近日，我們采訪了兩位經(jīng)驗(yàn)豐富的大咖，試圖從博睿數(shù)據(jù)的視角窺探AIOps 的全貌。

關(guān)于AIOps 產(chǎn)品本身

就博睿數(shù)據(jù)而言，博睿數(shù)據(jù)的AIOps的核心是“數(shù)據(jù)+AI+產(chǎn)品+場景”四合一的綜合解決方案。在一體化運(yùn)維、告警管理、故障定位、應(yīng)急快恢等高頻運(yùn)維場景中幫助用戶更高效、更準(zhǔn)確的達(dá)成業(yè)務(wù)目標(biāo)。

就其優(yōu)勢而言，主要有5個(gè)方面：

1. 門檻低：博睿數(shù)據(jù)的AI接入簡單，開箱即用，算法支持可視化和自解釋；

• 性能高：同等性能條件下資源消耗較少，1臺(tái)4C8G機(jī)器可處理每分鐘6.6萬指標(biāo)量，3臺(tái)8C16G機(jī)器可處理每分鐘48萬指標(biāo)量；

• 數(shù)據(jù)全：APM深耕多年，數(shù)據(jù)多而全，比如Trace核心基礎(chǔ)能力，博睿數(shù)據(jù)支持多語言、多框架，也能和日志深度關(guān)聯(lián)。這對(duì)AIOps做多模態(tài)數(shù)據(jù)聯(lián)邦分析和挖掘有優(yōu)勢；

• 范圍廣：算法通用性強(qiáng)，適應(yīng)范圍廣泛，針對(duì)不同行業(yè)進(jìn)行了模型優(yōu)化；

• 分析強(qiáng)：可觀測數(shù)據(jù)、流程工單數(shù)據(jù)、配置管理數(shù)據(jù)匯總到數(shù)據(jù)中臺(tái)，提供流批一體的在離線數(shù)據(jù)查詢聚合能力，為任意指標(biāo)、實(shí)體的關(guān)聯(lián)分析提供獨(dú)到見解支撐。

目前，博睿數(shù)據(jù)基于自研的大數(shù)據(jù)實(shí)時(shí)處理和分析平臺(tái) Zeus做數(shù)據(jù)挖掘，在異常檢測、趨勢預(yù)測、告警收斂、事件分析等應(yīng)用場景方面已實(shí)現(xiàn)產(chǎn)品化落地。

具體來說，異常檢測，主要應(yīng)用于運(yùn)維數(shù)據(jù)的無監(jiān)督異常發(fā)現(xiàn)環(huán)節(jié)，不需要運(yùn)維人員手工設(shè)置閾值即可做到異常的自主發(fā)現(xiàn)，大幅節(jié)省了人力投入；

趨勢預(yù)測，主要應(yīng)用于業(yè)務(wù)特性運(yùn)維數(shù)據(jù)的預(yù)測場景，比如容量預(yù)測、訪問量預(yù)測、硬件缺陷預(yù)測等等，對(duì)于運(yùn)維人員的預(yù)算編制、業(yè)務(wù)規(guī)劃和提前介入處置起到很大的參考作用；

告警收斂，主要應(yīng)用于統(tǒng)一告警平臺(tái)的事件管理場景，運(yùn)維人員不再需要面對(duì)大量的無效告警，只需要關(guān)注收斂后的少量故障，應(yīng)急處置的效率和精準(zhǔn)度有了大幅提升；

事件分析，主要應(yīng)用于一體化運(yùn)維平臺(tái)的問題管理場景，AI將指標(biāo)、Trace、事件的異常信息匯聚到問題，從問題查找根因，從根因聯(lián)動(dòng)通知、自動(dòng)化等處置步驟，問題分析的效率和精準(zhǔn)度得到大幅改善。

在AIOps實(shí)踐方面，博睿數(shù)據(jù)依托多年APM行業(yè)積累，已具備豐富的數(shù)據(jù)集合。依托IT運(yùn)維監(jiān)控能力，利用大數(shù)據(jù)和機(jī)器學(xué)習(xí)技術(shù)持續(xù)構(gòu)建智能運(yùn)維監(jiān)控能力。

2021年，博睿數(shù)據(jù)在國內(nèi)首次提出了“服務(wù)可達(dá)的數(shù)據(jù)鏈DNA”技術(shù)理念，D代表DEM（數(shù)字體驗(yàn)管理），N代表NPM(網(wǎng)絡(luò)性能管理)，A代表APM（應(yīng)用性能管理），從而打通從代碼到用戶訪問的全過程，進(jìn)一步釋放企業(yè)IT運(yùn)維監(jiān)控管理所有分支領(lǐng)域DEM、APM、ITIM、NPM和智能運(yùn)維管理的能力。

目前，博睿數(shù)據(jù)算法中臺(tái) SwiftAI已賦能到新一代APM的Server產(chǎn)品、新一代的智能運(yùn)維大數(shù)據(jù)平臺(tái)DataView、“雙模一體”智能應(yīng)急中心OneAlert等，與博睿數(shù)據(jù)統(tǒng)一聯(lián)邦數(shù)據(jù)中臺(tái) Zeus相輔相成，不斷落地智能異常檢測、趨勢預(yù)測、智能告警、事件分析等場景，助力云原生時(shí)代服務(wù)可達(dá)。

2022年5月20日，博睿數(shù)據(jù)正式推出了一體化智能可觀測平臺(tái)ONE，該平臺(tái)旨在建立一體化、智能化、面向業(yè)務(wù)與用戶體驗(yàn)的統(tǒng)一運(yùn)維平臺(tái)，助力企業(yè)提高數(shù)字化體驗(yàn)，降低運(yùn)維成本，提升工作效率，為數(shù)字化轉(zhuǎn)型賦能升級(jí)。同時(shí)，這也是業(yè)界第一個(gè)將所有運(yùn)維監(jiān)控需求“All in ONE”的統(tǒng)一平臺(tái)。博睿數(shù)據(jù)的 AI 能力，比如告警收斂、根因分析、多維分析、影響分析等，也將在 ONE 平臺(tái)的觀測洞察、應(yīng)急管理等模塊中逐步落地。

談及博睿數(shù)據(jù)AIOps未來的發(fā)展，賀安輝表示：“未來，博睿數(shù)據(jù)在AIOps 方面將在根因定位、影響分析、NLP、算法實(shí)驗(yàn)室四個(gè)方面發(fā)力。”

同時(shí)，未來博睿數(shù)據(jù)也將繼續(xù)發(fā)展多模態(tài)數(shù)據(jù)聯(lián)邦“底座”和AI算法的廣度和深度，支持全程服務(wù)可觀測。

AIOps 未來已來

雖然AI技術(shù)給運(yùn)維工作帶來的價(jià)值顯而易見，但需要明確的是AIOps 不是一個(gè)一蹴而就的實(shí)踐，而是一個(gè)長期演進(jìn)的過程，需要不斷創(chuàng)新發(fā)展。

就當(dāng)前國內(nèi)智能運(yùn)維的環(huán)境而言，李驊宸認(rèn)為AIOps還存在以下幾方面的挑戰(zhàn)：

• 普適性：在不同的客戶業(yè)務(wù)場景中，如何減少定制化和實(shí)施成本，又能更好的解決業(yè)務(wù)問題。

• 可解釋：AI的結(jié)果如何自解釋，如何驗(yàn)證。

• 效率：高度自動(dòng)化地減少人工干預(yù)。      

• 資源：在私有化或POC時(shí)，極致的技術(shù)應(yīng)用到資源和性能優(yōu)化中，以最小資源成就最大價(jià)值。

• 穩(wěn)定：AI算法高度智能化和自動(dòng)化。

在他看來，博睿數(shù)據(jù)今后要在智能運(yùn)維方面持續(xù)發(fā)力。

首先，要打破數(shù)據(jù)孤島，做DNA 數(shù)據(jù)的最大化融合，建立數(shù)據(jù)資產(chǎn)的統(tǒng)一管理倉庫，產(chǎn)生聯(lián)邦數(shù)據(jù)的次生價(jià)值。以博睿數(shù)據(jù)提出的數(shù)據(jù)鏈DNA 概念為例，AIOps是DNA中重要的一環(huán)，可助力APM產(chǎn)品和數(shù)據(jù)實(shí)現(xiàn)端到端打通，讓DNA更加自動(dòng)化和智能化。同時(shí)，DNA數(shù)據(jù)鏈也給AI提供場景和數(shù)據(jù)土壤，讓AI通過信息整合、特征關(guān)聯(lián)真正的跑出優(yōu)質(zhì)算法模型。

其次，要加強(qiáng)數(shù)據(jù)分析和數(shù)據(jù)挖掘，擴(kuò)展AI產(chǎn)品能力，夯實(shí)算法基礎(chǔ)能力，讓AI支持輕量級(jí)的模塊化和產(chǎn)品化。在算法可解釋性和評(píng)價(jià)體系方面建立一套標(biāo)準(zhǔn)，引入不同的數(shù)據(jù)集進(jìn)行數(shù)據(jù)加工分析，用真實(shí)故障注入的方式來不斷錘煉AIOps能力，在商業(yè)化輸出時(shí)能夠以近乎開箱即用、極低適配成本的方式實(shí)現(xiàn)價(jià)值的最大化輸出。

更為重要的是，AIOps本就是基于已有的運(yùn)維數(shù)據(jù)，并通過機(jī)器學(xué)習(xí)的方式來進(jìn)一步解決自動(dòng)化運(yùn)維沒辦法解決的問題。企業(yè)實(shí)現(xiàn)AIOps的前提是建立起全面獲取IT數(shù)據(jù)的能力，這里的數(shù)據(jù)主要包括但不限于日志、指標(biāo)和事件等。將這些數(shù)據(jù)輸送給AIOps平臺(tái)，為AIOps提供數(shù)據(jù)資產(chǎn)，以進(jìn)行整合的更高級(jí)別的分析和洞察。如果沒有這些大數(shù)據(jù)的支持，AIOps則是無源之水。所以對(duì)于企業(yè)來說，大數(shù)據(jù)采集工作至關(guān)重要。

兩位大咖對(duì)AIOps的未來發(fā)展充滿信心。總體而言，中國市場足夠大，數(shù)據(jù)也足夠豐富，而在國家戰(zhàn)略和政策的支持下，傳統(tǒng)制造業(yè)正向智能創(chuàng)造逐步發(fā)展，發(fā)展的過程中必然會(huì)涉及大量數(shù)據(jù)處理，而這也是AI技術(shù)的強(qiáng)項(xiàng)，當(dāng)前在運(yùn)維領(lǐng)域，AI技術(shù)的應(yīng)用還是剛剛起步，慢慢成熟，在未來的3-5年內(nèi)，AI技術(shù)會(huì)廣泛應(yīng)用到運(yùn)維場景中，向自助式服務(wù)方向發(fā)展。

寫在最后

每一個(gè)產(chǎn)品最需要的是被市場認(rèn)可。

在標(biāo)準(zhǔn)制定方面，2021年博睿數(shù)據(jù)獲信通院首批AIOps評(píng)估的異常檢測全面級(jí)，同年博睿數(shù)據(jù)作為信通院組織的AIOps標(biāo)準(zhǔn)工作小組成員，多項(xiàng)建議納入到規(guī)范標(biāo)準(zhǔn)。

在產(chǎn)學(xué)研方面，博睿數(shù)據(jù)也跟廈門大學(xué)成立聯(lián)合實(shí)驗(yàn)室，開展機(jī)器學(xué)習(xí)、深度學(xué)習(xí)方面的合作。

在行業(yè)應(yīng)用落地方面，博睿數(shù)據(jù)的AIOps解決方案已經(jīng)落地到銀行、保險(xiǎn)、證券、教育、航空等行業(yè)中，如異常檢測場景、告警收斂場景、趨勢預(yù)測場景等，為客戶的數(shù)字化轉(zhuǎn)型加速賦能。

zhupb