智能运维平台是哪个系统的前身
智能运维，又称AIOps（Artficial Intelligence for Operations），是一种将大数据、人工智能或机器学习技术赋能传统IT运维管理的平台（技术）。2016年由Gartner正式提出，被喻为传统手工运维ITOM（IT Operations Management）和ITOA（IT Operations Analytics）之后新一代的运维模式。
这是因为目前IT运维管理面临着两难境地的巨大挑战，一方面要降低成本，另一方面其复杂度又不断攀升。智能运维AIOps，即AI+ Ops（人工智能运维），主要是将人工总结运维规律的过程变为自动学习的过程，将人工智能应用于运维领域，基于已有的运维数据（日志、监控信息、应用信息等），通过机器学习的方式来进一步解决自动化运维没办法解决的问题。
因此，越来越多的客户对AIOps越来越感兴趣，并想通过大数据和机器学习技术来分析服务台的有效性，以此参与到故障和问题解决流程中去。知名咨询公司Gartner曾在其2016年的报告中指出，AIOps（智能运维）将是下一代运维模式，并预测到2022年，50%的大型企业将结合大数据和机器学习功能，支持和部分替代监测、服务台和自动化流程和任务。 由传统的手工运维ITOM，升级为智能运维AIOps将是运维行业的大势所趋。
但是，如何通过AIOps手段增加运维效能和降低运维成本，对于企业来说都是很大的挑战。
而致力于智能运维AIOps领域的擎创科技，已经为国内多家银行和证券用户成功部署夏洛克AIOps平台，助力企业运维降本增效：
1. 强大自研数据采集器：支持Linux、Windows、AIX等多种系统，可采集除日志外的性能数据、网络数据、CMDB数据等各类数据；
2. 创新的数据流处理方式：单数据流峰值每秒采集350000 条，可处理日增数据30TB；
3. 人工智能算法：与国内Top大学运维实验室共研10+种人工智能算法，异常检测和根因定位更容易。
目前，一些成熟的组织已正在利用智能运维AIOps技术为企业领导者提供决策支撑。企业基础设施与运维负责人应该尽早启动AIOps平台部署工作，优化当前的性能分析，并在未来两年至五年内扩展至IT服务管理和自动化领域。
智能运维系统是阿里云Elasticsearch（简称ES）的辅助产品，提供集群、节点、索引等二十余个诊断项的健康检测功能。
运维职责贯穿了产品的生命周期，需要借助自动化、智能化的平台帮助运维工程师以最低的成本和最快的速度完成面向用户的服务交付和服务质量保障。
擎创夏洛克AIOps
2025-03-17 广告
2006年，运维市场也经历了从工具化到体系化建设的转变。这一转变的标志性事件就是ITIL概念的确立。
ITIL是个名词，简单来讲就是当时英国商务部颁布的一套IT组织管理的最佳实践，后来几乎成了所有企业的IT组织如何去做管理的方法论和实施标准。 当这套实施标准出台的春风吹到中国来以后，标志性的使得中国企业的IT运维管理进入到了一个体系建设的时代。
08年时杨辰加入了当时全球最大的运维管理软件公司BMC，BMC在03年的时候就推出了业务服务管理，其实都是为了去满足ITIL提出来的这套最佳实践。大概从2006年开始，大家终于意识到运维人员去维护一个系统的行为其实是个系统工程，并不比医生看病来得简单，而且实际上可能会更复杂。因为它是好多好多医生去完成一个复杂的工作。
同样道理，IT运维管理这件事情不是光靠几个工具就能完成的，更重要的是工具、流程和人之间的结合。也就是说任何一种运维管理能力的提升、效率的提高，不仅仅是靠工具本身的技术提升，还要包括使用工具的人的技能提升、相应的使用方法和使用流程的搭配才能够完成这个体系的建设。 这是一个系统工程，一个比较复杂的系统工程。
只是谁也没有预料到这之后的中国经济开挂般地发展，而那套基于英国IT组织最佳实践标准，也渐渐难以应对海量的数据需求。
2001年中国的GDP只有1.16万亿美元，排在世界第6，在法国之后，是日本的1/4。而在2017年，中国的GDP达到了13万亿美元（2018年更高），比2001年刚加入WTO时增长了10倍，是日本的2.5倍。
在中国大概近十几年的经济建设过程中间，中国企业的规模和复杂度相对05、06年是不可同日而语的。经过经济体制的改革，到13、14、15年的时候无论在任何一个行业都出现了一些世界级规模的企业。它们的复杂度、业务的活跃程度、创新程度其实都可以比肩全球性的企业。有一些特殊的行业，比如说像金融服务行业银行业，甚至出现了全球最大的银行：中国工商银行。这些企业对于运维管理的需求更蓬勃了，要求也更高了或者说是更贴合他自己业务需要。可是供应端都是一些美国企业。”
当时杨辰供职于BMC，对这种变化可谓“春江水暖鸭先知”。他注意到：以美国为首的跨国软件巨头的产品使用场景、以及处理能力达不到中国客户的要求。而中国客户呼唤国际型厂商能不能根据他们的需求进行一些考虑和改变？但跨国企业往往面临全球化标准和区域市场需求的不匹配，不愿意投入更新的技术（给到中国市场），这一点在BMC身上也不例外。在当时尽数企业全部用的是外国供应商的大背景下，微软、HP、IBM都采用了比较保守的商业策略。
2014年，中国人民银行联合银监会、保监会、证监会，先从银监会开始连续发文。要求在信息技术产业这一块逐渐的实现自主可控。
他从三个方面总结了2014年ITOM行业在中国的新常态：
第一，由于政治和各种其他的原因，中国客户的需求很可能在一个相当长的时间里都没有办法被主流的国际上的供应商所满足。
第二，中国客户的这些需求一定需要被满足，因为中国的经济还会继续成长。
第三，国家的政策正在希望能够用自主可控的力量去摆脱原来的束缚。
对国外ITOM企业来说，这无疑是火上浇油。一方面，传统运维市场萎缩不可逆转；另一方面，全球市场包括中国市场的运维需求却在不断扩大。与之对应的，架构层逐渐从本地化转向云化、虚拟化；应用层的应用数量激增，迭代速度加快。特别是企业的数字化业务在过往的5到7年中间的成长何止十倍百倍，未来的成长每年的增速也是惊人的。这就导致一个问题：IT部署太快，数据几何级增长，如果按照原来的运维的管理水平，你要对等的投入多少人，才能够把这些数字化业务支撑住，但是哪有这么多合适的人？ 因此必须借助一定的手段和方式，增强数据治理和全面分析的能力，化被动运维为主动运营。
而这些都是智能运维AIOps所具备的。智能运维是一种全新的数字化运维能力，也将是数字化转型的必备能力。智能运维的本质是提升运维数据的认知能力，它在提升运维数据治理能力、优化企业业务数字化风险、降低运维人力成本和提升运维在业务侧的影响力方面都有本质的提升。智能运维发展如火如荼，国际知名的咨询公司Gartner预测，至2022年大型企业中50%将会部署AIOps平台，进行数字化转型。许多企业也将利用AIOps进行业务运营和IT运维，以取代如今的运维工具。
原有事物的效率必须要跟得上数字化业务蓬勃发展的速率，这个时候这个事物才有效。而这种效率光靠原来传统运维管理软件的技术水平是绝无可能的，它必须要被彻底的打烂和改变。所以在这个过程中间怎么样去充分利用运行中的全量数据，怎么样在这些数据中用机器学习的方法去发掘它其中的规律，从而替代人脑人手一些相对更低效能的事物，这是AIOps真正要去解决的问题。
