī)范，減少對(duì)運(yùn)維的事務(wù)性干擾，實(shí)現(xiàn)事件的智能告警、異常檢測(cè)、根因分析、智能預(yù)測(cè)等。

AIOps智能運(yùn)維落地最佳實(shí)踐

2016年，云智慧在國(guó)內(nèi)率先推出了智能業(yè)務(wù)運(yùn)維解決方案，并在多個(gè)互聯(lián)網(wǎng)+轉(zhuǎn)型需求迫切的行業(yè)展開實(shí)踐。歷經(jīng)3載，云智慧積累了豐富智能運(yùn)維最佳實(shí)踐經(jīng)驗(yàn)。殷晉在總結(jié)過往時(shí)表示，AIOps作為IT運(yùn)維發(fā)展的新階段，需要根據(jù)金融機(jī)構(gòu)的IT現(xiàn)狀和技術(shù)成熟度，采用逐步推進(jìn)、分階段實(shí)施的方式進(jìn)行落地，建議從基礎(chǔ)運(yùn)維到業(yè)務(wù)運(yùn)維，最終實(shí)現(xiàn)智能運(yùn)維。

第一階段是數(shù)據(jù)為先，無論現(xiàn)有系統(tǒng)維穩(wěn)還是業(yè)務(wù)創(chuàng)新，都需要完整數(shù)據(jù)作為基礎(chǔ)。企業(yè)完成IT系統(tǒng)建設(shè)之后，需要構(gòu)建面向全部系統(tǒng)和技術(shù)棧的統(tǒng)一監(jiān)控和運(yùn)維數(shù)據(jù)處理平臺(tái)，將采集的IT數(shù)據(jù)、日志數(shù)據(jù)、網(wǎng)絡(luò)數(shù)據(jù)等進(jìn)行實(shí)時(shí)處理和分析。

第二個(gè)階段變傳統(tǒng)被動(dòng)運(yùn)維為主動(dòng)運(yùn)維。利用大數(shù)據(jù)、人工智能和數(shù)據(jù)可視化手段，通過IT與業(yè)務(wù)指標(biāo)的融合，雙向驅(qū)動(dòng)IT管理。這個(gè)階段，既要讓業(yè)務(wù)部門能夠看懂IT，又能讓IT部門更加敏捷、主動(dòng)的支撐業(yè)務(wù)發(fā)展。

最后是智能運(yùn)維階段，該階段主要有兩個(gè)重點(diǎn)：一是實(shí)時(shí)響應(yīng)，當(dāng)發(fā)生問題的時(shí)候，能夠?qū)崟r(shí)動(dòng)態(tài)響應(yīng)，迅速定位問題、解決問題；二是預(yù)測(cè)未來，結(jié)合DevOps、容器化等新一代技術(shù)，做到故障治愈，這是目前智能運(yùn)維的最理想結(jié)果。

如今，基于AIOps的云智慧DOCP數(shù)字化運(yùn)維中臺(tái)已經(jīng)陸續(xù)在銀行、保險(xiǎn)、證券、基金、制造、航空等多個(gè)行業(yè)的頭部企業(yè)中得到大量應(yīng)用和認(rèn)可。

盡管AIOps在實(shí)際應(yīng)用過程中面臨著許多挑戰(zhàn)，但是作為AI和大數(shù)據(jù)技術(shù)對(duì)傳統(tǒng)運(yùn)維產(chǎn)品和理念的顛覆，AIOps對(duì)標(biāo)數(shù)字未來，能夠更深層次的解決數(shù)字孿生世界中的運(yùn)維管理難題，為IT管理和業(yè)務(wù)決策提供更明智的選擇，并對(duì)業(yè)務(wù)發(fā)展進(jìn)行洞察和預(yù)測(cè)。隨著時(shí)間推移，相信AIOps時(shí)代終將到來。