到了该用 AlOps平台进行IT运营的时候了

本篇文章2315字，读完约6分钟

支钉。com软件频道新闻:人工智能、大数据等数据分析处理技术的不断成熟和进步，不仅给各种行业应用带来了新的机遇，也给it行业本身带来了新的发展机遇。it运营和维护就是其中之一。长期以来，It运营和维护高度依赖于从业人员的个人经验。近年来，随着it应用的日益普及，it应用变得越来越复杂，涉及的领域也越来越多。一旦出现故障，诊断变得越来越困难，导致人才短缺。幸运的是，人工智能和大数据技术的应用给这种情况带来了变化，不仅如此，也给整个it运维行业带来了变化，即it运维将加速it运营的转型。

Aiops认识到it运营和维护受益于大数据和ai技术，这使得it运营和维护从被动保护转向主动感知。华清田蓉的首席技术官王勇告诉支钉。

王勇表示，这一优势体现在大数据的出现使it运营和维护能够收集和处理大量信息，并几乎实时地完成整个过程。其次，人工智能技术的引入使系统有了光明的前景，可以及时发现问题，预测问题，自动解决问题，大大减少了人工参与。

华清田蓉首席技术官王勇

王勇所在的田蓉华清成立于2007年，从it运营和维护开始，然后逐渐扩展到机器大数据应用。最新的人工智能和大数据技术已被广泛应用于ezsonar 4.0，这是其最近用于it运营和维护的旗舰产品。田蓉华清的Ezsonar是新一代应用性能管理解决方案的代表，也是基于大数据和ai技术的智能运维平台，可以帮助运维人员打开业务运营的黑匣子，端到端监控it核心业务系统，帮助用户将it运营从it运维转变为IT运营。

实际上，市场研究机构gartner之前已经预测了该行业的变化趋势，并使用aiops来定义采用ai技术的新一代it运营和维护。Gartner在《预测2018: it运营》调查报告中预测，未来五年，随着数字化程度的提高，75%的企业可能会遇到it故障导致的业务中断，越来越多的大型企业将使用人工智能it运营(aiops)来支持和部分取代传统的itom。其中，到2019年，四分之一的全球企业将战略性地实施aiops，以支持两个或两个以上的主要it运营职能；到2022年，40%的大型企业将结合大数据和机器学习功能，支持并部分取代监控、服务台和自动化流程和任务。

Gartner在报告中指出，是时候开始战略性地将alops平台用于it运营了。这一声明得到了田蓉华清公司产品解决方案总监鲍彤的高度认可。

从it运营和维护到it运营根据gartner的定义，aiops的主要目标包括:收集当前环境中的运营和维护数据，整合现有的it运营和维护管理工具，并使用先进的数据分析技术(如算法)来快速定位、排除故障和预测it系统各个方面的问题；汇总分析业务环节中各种分布式系统的数据，合理优化it服务，挖掘关键业务的kpi指标，反馈给业务方，帮助他们做出明智的决策；通过大数据和人工智能技术，分析用户行为日志和运维数据，发现潜在的系统安全和合规问题，从而保护企业的信息安全。

华清田蓉的ezsonar与aiops的目标高度一致。据鲍彤介绍，ezsonar4.0是一个性能监控工具+运维数据平台+数据分析大脑，可以实现包括性能监控、根本原因调查和自动响应在内的一整套闭环流程的自动处理。具体来说，ezsonar有三个主要功能:

1.智能运维:实时监控和报警业务，快速定位和分析故障；

2.业务支持:统一监控视图支持，支持综合运维智能开发；

3.业务运营:端到端业务可视化，基于运营大数据平台提供各种数据服务。

田蓉华清产品解决方案总监鲍彤

为了实现上述功能，ezsonar 4.0从技术架构上进行了全面升级，并对底层技术进行了更新和迭代。这些底层架构的技术变化包括弹性搜索大数据存储系统的迭代、卡夫卡消息系统的引入和微服务设计模式的采用。

这些技术的引入，使得ezsonar能够对海量日志和各种采集到的信息进行近乎实时的解码和分析，不仅能够诊断和分析故障，而且能够更准确地对it系统进行预警和预测，辅助决策，从而为企业的it管理从it运维向it运营转变提供帮助。包桐说。

鲍彤告诉Zhiding.com，大数据和人工智能技术的引入给ezsonar 4.0带来了前所未有的能力。以异常检测为例，传统的it运维工具总是使用经验值来定义异常阈值，这主要是基于人们的主观判断。该方法基于机器学习，通过积累历史运维数据，根据日常运维需求建立基于数据特征的算法模型，并定期对模型进行训练和学习，从而为it系统提供更加及时、准确和高覆盖率的检测结果。例如，在传统的异常发现过程中，操作和维护人员在系统中创建业务路径，并为路径中的相关节点或连接设置警报。如果数据中心网银交易服务器的响应时间报警设置为> 300毫秒，如果运维软件监测到响应时间确实超过300毫秒，系统将发出报警。当人工智能方法用于异常检测时，操作和维护人员不需要在业务路径上设置任何警报。当机器学习算法检测到在业务路径的节点或连接上产生异常值时，它将自动抛出异常事件。

据报道，与两年前的ezsonar 3.0相比，ezsonar 4.0在各方面都有所改进。除了更智能的早期预警和预测能力之外，ezsonar 4.0还在易用性方面做出了巨大改进，并采用了更强大的可视化仪表板，提供了更强大的系统自我操作和维护能力。

王勇介绍说，华清田蓉自2007年成立以来，为招商银行、中信银行、民生银行、平安集团等众多优质客户提供了解决方案和专业服务。，通过不断的测试，其技术已经越来越成熟。展望未来，王勇透露，华清田蓉将继续创新，以aiops智能运维、业务洞察和安全运营为核心业务，不断打造全方位的应用解决方案，保障更多企业的业务系统和转型升级。

来源：搜狐微门户