隨著人工智能技術的不斷深入，人的角色主動性不斷提高，對數據和平臺的掌控能力不斷增強。在采集到原始數據后，通過大數據分析可視化，進行標識、編排、模型預訓練，將結構化的知識抽取，最終將專家的知識經驗衍生為可重復應用的知識體系，從而固化到平臺中，進而顯示運維平臺的自動化和智能化升級。

運維伴隨信息技術的發展而生，經歷了從手工管理到工具化運維，發展至平臺化運維，最終實現自動化、智能化運維的四個階段。

 

圖一：運維發展階段及特點

在信息化發展初期，業務流量不大，服務器數量相對較少，系統復雜度不高。此階段缺少運維工具和操作流程、標準，運維工作的開展主要依賴于個人知識、技術及經驗的積累。

隨著服務器規模、系統復雜度的增加，全人工的操作方式已經不能滿足業務的快速發展需要。此時運維進入工具化階段，在此階段運維流程、標準等開始建立，運維人員逐漸開始使用工具進行管理，針對不同運維操作出現了不同的腳本程序。

在第三個階段，網絡架構異構，運維需求迭代頻繁、快速，同時對于運維效率和誤操作率有了更高的要求，用戶開始建立運維平臺，進入平臺運維階段，此時，手工執行腳本逐漸轉化為平臺化操作，運維數據更加可視，運維實現跨團隊線上協作，運維效率、質量有了極大提升。

在業務逐漸龐大、海量數據不斷積累的階段，隨著AI技術的逐漸成熟，運維逐漸步入智能運維（AIOps）階段，目前大多數用戶和運維廠商都處于實踐初期，基本實現單一場景智能化、自動化處理，并向機器決策、無人值守運維模式探索。

以大數據為支撐，保障運維數字化轉型

隨著人工智能技術的不斷深入，人的角色主動性不斷提高，對數據和平臺的掌控能力不斷增強。在采集到原始數據后，通過大數據分析可視化，進行標識、編排、模型預訓練，將結構化的知識抽取，最終將專家的知識經驗衍生為可重復應用的知識體系，從而固化到平臺中，進而顯示運維平臺的自動化和智能化升級。

圖二：北京智和信通自動化運維平臺架構

作為逐步進入智能化運維階段的自主研發運維工具企業，北京智和信通技術有限公司重點關注“萬物互聯”理念，在傳統運維的基礎上，以更具智能化、更具安全性為研發方向，形成全棧式立體運維監控產品體系。融合人工智能、大數據、物聯網等技術，提取靜態數據(歷史數據)和動態數據(實時、流式傳輸數據)，通過數據采集、數據存儲、數據治理，聚合有效數據，配合自動化程序，逐步實現無人值守的運維響應。

以AI智能為武器，實現“真自動化”運維

近些年，運維更關注用戶體驗，重視響應時間、可用率等性能指標，在對基礎設施、數據庫、中間件、存儲、物聯網等設備進行運維監控時，需求更具擴展能力、模塊化、可分布式部署的產品與解決方案，在故障發生時第一時間定位問題，快速進行根因分析。

北京智和信通自動化運維解決方案以萬物場景為基礎，以構建持續發展、萬物感知的智能安全運維為目標，將網絡拓撲、監控、安管、資產、數據分析、可視化展示、日志分析、工單、流量監測等核心產品以“積木式”的開發方式進行結合，在實際應用中根據用戶的需求場景靈活組合，實現“真自動化”運維。

（一）萬物管控的基礎監控采集能力

以提供全方位網絡監控功能，全面管理聯網設備為目標，深入用戶需求，實現個性化網絡監控解決方案。實現全棧不同類型、不同品牌、不同型號的IT設施統一監控?？蔁o限新增設備監測指標。從應用系統、網絡設備、存儲、數據庫、中間件到應用、動環，全面監管。

 

（二）復雜網絡直觀展示的拓撲可視能力

自動生成拓撲圖，支持物理網絡拓撲和邏輯網絡拓撲，通過平面或立體的展示方式，直觀展示網絡中各設備、接口間連接關系。整體網絡結構透明可視。

 

 

（三）網絡全流量數據分析展示

基于網絡流量分析技術，采集、分析、存儲所有網絡流量，通過回溯分析數據包特征、異常網絡行為，以多維數據分析和深度挖掘為手段，實現數據包層面的流量追蹤，發現潛伏于網絡中的未知攻擊。

 

（四）平臺級可視化運維編排能力

提供可視化編排工具，支持以拖拽的方式快速簡單的完成作業流程的配置，將復雜的運維工作和任務轉變為一致的，可復用的、可度量和有效的工作流，實現自動化運維。

 

 

（五）故障實時預警，快速自愈

以網絡故障監控、設備性能監測為基礎，結合網絡流量偵測功能，動態發現網絡故障。智能判斷告警類型及級別，自動觸發預設的故障解決流程，復雜告警指派工單專人處理，常規告警觸發安全策略全自動處理。

（六）規范化、自動化安全編排

以安全設備分析和異常告警安全事件為輸入，通過編排和執行安全作業流程的方式，將設備安全事件的處理及內部事件管理流程進行結合，完成原來需要多人多系統多界面在線協同才能處置的安全事件，降低人員依賴，保障應急處置質量。

 

（七）周期性作業調度自動執行

將周期性、重復性的批處理作業，如巡檢、應用部署等，固化為自動化作業流程，通過配置時間規則，在指定時間進行調度。從而實現周期性工作的自動化，僅需關注相應的作業執行過程、執行成功與否以及執行結果，規范大多數周期性運維操作。

（八）深入設備底層的控制和調配能力

深入設備、資源、協議層面實現深度管控，基于多種協議進行統一安全管控、設備控制規范配置。支持周期性、批量設備控制策略執行，將繁復的設備運維工作轉化為自動執行的管理策略，全面解放人力。

 

 

（九）海量異構數據聚合分析呈現能力

提供可視化數據分析能力，對網絡海量數據進行圖形化分析展示。通過直觀的圖表和圖形化手段清晰有效的將運維數據分析結果進行傳達，幫助用戶由宏觀到微觀更快地了解網絡運維現狀，做出更具時效性的決策。

 

 

（十）運維工單高效協同流轉

結合用戶需求實現定制化運維工單，通過自動觸發與用戶報修等方式快速響應運維事件，解決突發故障和請求，實現整個運維流程規范化、標準化，運維協同高效透明，運維結果可查可控。

 

（十一）資產全生命周期監管

通過資產實物與運維數據庫的一一對應，為用戶提供更加便捷高效資產生命周期管理，資產跟蹤、維護和統計分析。動態監測已納入監控的資產運行狀態，并對資產運行情況進行分析，通過狀態數據采集分析，預估資產將面臨的風險，驅動資產維護保養。

以二次開發平臺為基座，支撐差異化敏捷部署

基于模塊化的搭建形式，充分利用軟件已有功能，提供多種開發模式和可拓展的框架模塊供用戶選擇。在通用功能的基礎上，開發人員選擇API或代碼的開發形式，以便在最短的時間內滿足用戶各種定制需求，提高研發效率。

平臺內置6種開發模式，超50種開發組件，真正做到代碼級開放，滿足各類運維場景的差異化需求。

結語

縱觀運維的發展，企業和用戶都希望運維工作高自動化起、智能化，實現基礎資源合理利用，業務環節高效監控，異常自動分析處置，減少人的重復勞動，降低知識傳遞和保存的成本，運維交付更加高效、更加安全。