智能运维：从场景中积蓄运维变革的未来

谌力

伴随金融机构数字化转型的加速，IT运维正在向智能运维全面迈进。作为率先实现智能运维工程化的全栈IT运维服务商，云智慧（北京）科技有限公司总裁刘洪涛先生向《新金融世界》分享了智能运维对于金融数字化和FinTech的意义，以及智能运维在金融机构落地过程中的注意要点。

金融数字化的运维变革

数字化时代，IT对金融业务的重要程度与日俱增，是推动机构进行智能运维变革的关键。

在几年前，很多金融机构会在半夜12点-1点暂停交易进行系统维护，而如今的金融交易必须达到24小时不间断的秒级响应要求。这就意味着，IT对金融而言已经由业务支撑系统变为业务本身。

刘洪涛表示：“我们在跟金融行业用户交流的时候，大家谈的都是业务。过去，运维关注的是底层设备的高可用和稳定性。而现在，一切聚焦到业务层面，衡量指标从SLA变成了MTTR（平均故障修复时间）。这就需要覆盖所有业务链的全局监控、管理和分析，把监控的点和面都做完整，还要与业务指标进行关联。所以现在的运维比传统运维复杂度高很多。”刘洪涛说。

当前金融运维的另外一个挑战来自于数字化转型的推进。FinTech新技术的应用，导致IT规模和复杂度呈指数增长，单纯依靠人力的故障修复方法显然是不可取的。不仅如此，IT系统每时每刻要产生海量数据，依靠人工设定告警阈值、分析处理海量告警信息同样不现实。所以，通过AI对历史数据进行学习，设置更加有效的动态告警阈值，利用根因分析追踪导致事件发生的根本原因，实现告警事件的及时处置，有效降低MTTR。

智能运维的认知和核心技术

到目前为止，业界针对AIOps的认知尚未统一，有人说AIOps是算法，有的则认为是自动化运维。刘洪涛表示：“其实AIOps并不是像APM那样的产品，而是一种理念。用AI技术去提升金融机构的运维能力，让它具有智能化，更高效解决金融业务运行中遇到的问题。同时，AI是一种可以工程化的实用科技，AIOps就是AI在IT运维领域的落地。”

谈到AIOps的核心技术，刘洪涛认为“：目前，算法不是关键，因为很多算法已经非常成熟且开源了。但是，客户的应用场景千差万别，需求也各不相同，到底哪种算法用什么模式匹配到客户场景中，这才是核心。这是个‘AIOps工程化的过程，对于智能运维提供商来说，既要有算法能力，又要理解客戶的应用场景，还要有工程化落地的能力。”

此外，AIOps需要完整的历史数据、日志数据和实时监测数据。因此，要实现AIOps落地，数据采集能力同样必不可少，只有这样才能通过AI得到有价值的结果。

金融行业智能运维落地的理念和建议

针对AIOps在金融行业的落地，云智慧秉承的理念是： “以数据为基础，算法为支撑，场景为导向”。

部署智能运维首先要理解传统运维管理与智能运维的逻辑差异：传统运维依赖流程，靠工单系统把事件串起来。智能运维是基于数据和智能化分析结果进行运维管理，与传统运维的逻辑完全不一样。

与过去依靠ITSM平台管理所有IT问题不同，智能运维注重场景化，解决的是某一类问题。当然，智慧运维的基础仍然是数据，在数据之上构建AI分析能力，在AI之上是事件管理等产品模块。这些模块以松耦合的方式，根据用户需求的不同任意组合，最后通过可视化运维监控中心，把IT价值直观呈现出来，让管理者和业务运营负责人都能看懂IT。

刘洪涛建议：“智能运维不要上来就做大而全的，我们的建议是‘小步快跑，阶梯式前进。具体来说，先从某个运维问题总结出来的场景入手，而落地时要充分考虑未来几个、甚至几十个场景的整体需求。这种做法的好处在于效率最高，IT团队在逐步积累AIOps经验的同时，让业务部门快速看到AIOps成效，自然更愿意配合IT变革，推进业务与IT的融合。所以，我们的建议是做好规划，阶段式实现AIOps落地。”

金融行业智能运维的四大典型场景

云智慧总结了现阶段金融机构推进AIOps智能运维落地的四个典型场景。

一、统一监控。这是几乎所有用户在完成系统构建之后都要用到的。统一监控服务是于业务的。过去的监控系统主要监控底层硬件设备和竖井式IT系统，但对金融机构来说，这些分散的监控系统无法有效支撑业务运转。因此，必须有一个开放的统一监控平台，把一个个业务和孤立的监控系统整合起来，同时依托这个平台获得完整的IT数据。

二、根因分析。系统产生的大量告警信息怎么判断？依靠人工处理和工程师的经验判断故障变得越来越困难。利用智能算法对异常或者故障的根因进行分析，给出故障的根因推荐以及深入分析结果，让事件得到迅速处理。

三、动态基线。由于业务指标受时间、季节、事件等因素影响不断波动，这就导致IT指标的变化同样是动态的。基于历史数据，利用智能算法深度学习，对未来一段时间内每个时间点的数值进行精准预测，将预测值作为基线来监控和告警，提高运维的事件响应和处理效率。

四、故障预测。很多问题的发生都是有征兆的，故障预测基于历史告警消息的相关性，对当前处于故障状态的警报可能造成的影响进行预测判断，从而实现故障的提前预警。