需要思考這個(gè)問題的原因，是因?yàn)锳IOps不是到了某一個(gè)點(diǎn)就突然質(zhì)變的，而是在持續(xù)演進(jìn)過程中實(shí)現(xiàn)的。隨著算法的日益成熟，整個(gè)運(yùn)維體系也在改進(jìn)的過程中逐漸完善，AIOps的道路才會(huì)慢慢清晰。因此，在達(dá)到目標(biāo)之前，我們需要仔細(xì)規(guī)劃怎么做才能更快實(shí)現(xiàn)AIOps。

為了避免AIOps只是一句空話，我們認(rèn)為要實(shí)現(xiàn)AIOps不僅需要一些自動(dòng)化場景的實(shí)現(xiàn)、度量，還需要運(yùn)維數(shù)據(jù)的管理。

01. 自動(dòng)化運(yùn)維的目標(biāo)：端到端的自動(dòng)化

首先讓我們再來回顧一下之前提到的智能化敏捷運(yùn)維體系的四個(gè)階段：規(guī)范化運(yùn)維、自動(dòng)化運(yùn)維、敏捷化運(yùn)維、智能化運(yùn)維。

所謂規(guī)范化運(yùn)維，指的就是運(yùn)維的基本要素該有的都有，比如操作、流程、數(shù)據(jù)等，但還比較雜亂，沒有形成一定的規(guī)范。此時(shí)，可以通過引入運(yùn)維PaaS平臺、建設(shè)自動(dòng)化場景和自動(dòng)化運(yùn)維流程，進(jìn)入自動(dòng)化運(yùn)維階段。如果企業(yè)是處在規(guī)范化運(yùn)維階段，并在逐步建設(shè)自動(dòng)化運(yùn)維的話，這個(gè)建設(shè)周期大概是1-3年左右。

如何進(jìn)入敏捷化運(yùn)維階段將作為今天的重點(diǎn)講述內(nèi)容。當(dāng)企業(yè)能夠?qū)崿F(xiàn)運(yùn)維端到端的自動(dòng)化、流程敏捷化、數(shù)據(jù)融合和全局度量，就可以認(rèn)為該企業(yè)已經(jīng)進(jìn)入敏捷化運(yùn)維階段。其實(shí)要建設(shè)敏捷化運(yùn)維存在一定的難度，因?yàn)槊艚莼\(yùn)維不再是各個(gè)部門割裂，而是通過運(yùn)維整體融合來發(fā)揮價(jià)值，所以一般來說在自動(dòng)化運(yùn)維的基礎(chǔ)之上要實(shí)現(xiàn)敏捷化運(yùn)維需要3-5年。

最后，處在敏捷化階段的企業(yè)由于各個(gè)方面都已經(jīng)條件充分，只需等待AI模型和算法等各方面時(shí)機(jī)成熟后，方能進(jìn)入智能化運(yùn)維階段。

接下來，我們開始講述敏捷化運(yùn)維需要具備的要素。完整的自動(dòng)化運(yùn)維是端到端的自動(dòng)化運(yùn)維，那么端到端的自動(dòng)化又包括哪些方面呢？包括運(yùn)維基礎(chǔ)數(shù)據(jù)管理、日常運(yùn)維監(jiān)控管理、運(yùn)維流程規(guī)范管理和科技管理提升四個(gè)方面。

• 運(yùn)維基礎(chǔ)數(shù)據(jù)管理：實(shí)現(xiàn)運(yùn)維配置的自動(dòng)化，比如設(shè)計(jì)態(tài)CMDB自動(dòng)同步、資源CMDB自動(dòng)讀取、應(yīng)用CMDB自動(dòng)寫入等。

• 日常運(yùn)維監(jiān)控管理：實(shí)現(xiàn)運(yùn)維操作和監(jiān)控告警的自動(dòng)化，比如應(yīng)用系統(tǒng)技術(shù)方案、系統(tǒng)關(guān)鍵指標(biāo)的采集、自動(dòng)告警收斂等。

• 運(yùn)維流程規(guī)范管理：實(shí)現(xiàn)運(yùn)維流程的自動(dòng)化，比如問題自動(dòng)化流轉(zhuǎn)、缺陷管理線上閉環(huán)、發(fā)布管理自動(dòng)化等。

• 科技管理提升：實(shí)現(xiàn)應(yīng)急災(zāi)備和運(yùn)維效能分析自動(dòng)化，比如應(yīng)急協(xié)作與支持、應(yīng)急預(yù)案線上管理、緊急發(fā)布統(tǒng)計(jì)分析等。

示例1：標(biāo)準(zhǔn)變更自動(dòng)化

需要明確的是，并不是所有變更都能自動(dòng)化，標(biāo)準(zhǔn)的變更可以自動(dòng)化，但是常規(guī)變更能實(shí)現(xiàn)的是部分自動(dòng)化。那些暫時(shí)不能自動(dòng)化的變更模塊，可以等待時(shí)機(jī)等各方面成熟之后，再實(shí)現(xiàn)自動(dòng)化。

示例2：變更自動(dòng)化中的運(yùn)維數(shù)據(jù)融合

所謂運(yùn)維數(shù)據(jù)融合，指的是在運(yùn)維實(shí)踐過程中，為了進(jìn)行某個(gè)分析、判斷或者決策，將相關(guān)數(shù)據(jù)匯總、關(guān)聯(lián)、分析和結(jié)構(gòu)化呈現(xiàn)的過程。例如變更過程中需要做變更影響分析，過往靠人分析；在數(shù)據(jù)融合情況下，就需要能夠結(jié)合CMDB、監(jiān)控告警、應(yīng)用日志、變更記錄等數(shù)據(jù)信息，進(jìn)行一定程度的綜合的、自動(dòng)化的判斷。這就大大提升了決策的效率和準(zhǔn)確性。

示例3：低成本外部場景集成

端到端的自動(dòng)化也需要考慮到跟外部系統(tǒng)的集成，傳統(tǒng)做法是做工具的兩兩集成，但這不是最優(yōu)解，最好的做法是能有一個(gè)運(yùn)維平臺做支撐。因?yàn)楫?dāng)運(yùn)維發(fā)展到一定階段時(shí)，盡管工具和流程都已經(jīng)完善，但運(yùn)維體系卻無法更進(jìn)一步，正是因?yàn)閮蓛杉傻姆椒ㄊ请y以持續(xù)保留的。同樣，這也是目前很多單位都建設(shè)運(yùn)維平臺的原因。

02. 自動(dòng)化運(yùn)維的價(jià)值該如何呈現(xiàn)和度量？

1）從運(yùn)維語言轉(zhuǎn)換成業(yè)務(wù)語言

當(dāng)我們能實(shí)現(xiàn)端到端自動(dòng)化之后，運(yùn)維價(jià)值主要從業(yè)務(wù)和技術(shù)雙維度進(jìn)行呈現(xiàn)。運(yùn)維人員崗位偏技術(shù)，因此在思考自動(dòng)化運(yùn)維價(jià)值時(shí)主要從以下幾個(gè)方面考慮：

• 應(yīng)用系統(tǒng)前臺正常服務(wù)（業(yè)務(wù)服務(wù)提供）：系統(tǒng)可用性如何？系統(tǒng)連續(xù)性管理如何？服務(wù)目錄是否清晰具體？系統(tǒng)服務(wù)級別是否滿足？系統(tǒng)容量與性能能否充足？

• 應(yīng)用系統(tǒng)后臺技術(shù)服務(wù)（業(yè)務(wù)服務(wù)支持）：配置與資產(chǎn)是否完整、準(zhǔn)確？故障與事件是否發(fā)現(xiàn)、處置及時(shí)？問題是否妥善管理，預(yù)防復(fù)發(fā)？發(fā)布是否快速、成功？變更是否可控，及時(shí)？服務(wù)請求處理能否及時(shí)，準(zhǔn)確，高效？

用這些語言去描述價(jià)值本身沒有任何問題，但當(dāng)運(yùn)維人員需要跨部門向業(yè)務(wù)端去溝通和對接需求的時(shí)候，建議切換到業(yè)務(wù)端更在意的業(yè)務(wù)語言進(jìn)行描述。

那么怎么從運(yùn)維語言轉(zhuǎn)換成業(yè)務(wù)語言呢？建議從成本、成果、風(fēng)險(xiǎn)三個(gè)方面考慮，主要有用戶的體驗(yàn)感、風(fēng)險(xiǎn)角度等。具體見下圖：

2）融入到具體的IT服務(wù)中進(jìn)行度量

不管是工具本身也好、自動(dòng)化這個(gè)過程也好，本身是沒辦法直接去度量價(jià)值的。例如，企業(yè)通過自動(dòng)化的方式，把告警管理自動(dòng)化閉環(huán)了，那么這件事有意義嗎？有的，可是能度量嗎？很難。因此，我們只能具體到過程中去度量，比如發(fā)現(xiàn)和處理問題的及時(shí)性：15min發(fā)現(xiàn)問題、30min解決問題。

當(dāng)然，這種度量指標(biāo)本身是依賴自動(dòng)化和工具的。簡單來說，自動(dòng)化運(yùn)維的度量要到融入具體的IT服務(wù)中，也就意味著需要有服務(wù)質(zhì)量模型、服務(wù)價(jià)值評價(jià)體系，具體見下圖：

03. 運(yùn)維數(shù)據(jù)管理：過程融合與結(jié)果治理

我們認(rèn)為，AIOps體系并不代表完全取代原有的自動(dòng)化或敏捷體系，而是在原有體系基礎(chǔ)上附加AI能力。因此在實(shí)現(xiàn)AIOps之前，企業(yè)需要先建設(shè)自動(dòng)化運(yùn)維體系和運(yùn)維數(shù)據(jù)體系。

自動(dòng)化運(yùn)維體系相當(dāng)于人的手跟腿，AI相當(dāng)于大腦。由于AI是賦予的能力，并不能夠把流程和工具自動(dòng)化，因此如果很多機(jī)械的工作和流程還是需要人工操作，那么實(shí)現(xiàn)AIOps的價(jià)值就大大減少。運(yùn)維數(shù)據(jù)體系的重要性不必多說，AI算法的成熟依賴數(shù)據(jù)，大量且準(zhǔn)確數(shù)據(jù)才能訓(xùn)練出精準(zhǔn)的AI算法。盡管可能外部已經(jīng)有很多成熟的AI模型和算法，但對于企業(yè)內(nèi)部建設(shè)來講，這些算法和模型無法開箱即用，仍需要通過企業(yè)自身的運(yùn)維數(shù)據(jù)訓(xùn)練。

1）運(yùn)維數(shù)據(jù)治理分享

在此，我們借用彭華盛老師對運(yùn)維數(shù)據(jù)治理體系框架的總結(jié)，基本已經(jīng)把所有方面都涵蓋到位了（也推薦大家關(guān)注老師的公眾號運(yùn)維之路。內(nèi)容干貨滿滿）：

當(dāng)運(yùn)維數(shù)據(jù)體系都搭建完畢后的架構(gòu)是什么樣的呢？底層是源端，通過軟硬件和工具將數(shù)據(jù)采集至數(shù)據(jù)平臺，再通過API網(wǎng)關(guān)連接到數(shù)據(jù)應(yīng)用層面，詳見下圖。

盡管運(yùn)維數(shù)據(jù)治理體系的方法論基本都是通用的，但是很多企業(yè)對于建設(shè)的范圍難以把控，可能會(huì)把所有的數(shù)據(jù)都納入體系中來。可是納入進(jìn)來后該怎么使用這些數(shù)據(jù)？這些數(shù)據(jù)是否有用？對于生命周期的管理是否有效？如果這些問題都無法回答的話，可能就沒必要納入全部的數(shù)據(jù)。

因此我們建議數(shù)據(jù)治理要強(qiáng)調(diào)場景驅(qū)動(dòng)，而不是數(shù)據(jù)的范圍驅(qū)動(dòng)，這跟建設(shè)CMDB很類似，這種方式能夠避免在建設(shè)過程中出現(xiàn)大的問題。

AIOps的前景十分廣闊，但是在做到AIOps之前，我們前期需要做一些鋪墊，包括構(gòu)建端到端自動(dòng)化的運(yùn)維體系、將運(yùn)營效能夠通過數(shù)字化的方式進(jìn)行度量，最后再是運(yùn)維數(shù)據(jù)體系的建設(shè)。運(yùn)維數(shù)據(jù)體系的建設(shè)又包含運(yùn)維數(shù)據(jù)的治理、運(yùn)維平臺工具的建設(shè)以及運(yùn)維場景的建設(shè)。建設(shè)完成后的企業(yè)已經(jīng)基本實(shí)現(xiàn)敏捷運(yùn)維體系，踏入國內(nèi)運(yùn)維第一梯隊(duì)，為AIOps的演進(jìn)打下堅(jiān)實(shí)的基礎(chǔ)。