智能运维的几个核心价值，该从这几个方面去看？
发布时间：2018-12-17 15:29:03 所属栏目：教程 来源：中国IDC圈
导读：晋江门户网（http://www.ijinjiang.cn）观点对做数据中心运维的人来讲，我们重要的是提高对系统的感知能力，降低故障的持续时间，很多业务都是移动化、互联网化，我们有的时候也学互联网公司做一些促销。我们平时系统的交易量是很低的，每天几万笔交易，但
|
晋江门户网（http://www.ijinjiang.cn）观点对做数据中心运维的人来讲，我们重要的是提高对系统的感知能力，降低故障的持续时间，很多业务都是移动化、互联网化，我们有的时候也学互联网公司做一些促销。我们平时系统的交易量是很低的，每天几万笔交易，但是促销活动来了就对运维挑战很大，如果做了预测之后就可以感知到异常，可以提前感知这个事情，再有是降低故障的持续时间。银保监会的底线是30分钟之内一定要恢复服务，我们提的目标是10分钟之内故障定位，10分钟故障解决，这样才能满足半个小时之内把问题解决掉的目标，这是对运维来讲。对科技来讲，对科技价值来讲，提高了系统可用性和成本节约，集中式系统已经达到极致之后，垂直扩展是很难的，通过分布式架构可以容纳10亿以上的账处理，交易量也可以大幅度的增加，响应时间得到持续的降低，可以到50毫秒，也是体现科技的价值。从业务价值来讲，系统性能提升了，稳定度提高了，做很多秒杀，做促销的时候，系统能够支撑得住，对用户体验来讲就是好的提升。
民生银行在里面做了一些探索跟实践。在做智能运维的时候发现有很多挑战，原来建设IT管理系统的时候也是做统一的规划，包括监控系统，包括流程系统，但是做智能运维，想把运维的数据打通，能够用的数据获得一些动态的信息，发现数据还是比较分散，结构还是非常多样化，引入了数据治理，把我们的数据做标准化。再有是技术挑战，包括自动驾驶，包括语音识别，发展得还是比较好的，但是对运维场景来讲，标准化程度没有那么高，场景非常复杂，对于研发来讲挑战就很大。举个例子，做故障预测，有监督学习的时候就需要样本，一年真正对业务产生影响的可能就是10个、20个事件。数据量大了之后怎么进行实时的计算，需要有大的计算机群来支撑这个计算，这样才可以克服这方面的挑战。第三是人才和组织的挑战，民生银行还是传统架构的技术人才，包括组织架构，有网络管理人员，有存储管理人员，有系统管理人员，有应用管理人员，我们要做智能运维这件事情需要的算法人才是没有的，这对我们的挑战很大。
要解决这些挑战怎么去做？我们也做了一些思考，一，智能运维本身还处于初级发展阶段，现在还没有成熟，我们想的第一个就是场景驱动，重点解决运维当中的痛点问题，可能有一个痛点问题让我们觉得头疼，就会有动力去解决这个问题，我们就做这样的场景，要做场景服务。第二点，有了场景之后，数据怎么来？怎么去做加工？我们提到运维数据中台，这两年中台的概念特别火，我们搞了运维数据中台，之前已经建立了比较完善的工具，我们需要中台系统能够把数据进行收集，存储，整理起来，变成一个标准化的数据体系。另外，我们把一些标准的算法放到中台上去。第三，需要组建一些敏捷团队，首先要有懂运维的业务，得知道运维业务是怎么做的，还要懂数据，懂算法，还得懂开发，你要落地，说了半天最后人家等着用，发现三个月啥事都没有，这个事就凉了，所以就需要快速交付，我们要建立虚拟化的敏捷团队来解决这样的问题。
数据治理，我们搭了数据平台之后，上面是大家都在做的一些事情，其实我们在建立数据这块，原来数据中心都是标准化的，建立了几年成效也不算太好，究其原因还是消费场景太少，用得不够多，做数据治理的时候还是从需求驱动，拉动的方式，需要什么样的数据我给你加工什么样的数据，当然也有标准化的数据，我们做了数据建模，标准层按照标准做了28种计算模型，把有些数据按照这个体系建了四大体系，比如运维工单的数据，比如监控数据，性能数据，这个类别是比较相近的，分成四个体系。在运维数据中台上，对数据进行了一定的加工，便于做数据应用的时候可以很方便的获取标准化的数据。
再看看我们这个组织，这是我们现在的组织情况，下面是支撑的工具平台，我们去做这个东西的时候会发现在数据中心内部，同样存在着数据管理的问题。各个中心之间还有一些隔阂，信息的交流，透明程度，还远远没有那么高，确实存在这样的问题。我们要做智能运维就要打通，刚才讲了建立虚拟团队，按照项目的方式去组织虚拟团队，智能运维的项目，在数据中心层面下有领导挂帅，驱动数据中心的人一起参与进来，组织上的支撑也是很关键的，我们对数据模型算法和算力方面提供支持。我们还有运维工程师，运维开发工程师，还培养智能运维工程师，做算法开发。结合上面的智能运维的产品，结合我们的痛点和需求，我们做了几块，一个是智能故障的发现与分析，还有智能运维机器人，还有对运营数据的支持。我们发现人才很缺，我们和清华大学智能运维实验室进行合作，他们给我们提供一些培训，对算法上也有合作的开发。通过这个过程，我们发现效果也不错，一方面他们有他们的成果，但是他们缺场景，可以跟我们的场景结合起来。通过培训我们自己的人也掌握了这个能力，可以自己来做开发了，自己做算法开发。
这是我们大概的平台架构，现在数据中心目前都是双态的结构，有不同的工具，中间的数据运维平台解决数据模型，算法和算力的问题，同时数据中台对上提供服务接口，还有展示层去做开发。平台搭建大多数是基于开源的技术，也是契合国家要求的自主可控，我们底层的大数据平台是一起的。 （编辑：西安站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |