婷丁香基地-日本私人网站在线观看-一本岛在线-色www精品视频在线观看|www.shzcyb.com

近幾年IT行業發生的一個明顯變化是，數據中心逐步向云計算轉型，軟件和軟件工業由人工方式轉向大數據和人工智能驅動，相應地，軟件的設計、開發、運維也順應數字化轉型的思路開始向智能化轉移。

而其中在企業生產經營中扮演“救火隊員”角色的運維隨著云計算的迅猛發展及服務器、軟件模塊等的急劇增長從手工運維迅速向智能運維迭代，從安全保障向提升生產力推進，儼然已成為數字化浪潮下新一輪企業競爭、資本投資的新風向。

從邊緣走向核心

因為不是生產力部門，運維環節在之前并沒有受到太大重視，有的企業甚至沒有專職的運維崗位，而由于缺乏運維工具和操作指南，早期運維工作只能由運維人員手工開展，依靠多名運維人員共同完成產品運行狀態、產品性能指標、產品上線與變更服務等的監控。

而隨著全球數字化進程的推進，服務器、軟件模塊、訪問數據激增，IT系統的數量和復雜程度加劇，原先的運維體系難以承受巨大的運維壓力，監控項目顧及不來，事故發生無法準確定位，迫切要求運維工作向自動化、智能化轉變。

智能運維AIOps在此背景下興起，其基本邏輯是以大數據和人工智能的方式，替代原先人工對數據中心的運維方式。此前的運維方式經歷過自動化運維、運維開發一體化階段的演進，但依舊很依賴人工，即必須由長期在一個行業從事運維的專家手動將重復出現的、有跡可循的現象總結出來，并形成規則，才能完成自動化運維。

而智能運維很重要的一個突破，就是進行自學習的“去規則化”改造，通過機器學習算法自動地從海量運維數據（包括事件本身以及運維人員的人工處理日志）中不斷地學習、提煉并總結規則，也就是將人工總結運維規則的過程變為自動學習的過程，緩解人力壓力的同時，將極大提升運維工作的效率和質量。

在日常系統運維工作中，經常遇到的兩個場景便是異常行為檢測和預警。傳統運維在工作過程中，往往會出現告警分析不夠智能、問題難定位、根因難確定等問題，AIOps的落地將極大改善這些現象，多方面直擊痛點，自動、及時、準確地發現和定位問題。

不僅如此，智能運維將在質量保障（包括異常檢測、故障診斷、故障預測、故障自愈等）、成本管理（包括指標監控、異常檢測、資源優化、容量規劃、性能優化等）和效率提升（包括智能變更、聊天機器人）等場景中為企業全方面保駕護航，除了安全保障工作的完成，將逐漸深入企業業務，推動企業智能化生產和服務。

韌性與挑戰

智能運維的運用空間廣闊，除了互聯網，在金融、物聯網、醫療、通信、工業等領域均表現出對智能運維的強烈需求。不久前，擔任冬奧會、冬殘奧會主火炬氫能保供任務的燕山石化高溫油泵突發異常，設備監測系統觸發報警后，之所以5分鐘內把安全隱患排除在萌芽中便得益于容知日新的智能運維系統。

在數字經濟發展的大背景下，機器學習和人工智能為智能運維提供技術支撐，而云計算特別是公有云的發展，改變了過去數據中心小而分散的局面，能為人工智能分析提供全量、全面的大數據，智能運維將進入快速發展時期。

數據顯示，2020年中國IT智能運維市場規模為560.8億元，年復合增速為20.1%。預計未來以15.9%復合增速擴張，2025年市場規模達1093.5億元。盡管只是互聯網經濟一個細分賽道，但智能運維已經成為資本爭奪的新風口，智能運維未來發展表現出強勁的韌性。

政府部門也陸續出臺《推動企業上云實施指南（2018-2020年）》《國家新一代人工智能標準體系建設指南》等一系列政策推動智能運維的發展。

目前，中國的IT運維服務商主要由原廠運維服務商、第三方運維服務商、ITOM/ITOA廠商和IT基礎架構系統集成商組成，正在朝著高效、專業的方向演變。

但也需承認的是，我國智能運維還處在起步階段，未來還有廣闊的發展空間。挑戰在于智能運維需要高質量的標注數據，高效的數據標注方案才能減少人力、時間等成本的消耗，事半功倍。其次，在線系統本身具有規模性和復雜性，是需要長期投入的研究領域，未來任重道遠。

結語

通往進步的路必然是滄桑的，但因其為后面的人造福，引無數人前往。