企业智能化运维该如何展开？
随着企业业务规模扩大，云原生与微服务的兴起，企业IT架构复杂性呈现指数级增长。而传统的IT运维手段面临故障发生后，查找故障原因困难，故障平均修复时间周期长，已无法满足新的运维要求。因此运用人工智能赋能运维，去取代缓慢易错的人力决策，快速给出运维决策建议，降低问题的影响并提前预警问题就成为了必然。AIOps作为目前运维发展的最高阶目标，未来将会赋能运维带给用户全新的体验。
但需要注意的是，当前智能运维的很多产品和项目在企业侧落地效果并不理想，究其原因可归类为三点：一是数据采集与AI平台割裂，多源数据之间的关联关系缺失导致AI平台缺乏高质量的数据，进而导致模型训练效果不佳；二是数据采集以metric和log为主，导致应用场景较窄且存在数据孤岛问题；三是AI平台能力尚有提升空间。当前落地的场景多以异常检测与智能告警为主，未来需要进一步提升根因分析与故障预测的能力。
因此，未来企业首先要建设一体化监控运维平台，一体化是智能化的基础。基于一体化监控运维平台采集的高质量的可观测数据数据以及数据之间的关联关系，进一步将AIOps的能力落地到一体化监控运维平台中，从而实现问题精准定位与见解能力。
此外，在实际应用中，依据信通院的相关调查，其受访企业中只有不足20%的企业具有智能化监控和运维决策能力，超过70%的企业在应用系统出现故障的10分钟内一筹莫展。
各行业的数字化转型正在改变这一现状，不仅互联网企业，更多传统企业的数字化转型为智能运维开拓了更广阔的市场，智能运维有着巨大的发展空间，这也是博睿数据等行业领先企业发力的大好时机。
提升创新能力，推广智能运维不仅是相关服务商自身发展的要求，也是提升我国企业应用管理和运维水平的使命。
中国企业数字化转型加速，无论是前端的应用服务迭代更新，还是后端IT运维架构的复杂度提升，都在加速培育智能运维的成长。
上海擎创信息技术有限公司_
2022-04-11 广告
按照企业规模和既有运维成熟度来看，企业规模越大，运维成熟度越高的，越倾向于运维大数据平台（或者运维数据中台）的能力建设，均认为运维数据的治理能力和质量提升是智能运维的关键基础，所以先从这个步骤入手是相当理性的选择。其中部分企业做了指标智能化管理的一些试点，取得了一些成绩，但同时也发现单独依靠指标异常检测去完成故障传播链分析和根因定位效果很难实现，于是开始考虑多样化数据融合的智能化场景。
相对规模小的，既有运维成熟度不是很高的，则倾向于场景化建设，针对告警繁杂处理不过来的，在告警抑制、告警智能化管理方面进行建设；针对监控误报漏报率高的，纳入指标异常检测替代固定阀值；希望从日志数据中直接发现异常，但又不想过多通过写SPL或者各类依赖正则的方式制作解析规则的，选择基于日志聚类的算法做实时异常检测。
根据这些实际状况的调研，再结合擎创数十家企业智能运维落地建设的经验，我们梳理出智能运维建设的三大原则和六步走路线。
1、从自身运维基础出发
不要被一堆美轮美奂的场景迷惑，异常检测、根因定位、故障自愈、知识图谱，不论哪一种智能运维场景都离不开自身的数据条件和运维基础，应从自身基础出发。
2、夯实运维数据处理能力自身能够有资源建设和维护一支高素养运维开发团队，首选考虑运维数据中台能力建设，先把数据能力夯实，再选择性看待一些智能化场景的落地。
3、循序渐进的场景化建设自身运维管理资源不足，只有若干运维开发人员，甚至多数为兼职的，优先考虑场景化建设，围绕存在不足和挑战的既有运维场景逐步做智能化改造，在改造中注意要循序渐进，不可贪多求全。
