老杨说运维 | AIOps如何助力实现全面可观测性（上）

 

前言

嗨今天是大年三十大家是不是已经在家坐享团圆之乐了还是说在奔向团圆的路上呢不论如何小编先祝大家新年如意安康平安顺遂~

熟悉我们的朋友肯定都知道关于《老杨说运维》这个系列去年已经更新了好多期了后台也收到了不少朋友的认可还有真诚建议。所以即便是大年三十小编依旧有动力继续为大家更新。

此次给大家分享的主题为《AIOps如何助力实现全面可观测性》将分两期呈现希望能给各位带去一点思想火花。

一、AIops发展中存在的问题

​

随着数字化经济的飞速发展企业数字化转型已经成为了必然趋势。从传统运维向智能运维AIOps建设发展的过程中仍存在诸多挑战。

从业务层面的表象上比如监控的误报漏报多、趋势预测能力缺失、综合根因定界及定位分析的手段少、规划资源使用的方法少等等

从运维系统的状况进行深层挖掘又能发现运维数据数量庞大、类别繁多且分散加之新旧格式的碰撞以及业务视角的断层使得数据治理难、运营分析难。

除此以外在数字化转型的过程中运维双态即敏态与稳态共存的情况给企业的数字化业务也带来了极大的挑战。

二、AIops发展的市场背景

管理学大师彼得·德鲁克曾说过“如果你不能度量它你就无法管理它。”换在智能运维的管理决策中来讲就是想要做好管理就要先对它进行度量而这就是Gartner早先提出可观测性的概念。

​Gartner在今年的报告中提到可观测性正逐渐成为企业智能运维中的高优先级项目之所以出现这样的情况是由于企业的业务发展中具有很多不可预测的情况发生这就要求企业数字化能力中要着重加强自动检测、可观测性和可修复性。可观测性作为之中极为关键的一环正以其能大幅提高运维事务处理效率的优势在逐步替代传统的监控仪表。Gartner预测未来的2-5年可观测性将进入成熟期。届时智能运维的整体水平将会得到变革性的提升。

三、什么是可观测性

​从字面上来讲可观测性即是通过检查其输出来衡量系统内部状态的能⼒。这种能力的雏形是在企业的数字化转型过程中早先被看重的数据可视化能力即通过决策大屏让数据通过视觉的形式呈现出来比如图表、图形、地图等等让运维人员更容易的理解数据、统计数据以及运用数据进而更加准确有效的传达与沟通信息。

 而可观测性并不只是单纯的可视化它是基于可视化的本质能力上将三大支柱数据指标、日志、追踪关联并融合使得业务决策有据可循、日志记录和解释更具根源性的分析交易在业务组件中的流动过程更加清晰可见。同时经过对CMDB的梳理可得到第四种支柱数据资源拓补。最终这四种支柱数据共同形成以业务为顶自上而下的观测模型。

四、可观测性能带来的价值

日益增长的业务价值关注度让单纯的可见性必须向以数据为驱动的洞察能力升级这个过程中可观测性的价值就会逐步体现。

一将数据转化为答案

在决策层面从业务视角出发观测全局状况进而利用可人工干预的算法模型对告警进行收敛对历史数据进行分析聚焦定位根因来源结合AI的短期趋势预测再利用资源规划功能获取对未来趋势的预判结果实现主动的数据预测。

二数据处理过程更灵活

 

集合数据任务的编排和调试能力、可交互的检测模型调优及管理、场景化的编排引擎使数据白盒化的接入、处理、输出完成任务的诊断。并且能够及时反馈异常检测的结果精细化调整日志的检测模式。最后形成多种运维场景下定制化的可观测编排引擎灵活搭配业务场景实现数据的全面处理。

三实现跨团队协作的高效性

通过统一的观测视角能够建立与运维业务相关的规则引擎完成基于组织架构的权限配置根据团队分工进行任务分派形成有策略、按需求的协同协作体系保持业务运营的高效性。

四实时大规模的观测

通过流批一体的高性能计算引擎以及集群化和多中心的部署加之对异常检测模型的实时更新和训练稳定且高效的适应多中心等复杂环境。在大规模的业务数据进入时能够有效做出应对操作。

*本文部分内容来源于“双态IT联盟”

---

​擎创科技Gartner连续推荐的AIOps领域标杆供应商。公司致力于协助企业客户提升对运维数据的洞见能力优化运维效率充分体现科技运维对业务运营的影响力。

行业龙头客户的共同选择

更多运维思路与案例持续更新中敬请期待

随手点关注更新不迷路