如果要評(píng)選世界上壓力最大的工作，那么運(yùn)維管理估計(jì)會(huì)大概率的入圍。
人們形容運(yùn)維人的工作日常：不是在解決問(wèn)題就是在解決問(wèn)題的路上。以至于運(yùn)維人自己也感嘆干的工作是操著賣(mài)白fen的心、賺著賣(mài)白菜的錢(qián)……
運(yùn)維工作有多難？來(lái)通過(guò)一個(gè)真實(shí)案例直觀感受一下。
某大型汽車(chē)集團(tuán)，在全球汽車(chē)行業(yè)排名前列，不僅部署了Tivoli、SAP、EP、SDAP等眾多軟件，還應(yīng)用了Zabbix等諸多開(kāi)源軟件；隨著云計(jì)算的普及，該集團(tuán)還將部分業(yè)務(wù)部署在公有云之中。數(shù)據(jù)量龐大且類(lèi)型豐富，復(fù)雜的多云環(huán)境，繁多的監(jiān)控運(yùn)維工具，超級(jí)多的無(wú)效運(yùn)維事件，讓該集團(tuán)運(yùn)維工作挑戰(zhàn)巨大，運(yùn)維人員日常工作中如坐針氈，“惶惶不可終日”。
類(lèi)似情況在其他企業(yè)比比皆是。同為打工人，運(yùn)維人不該被這樣對(duì)待。如何改變這種局面？近年來(lái)，智能運(yùn)維異軍突起，成為解救企業(yè)和運(yùn)維人員的及時(shí)雨。
智能運(yùn)維，即通過(guò)結(jié)合大數(shù)據(jù)和機(jī)器學(xué)習(xí)等相關(guān)技術(shù)，以數(shù)據(jù)采集與分析各種數(shù)據(jù)支持所有主要的IT運(yùn)營(yíng)功能，將徹底改變過(guò)去傳統(tǒng)運(yùn)維的種種詬病，被認(rèn)為既是解放運(yùn)維人員的救星，也可為眾多企業(yè)的數(shù)字化轉(zhuǎn)型保駕護(hù)航。
運(yùn)維為何就這么難
在當(dāng)下，很多企業(yè)經(jīng)過(guò)多年數(shù)字化建設(shè)，通過(guò)整合監(jiān)控與告警、與ITSM集成、自動(dòng)化運(yùn)維，基本建成了包含“監(jiān)控、管理、控制”三大維度的運(yùn)維體系。但這種典型的傳統(tǒng)運(yùn)維體系卻是大而不強(qiáng)、全而不準(zhǔn)。
究其原因，它是時(shí)間的產(chǎn)物，伴隨著企業(yè)數(shù)字化建設(shè)的進(jìn)程而逐漸搭建起的，缺乏頂層設(shè)計(jì)和全局視角，更像是眾多工具與產(chǎn)品的堆砌。由于底層數(shù)據(jù)并未徹底打通，導(dǎo)致工具與工具、方案與方案彼此之間并不存在強(qiáng)邏輯聯(lián)系，依然是以“各自為政”為主。
以監(jiān)控維度為例，在運(yùn)維界有句老話(huà)：監(jiān)控先行。整個(gè)集中監(jiān)控體系的構(gòu)建，從最早的網(wǎng)絡(luò)管理，到后續(xù)的數(shù)據(jù)庫(kù)/數(shù)據(jù)庫(kù)管理、存儲(chǔ)/服務(wù)器管理，再到之后的虛擬化/云管理，才逐漸形成集中監(jiān)控體系，通過(guò)不同的監(jiān)控工具來(lái)實(shí)現(xiàn)這些平臺(tái)的實(shí)時(shí)告警查看和平臺(tái)優(yōu)化建議。但現(xiàn)實(shí)中，這種監(jiān)控體系卻無(wú)法覆蓋與打通鏈路監(jiān)控（Traces）、指標(biāo)監(jiān)控（Metrics）和日志監(jiān)控（Logs）全部運(yùn)維數(shù)據(jù)，不能構(gòu)建起面向業(yè)務(wù)自上而下的監(jiān)控全覆蓋。
監(jiān)控體系自身尚且如此，監(jiān)控與管理、控制之間就更缺乏全鏈路的聯(lián)動(dòng)。這些情況直接導(dǎo)致了當(dāng)前很多企業(yè)在運(yùn)維上面臨著運(yùn)維數(shù)據(jù)范圍不足、告警泛濫、根因分析定位難、缺少全鏈路聯(lián)動(dòng)分析等情況。
首先，企業(yè)數(shù)字化轉(zhuǎn)型的進(jìn)程中，面臨著IT環(huán)境日趨復(fù)雜、應(yīng)用大量增加、設(shè)備種類(lèi)繁多等情況。Gartner就預(yù)測(cè)設(shè)備和應(yīng)用程序所產(chǎn)生的數(shù)據(jù)量正以每年2-3倍的速度增長(zhǎng)，且數(shù)據(jù)類(lèi)型多樣。另一方面，業(yè)務(wù)和環(huán)境的復(fù)雜性也讓運(yùn)維對(duì)象、數(shù)據(jù)與指標(biāo)覆蓋不足，運(yùn)維數(shù)據(jù)范圍不足造成故障發(fā)生前缺少健康度洞察，難以提前預(yù)測(cè)故障事件。
其次，大量設(shè)備與應(yīng)用，各種各樣的監(jiān)控工具，讓監(jiān)控對(duì)象條目過(guò)多、告警數(shù)量多造成當(dāng)故障事件發(fā)生時(shí)，告警泛濫，誤報(bào)、漏報(bào)情況嚴(yán)重，難以實(shí)現(xiàn)精準(zhǔn)告警。更加致命的是，故障事件發(fā)生之后，基于告警的機(jī)制很難有效定位問(wèn)題，缺少調(diào)用鏈信息，難以定位到服務(wù)和請(qǐng)求類(lèi)的根本原因。
另外，業(yè)務(wù)依賴(lài)關(guān)系復(fù)雜也造成了整個(gè)運(yùn)維缺少全局運(yùn)維視圖，跨多系統(tǒng)的運(yùn)維無(wú)法聯(lián)動(dòng)，單業(yè)務(wù)系統(tǒng)內(nèi)部的服務(wù)調(diào)用請(qǐng)求難以分析。
“傳統(tǒng)運(yùn)維是建立在CMDB的基礎(chǔ)之上，CMDB自身的限制性、時(shí)效性、可維護(hù)性、復(fù)雜性等決定了其無(wú)法給運(yùn)維人員呈現(xiàn)不同運(yùn)維工具之間的監(jiān)控關(guān)系。”愛(ài)數(shù)運(yùn)維技術(shù)專(zhuān)家透露道。
因此，智能運(yùn)維開(kāi)始呼之欲出，也即現(xiàn)在流行的AIOps。Gartner認(rèn)為，AIOps將跨平臺(tái)的數(shù)據(jù)鏈進(jìn)行打通與集成，通過(guò)機(jī)器學(xué)習(xí)和大數(shù)據(jù)等技術(shù)，讓運(yùn)維獲得主動(dòng)、個(gè)性化和動(dòng)態(tài)的洞察力，從而支撐起所有IT運(yùn)營(yíng)的功能。Gartner并預(yù)測(cè)到2022年，有40%的大型企業(yè)將會(huì)進(jìn)行部署AIOps平臺(tái)。
智能運(yùn)維雖好，卻也有一個(gè)很現(xiàn)實(shí)的問(wèn)題，即全球沒(méi)有一家公司的產(chǎn)品可以覆蓋全部數(shù)據(jù)范圍來(lái)幫助用戶(hù)構(gòu)建智能運(yùn)維中心。借助生態(tài)的力量，廠商與廠商在產(chǎn)品、技術(shù)以及方案層面的打通與聯(lián)動(dòng)就成為當(dāng)前智能運(yùn)維最重要的發(fā)展方向。例如，愛(ài)數(shù)與聽(tīng)云在今年的戰(zhàn)略合作就開(kāi)啟了智能運(yùn)維方案打造的新思路。
如何讓智能運(yùn)維1+1＞2
愛(ài)數(shù)與聽(tīng)云在智能運(yùn)維領(lǐng)域開(kāi)啟了新模式。今年1月份，雙方攜手正式推出了智能運(yùn)維整合方案，旨在幫助客戶(hù)全面管理、深度洞察海量、多源、異構(gòu)的機(jī)器數(shù)據(jù)。
具體來(lái)看，中國(guó)用戶(hù)對(duì)于這種智能運(yùn)維整合方案需求更加迫切。中國(guó)企業(yè)的業(yè)務(wù)規(guī)模性和復(fù)雜性在全球無(wú)出其右，帶來(lái)了對(duì)于日益主動(dòng)的IT運(yùn)營(yíng)、更加細(xì)化的成本優(yōu)化目標(biāo)和質(zhì)量期望、更加快速的故障響應(yīng)與處理、更加穩(wěn)定的業(yè)務(wù)持續(xù)性等運(yùn)維需求。
在雙方的整合方案中，愛(ài)數(shù)聚焦在智能運(yùn)維領(lǐng)域多年，擁有深厚的技術(shù)積累和豐富的實(shí)踐經(jīng)驗(yàn)，其AnyRobot是一款開(kāi)放、高效、經(jīng)濟(jì)的機(jī)器數(shù)據(jù)分析平臺(tái)；而聽(tīng)云是國(guó)內(nèi)唯一一家連續(xù)多年入選Gartner APM魔力象限的廠商，主要聚焦在應(yīng)用性能管理和用戶(hù)體驗(yàn)優(yōu)化。
愛(ài)數(shù)AnyRobot主要聚焦指標(biāo)監(jiān)控（Metrics）和日志監(jiān)控（Logs）數(shù)據(jù)，而聽(tīng)云智能監(jiān)控產(chǎn)品主要聚焦鏈路監(jiān)控（Traces）、指標(biāo)監(jiān)控（Metrics）數(shù)據(jù)，雙方聯(lián)合方案則實(shí)現(xiàn)了全方位接入企業(yè)各維度機(jī)器數(shù)據(jù)，可以全方位提高客戶(hù)運(yùn)維效率，驅(qū)動(dòng)組織業(yè)務(wù)運(yùn)營(yíng)創(chuàng)新。
聽(tīng)云與愛(ài)數(shù)簽署戰(zhàn)略合作
例如，該智能運(yùn)維整體方案可以實(shí)現(xiàn)日志溯源與智能分析，通過(guò)運(yùn)維數(shù)據(jù)間開(kāi)放集成，AnyRobot實(shí)時(shí)采集業(yè)務(wù)應(yīng)用及其底層基礎(chǔ)設(shè)施的日志數(shù)據(jù)，與聽(tīng)云APM應(yīng)用性能監(jiān)控?cái)?shù)據(jù)進(jìn)行開(kāi)放共享，對(duì)用戶(hù)業(yè)務(wù)系統(tǒng)的機(jī)器數(shù)據(jù)進(jìn)行統(tǒng)一管理。在運(yùn)維故障分析過(guò)程中，可直接追蹤事件發(fā)生過(guò)程，一鍵定位故障根源，確保業(yè)務(wù)運(yùn)營(yíng)高效運(yùn)行，并提供端到端的完整應(yīng)用性能優(yōu)化方案，提升用戶(hù)體驗(yàn)。
另外，該智能運(yùn)維整體方案還可以對(duì)配置的日志告警數(shù)據(jù)和性能監(jiān)控?cái)?shù)據(jù)進(jìn)行綜合分析，避免重復(fù)告警；并增加智能告警算法，根據(jù)告警歷史數(shù)據(jù)進(jìn)行智能檢測(cè)，從而提高告警準(zhǔn)確性，縮短故障發(fā)現(xiàn)時(shí)間、減少誤報(bào)漏報(bào)、提升故障修復(fù)效率。
與此同時(shí)，除了監(jiān)控之外，愛(ài)數(shù)與聽(tīng)云產(chǎn)品的開(kāi)放性，也保證了解決方案可以跟ITSM和自動(dòng)化運(yùn)維平臺(tái)之間進(jìn)行打通與聯(lián)動(dòng)。
某種程度來(lái)看，愛(ài)數(shù)與聽(tīng)云走到一起，就是在幫助用戶(hù)打通過(guò)去傳統(tǒng)運(yùn)維的種種“壁壘”，讓運(yùn)維數(shù)據(jù)、工具、平臺(tái)可以實(shí)現(xiàn)打通與聯(lián)通，讓運(yùn)維真正成為一盤(pán)棋。與此同時(shí)，雙方合作也揭示運(yùn)維平臺(tái)未來(lái)的發(fā)展趨勢(shì)。
運(yùn)維平臺(tái)趨勢(shì)：開(kāi)放、高效、經(jīng)濟(jì)
隨著大部分企業(yè)數(shù)字化轉(zhuǎn)型的不斷深入，業(yè)務(wù)數(shù)字化程度不斷提升，運(yùn)維所面臨的復(fù)雜性、多樣性將會(huì)只增不減。由于運(yùn)維所涉及的相關(guān)領(lǐng)域與內(nèi)容實(shí)在是太過(guò)于廣泛，未來(lái)也不能一家公司就可以徹底搞定，所以在業(yè)務(wù)復(fù)雜性不斷提升的趨勢(shì)下，運(yùn)維平臺(tái)走向開(kāi)放、高效與經(jīng)濟(jì)乃是大勢(shì)所趨。
以愛(ài)數(shù)AnyRobot機(jī)器數(shù)據(jù)分析平臺(tái)為例，其產(chǎn)品從設(shè)計(jì)開(kāi)始就聚焦了開(kāi)放、高效、經(jīng)濟(jì)三個(gè)核心特征。
在開(kāi)放性方面，愛(ài)數(shù)AnyRobot采用了創(chuàng)新Hub架構(gòu)，實(shí)現(xiàn)多源異構(gòu)數(shù)據(jù)、多機(jī)器數(shù)據(jù)平臺(tái)的統(tǒng)一納管，可以讓用戶(hù)具備更多機(jī)器數(shù)據(jù)接入的能力，同時(shí)機(jī)器數(shù)據(jù)接入之后，實(shí)現(xiàn)統(tǒng)一的機(jī)器數(shù)據(jù)分析平臺(tái)和通用的數(shù)據(jù)消費(fèi)能力。
開(kāi)放性給運(yùn)維帶來(lái)何種好處？舉個(gè)例子，金融、電信、能源、互聯(lián)網(wǎng)等行業(yè)的眾多用戶(hù)，在底層數(shù)據(jù)分析平臺(tái)上采用了開(kāi)源數(shù)據(jù)分析平臺(tái)ELK或商業(yè)數(shù)據(jù)分析平臺(tái)Splunk，并且運(yùn)行多年，與各個(gè)業(yè)務(wù)捆綁緊密。隨著技術(shù)的發(fā)展，安全審計(jì)等的要求，僅僅依靠ELK或者Splunk已不能完全符合用戶(hù)的真實(shí)需求，愛(ài)數(shù)AnyRobot的Hub架構(gòu)讓與ELK、Splunk等共同服務(wù)用戶(hù)的機(jī)器數(shù)據(jù)的采集、存儲(chǔ)和分析。
此外，在高效層面，愛(ài)數(shù)AnyRobot還采用了小程序架構(gòu)，讓用戶(hù)更好地獲取應(yīng)用分析App的能力；在經(jīng)濟(jì)層面，愛(ài)數(shù)AnyRobot采用了存算分離架構(gòu)，實(shí)現(xiàn)計(jì)算與存儲(chǔ)分離，同時(shí)計(jì)算可以實(shí)現(xiàn)完全的彈性擴(kuò)展，最大限度的為用戶(hù)節(jié)省各種資源。
從長(zhǎng)遠(yuǎn)來(lái)看，開(kāi)放、高效、經(jīng)濟(jì)的運(yùn)維平臺(tái)也是最符合企業(yè)用戶(hù)對(duì)于運(yùn)維的要求。未來(lái)，隨著企業(yè)數(shù)字化轉(zhuǎn)型的深入，以及像愛(ài)數(shù)、聽(tīng)云這些中國(guó)智能運(yùn)維廠商利用生態(tài)不斷完善聯(lián)合解決方案，中國(guó)用戶(hù)有望得到更加出色的智能運(yùn)維產(chǎn)品與服務(wù)。
