AIOps 平台的误解，挑战及建议（下）— AIOps 挑战及建议

本文篇幅较长，分为上，中，下，三个部分进行连载。内容分别为： AIOps 背景/所应具有技术能力分析（上）， AIOps 常见的误解（中），挑战及建议（下）。

前言

我大概是 5，6 年前开始接触 ITOA 这个领域的，首次接触后，发现领域有着巨大的潜力，一直寻找在这个领域作点事情的机会。大约三年前在这个领域创业，积极寻求 Product Market Fit。这几年下来，通过与行业内的专家交流，研读报告，阅读论文，客户访谈，亲自动手对相应的运维场景解析，行业产品的试用调研，以及结合着中国运维市场现状，撰写了此文。本人才疏学浅，不学无术，欢迎拍砖。

挑战

挑战1：超越当前技术水平的指望

如下是其中一例，当用户指望超越当前技术水平的一个典型的例子，车毁人亡。

美国加州湾区高速上的一块儿致命车祸，。一辆价值$79,500的 Tesla Model X，在行驶至山景城段101和85高速交界时，忽然撞上隔离带，随后爆炸起火。

对此，遇难华裔司机的遗孀 Sevonne Huang(下文简称Sevonne)首次公开发声透露，丈夫生前曾抱怨过，特斯拉的自动导航仪，好几回让车子开向冲上防撞栏。Sevonne 说，将起诉特斯拉。

自动驾驶的安全性问题，再次把特斯拉推到风口浪尖上。然而过后，虽然特斯拉发声明称，抱歉发生这样的悲剧，但同时也将责任指向了死者，“车辆再三发出警告，提醒司机操控车子，但事发前，司机并无把手放在方向盘上。自动驾驶仪并不能避免任何事故。”

司机对于特斯拉的 AutoPilot 过分相信，最终致使了悲剧了发生。

虽然目前的智能运维，所形成的结果可能不会那么严重，可是按照Gartner 技术成熟度曲线来看，AIOps 还处于很是初期的阶段(左下角)，超越现阶段的指望，是 AIOps 最大的风险。

中国的企业用户每每有大而全的建设方案，如何从企业的实际状况出发，制定节奏合适的规划，我认为是一个很大的挑战。

挑战2：算法应用场景分散，成熟度不一致，通用性差，产品化，工程化困难，大部分场景距离实际应用有必定的距离

从目前来看，你们指望利用算法解决的场景包括：

• 单指标异常检测;
• 多指标异常检测;
• 日志模式异常检测，根据日志的类型的变化态势，发现正常和异常状况下各种型日志出现的模式；
• 故障根因分析，方法多种多样，有基于传播网络，有基于依赖，有基于几率数学统计等方法;
• 容量预估，对现有业务状况进行分析，预测将来所须要资源使用状况;
• 告警智能压缩，基于根因，减小告警数量;
• 故障预测，目前较为经常使用的场景为大批量，同批次硬盘的故障预测;
• 基于知识图谱(运维经验)故障定位;

以上的每一个智能场景，每一个场景所须要用到的算法都不同，并且成熟度差别较大。

以最为简单，但应用最为普遍，成熟度最高的单指标异常检测来举例，从学术的角度来看，若是你到 Google 里去搜索，你会发现有大约 60000 多条的记录，时间跨度从上世纪 90 年代到几天前的都会有。

从商业化的角度来看，目前从我看到的，比较成熟的也只有 Elastic 公司所收购的 Prelert 的异常检测技术，是产品化的比较好的，普通的用户是容易理解，容易使用的。

这已是 30 年来，集合了那么多顶尖的智慧，所能达到的产品化程度最高，通用性最强的场景了。其余的场景，成熟度，或者通用性确定是不如本场景。

例如故障预测，目前比较好的案例是预测硬盘故障，前提是你拥有大量一样型号，相同批次的硬盘，其中某一些硬盘出故障了，从 S.M.A.R.T 信息中，你才可以得到训练集，而后利用模型去预测同一个批次的故障。这种前置条件，一般只会在特定的用户，例如腾讯，百度的数据中心，一次性购置上千块的，才能出现1到15块的故障硬盘 (据统计，硬盘的故障率在0.1%~1.5% 左右)，并且就算有用户根据硬盘的状况，训练好的模型由于每一个用户的机房，电压，温度都不同，极可能没有办法进行复现，所以，此场景通用性极差。

若是要将用于预测硬盘故障的算法，用到某一个 IT 业务系统之上故障上，基本上也是不可能的，由于一个系统，相应的参数，变量，可能影响系统平稳运行因子太多，已是没有办法套用到预测硬盘故障的算法里头来了。

还有，部分的算法，在实验室中的效果很是好，准确率和召回率都很高，可是，消耗资源巨大，实时性差，没有办法投入真正的生产使用的可能性。

所以，在算法上，咱们应该先去落地成熟，ROI 显著的场景。

挑战3：现有运维监控体系没有完善

在无人驾驶技术领域，最核心的一个组件是 LiDar(激光雷达)，一种运用雷达原理，采用光和激光做为主要传感器的汽车视觉系统，LiDAR 传感器赋予了自动驾驶汽车可以看到周边环境的“双眼”。

世界上，几乎全部的汽车厂商( Tesla 除外，Tesla 用的是经过摄像头而实现视觉识别技术，因此我我的高度怀疑特斯拉的事故与此有关)在研发无人驾驶技术的时候，都会给车辆安装上激光雷达。

而类比到运维的场景，若是眼睛不够，数据不足，事情看不清楚，实际上是很难作到明确的决策的，具体表现以下：

缺少足够的数据源： 有的客户，没有日志管理系统，也没有任何业务监控的手段，只有 CPU 内存，硬盘等基础监控，这个时候，其实我我的上是不建议在现阶段作 AIOps 的;

• 监控指标深度，专业华程度不够： 这个问题不少时候反应的数据库监控上，因为数据库专业化程度较高，所以对数据库的不少关键的指标未能识别，致使了关键信息的遗漏，可能会大大影响 AIOps 的落地效果;
• 配置管理不完善： CMDB 缺少维护， 没法获取系统间关系的描述，拓扑依赖，相关运维监控数据元数据缺少管理，都会下降落地效果，特别是在故障根因定位中，缺少关系描述所造成的有向无环图，就很难利用传播关系算法去帮助定位根因。固然，这个能够经过由 APM ，或者 NPM 工具，所生成的应用拓扑去部分弥补;

挑战4：大数据基础复杂，性能及多样性要求高，元数据管理

整个 AIOps 平台最核心数据平台的部分，是要知足如下的需求：

以上的描述，都是 AIOps 的数据能力要求，每每须要多个大数据处理，存储组件，才能知足这种苛刻的要求，并且还须要无缝的整合起来，相应的工程技术难度很是大。

挑战5：人才匮乏

目前在国内，不管是算法人才，仍是大数据人才，都是比较匮乏的及昂贵的，在人才招募，项目预算制定的时候，要充分考虑相关因素。

从人才的意愿来看，大部分的算法工程师及大数据工程师，更愿意去参与一些离变现比较容易的场景，如推荐系统，视觉识别系统等，如何吸引更多的人才，特别是算法科学家等，让他们感兴趣，加入到 AIOps 的场景中来，也同时得到较好的经济回报，是整个业界须要考虑的地方。

建议

总结

AIOps 的确是一个很是革命性的概念框架，它从大数据和 AI 的能力视角，去颠覆或者完善如今的 ITOM 运维体系，给学术界，工业界，最终用户，指明了一个明确，可持续高速发展5-10年的发展方向。能够预计，在将来 5-10 年内，大量关于 AIOps 的新思想，新理论，新技术，将会像寒武纪生命大爆炸时，不断的涌现，创新源源不断，做为业界工做者，做为企业，做为厂商，如何在此次的周期中抓住属于本身的机会，这是一个很值得思考的命题。

AIOps 让运维部门一下成了公司层面拥有数据最多的部门，运维人如何自身进化，从运维到运营，对大部分运维人来讲，都是一个巨大的机会及挑战。

虽然 AIOps 的确给咱们带来不少的想象空间，可是咱们仍是要以实际落地，实际帮助企业产生效率为导向，要避免跳入 AI 过热的炒做风，一步一脚印，直面挑战，持续演进，不断吸取世界先进的经验及思想，从而迎接将来这10年的黄金时代。

OneAPM 全新推出新一代 AIOps 平台 I2，欢迎您随时联系咱们，即刻开启贵公司的智能运维之旅。点击进入 AIOps 官网了解更多信息。