云計(jì)算時(shí)代，隨著企業(yè)數(shù)字化水平的不斷提高，軟件虛擬化和云化使得ICT基礎(chǔ)設(shè)施網(wǎng)絡(luò)變得越來越復(fù)雜和相互依存，在過去幾年中，為了應(yīng)對(duì)數(shù)字化轉(zhuǎn)型給企業(yè)帶來的日益增加的系統(tǒng)復(fù)雜性，市場上也出現(xiàn)了很多運(yùn)維分析平臺(tái)。

在如今的云計(jì)算時(shí)代，計(jì)算的云化和分布式應(yīng)用給運(yùn)維工作帶來了很大的挑戰(zhàn)，讓人海戰(zhàn)術(shù)在運(yùn)維面前失靈，所以基于算法和機(jī)器學(xué)習(xí)的智能運(yùn)維（AIOps）必將是業(yè)務(wù)運(yùn)維場景下的大勢所趨，AIOps平臺(tái)利用大數(shù)據(jù)，現(xiàn)代機(jī)器學(xué)習(xí)和其他高級(jí)分析技術(shù)，以主動(dòng)，個(gè)性化和動(dòng)態(tài)的見解直接或間接地增強(qiáng)IT操作的功能。

Gartner相關(guān)數(shù)據(jù)指出，全球AIOps平臺(tái)市場規(guī)模每年在3億美元至5億美元之間，其迅猛發(fā)展使得企業(yè)引入AIOps工具從而增強(qiáng)IT功能及業(yè)務(wù)增長成為必然趨勢。

然而，隨著5G等網(wǎng)絡(luò)與業(yè)務(wù)的發(fā)展，帶來了高復(fù)雜、高質(zhì)量的運(yùn)維挑戰(zhàn)。運(yùn)維能力的演進(jìn)成為電信網(wǎng)絡(luò)能否持續(xù)發(fā)揮效能的關(guān)鍵影響因子，運(yùn)維智能化轉(zhuǎn)型已是大勢所趨，而云計(jì)算之爭最終也將是無數(shù)廠商基于運(yùn)維的綜合競爭。

華為AIOps：給予運(yùn)營商需要的“主動(dòng)性”

當(dāng)前，電信網(wǎng)絡(luò)運(yùn)維作業(yè)面臨問題發(fā)現(xiàn)被動(dòng)、故障根因定位難等一系列問題，各專業(yè)運(yùn)維支撐系統(tǒng)功能也面臨開發(fā)周期長，閉環(huán)流程自動(dòng)化程度低的技術(shù)瓶頸，運(yùn)營商無不期望引入AI能力實(shí)現(xiàn)智能運(yùn)維，做到主動(dòng)維護(hù)和故障自愈。

基于10多年來服務(wù)行業(yè)的經(jīng)驗(yàn)，華為不斷打破云管邊端的邊界，來適配千行百業(yè)紛繁復(fù)雜的需求，加速各行業(yè)的數(shù)字化轉(zhuǎn)型，華為AIOps正是是其中最為代表的方案之一。

其實(shí)，傳統(tǒng)運(yùn)維和AIOps是緊密聯(lián)系的，并且AIOps也依賴傳統(tǒng)運(yùn)維的數(shù)據(jù)基礎(chǔ)、計(jì)算處理等，然而，隨著云大量的采用，IT環(huán)境越來越復(fù)雜，運(yùn)維管理的任務(wù)也越來越繁重，運(yùn)維自動(dòng)化可以解決一部分問題，但是一直困擾運(yùn)維的報(bào)警收斂，一些更為靈活的配置需求，依靠運(yùn)維自動(dòng)化還不能完全解決，而通過AIOps的方法，則可以更深層次的解決這些問題，并且還可以為IT運(yùn)維決策提供更智能的依據(jù)，預(yù)測將要發(fā)生的一些趨勢。

具體來看，華為面向業(yè)界發(fā)布AIOps系列云服務(wù)，包括了故障識(shí)別根因定位服務(wù)、日志異常檢測服務(wù)、KPI異常檢測服務(wù)，硬盤異常檢測服務(wù)等特點(diǎn)，并且支持“開箱即用”，極大限度的“主動(dòng)性”，使能運(yùn)營商及企業(yè)專網(wǎng)智能化運(yùn)維的提升，

實(shí)際場景中，發(fā)現(xiàn)異?；蚬收现蟮亩ㄎ皇沁\(yùn)維流程中的難點(diǎn)，目前這些工作主要依賴于專家經(jīng)驗(yàn)或手工分析，然而受限于分析算力和知識(shí)信息，因此效果并不理想。

NAIE AIOps通過AI算法與業(yè)務(wù)的融合，準(zhǔn)確的將多維度的異常、告警等事件進(jìn)行匯聚，并拓?fù)浜凸收蟼鞑D等維度的事件匯聚和根因定位，目前已經(jīng)應(yīng)用到無線接入網(wǎng)等業(yè)務(wù)領(lǐng)域，無效上站減少60%，根因識(shí)別準(zhǔn)確率85%+，運(yùn)維效率整體提升15%。

在KPI異常檢測上，電信網(wǎng)絡(luò)通過KPI預(yù)測和監(jiān)測網(wǎng)絡(luò)是最普遍的場景，NAIE AIOps合了電信領(lǐng)域的運(yùn)維業(yè)務(wù)特點(diǎn)，提供單指標(biāo)/多指標(biāo)檢測、異常原因關(guān)聯(lián)分析、模 型的自學(xué)習(xí)調(diào)優(yōu)等關(guān)鍵能力，快速識(shí)別海量KPI異常情況，也已廣泛應(yīng)用在電信網(wǎng)絡(luò)場景。

在日志異常檢測服務(wù)與硬盤異常預(yù)測上，NAIE AIOps實(shí)現(xiàn)日志的自動(dòng)分類和統(tǒng)計(jì)規(guī)律發(fā)掘，實(shí)時(shí)監(jiān)控出系統(tǒng)的異常行為和相關(guān)日志，而當(dāng)磁盤將寫入極限或面臨故障時(shí)，NAIE AIOps可以智能預(yù)測14天內(nèi)的硬盤故障，以采取規(guī)避預(yù)防措施，以免對(duì)業(yè)務(wù)產(chǎn)生影響。

業(yè)務(wù)與能力解耦：行業(yè)知識(shí)與AI技術(shù)的“化學(xué)反應(yīng)”

運(yùn)維工作從早期的人工運(yùn)維、自動(dòng)化運(yùn)維轉(zhuǎn)變?yōu)橹悄苓\(yùn)維，在運(yùn)維支撐系統(tǒng)的演進(jìn)方向上，AIOps已經(jīng)成為電信行業(yè)運(yùn)維智能化轉(zhuǎn)型的趨勢和共識(shí)，在未來五年內(nèi)，電信行業(yè)市場的運(yùn)維系統(tǒng)和平臺(tái)將加速AI能力的升級(jí)，成為電信領(lǐng)域AI應(yīng)用的核心場景，投資占比也將達(dá)到60%。

而按照華為對(duì)自動(dòng)駕駛網(wǎng)絡(luò)的等級(jí)定義，運(yùn)維的智能化目標(biāo)是要實(shí)現(xiàn)全域、全流程的預(yù)測性運(yùn)維，自動(dòng)監(jiān)控、定位、自愈。

從本質(zhì)來看，網(wǎng)絡(luò)運(yùn)維系統(tǒng)的AIOps能力構(gòu)建的趨勢是業(yè)務(wù)與能力解耦，做到AIOps能力的復(fù)用、拉通，支持，適配運(yùn)維場景應(yīng)用百花齊放和快速上線迭代的需求。

4G改變生活，5G改變社會(huì)。無疑，5G的出現(xiàn)驅(qū)動(dòng)行業(yè)應(yīng)用規(guī)模商用與千百行業(yè)數(shù)字化轉(zhuǎn)型，然而，要發(fā)揮5G對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展支撐作用，在這背后，離不開智能運(yùn)維的“助攻”。

然而，企業(yè)要想實(shí)現(xiàn)真正的智能化運(yùn)維，還離不開算法、行業(yè)經(jīng)驗(yàn)以及高超的工程化水準(zhǔn)三大要素。企業(yè)級(jí)智能運(yùn)維產(chǎn)品需要方便客戶基于使用場景來調(diào)整算法和模型，從而匹配業(yè)務(wù)需求;此外，還必須具備支撐算法高效率運(yùn)行的平臺(tái)能力，包括大數(shù)據(jù)處理能力、機(jī)器學(xué)習(xí)平臺(tái)能力和流式數(shù)據(jù)處理能力等。

因此，AIOps要落地，要求相關(guān)人才不光要懂大數(shù)據(jù)和AI技術(shù)、還要熟悉運(yùn)維場景、熟悉業(yè)務(wù)，企業(yè)需要結(jié)合行業(yè)經(jīng)驗(yàn)，平臺(tái)工程化以及合適的算法，突破不同的場景應(yīng)用。

洞察此痛點(diǎn)，華為AIOps使能服務(wù)作為自動(dòng)駕駛網(wǎng)絡(luò)AI引擎iMaster NAIE的核心能力，基于NAIE 平臺(tái)，提供了一系列的電信領(lǐng)域AIOps原子能力以及組合編排能力，并將各專業(yè)運(yùn)維系統(tǒng)的應(yīng)用與AI能力解耦，采用分層的服務(wù)化架構(gòu)對(duì)接共享數(shù)據(jù)中心，集中提供AIOps能力，即使沒有足夠的數(shù)據(jù)與相關(guān)的技術(shù)能力和人才，也能通過華為AIOps收益，提升智慧運(yùn)維效率，這也是華為AIOps的核心競爭力。

基于華為電信領(lǐng)域的經(jīng)驗(yàn)，原子能力將AI算法與電信領(lǐng)域行業(yè)知識(shí)融合，預(yù)制了默認(rèn)的電信領(lǐng)域模型參數(shù)，同時(shí)支持現(xiàn)網(wǎng)運(yùn)行態(tài)的調(diào)優(yōu)，解決當(dāng)前通用算法模型在具體行業(yè)落地效果差的難題。目前，華為AIOps的原子能力庫支持流量預(yù)測、故障預(yù)測、KPI 異常檢測、日志異常檢測、CHR 異常檢測、異常關(guān)聯(lián)分、根因定位等超過20項(xiàng)原子能力。

在組合編排與DevOps能力上，通過組合編排功能，使用者可選擇業(yè)務(wù)場景所需的AIOps原子能力，通過可視化方式完成流程串接，并進(jìn)行業(yè)務(wù)泛化參數(shù)配置，包括數(shù)據(jù)接入方式、模型參數(shù)、內(nèi)置電信領(lǐng)域泛化參數(shù)、事件通知方式等配置。

此外NAIE的生態(tài)服務(wù)也提供專業(yè)的人員培訓(xùn)賦能，基于NAIE平臺(tái)訓(xùn)練服務(wù)，AIOps的原子能力庫支持使用者根據(jù)實(shí)際業(yè)務(wù)需求開展算法模型的創(chuàng)新與開發(fā)，不斷擴(kuò)展AIOps能力。

值得一提的是，在場景組合服務(wù)上，華為AIOps可以圍繞運(yùn)維全流程提供預(yù)制典型場景組合應(yīng)用，快速接入運(yùn)維流程。

無疑，華為AIOps使能服務(wù)作為智能運(yùn)維AI 能力引擎，融合AI的技術(shù)優(yōu)勢與華為在電信領(lǐng)域的專業(yè)優(yōu)勢，為運(yùn)維系統(tǒng)的智能化演進(jìn)提供AIOps 平臺(tái)能力支持，助力到各專業(yè)運(yùn)維系統(tǒng)的應(yīng)用快速上線，讓運(yùn)維專家專注場景應(yīng)用設(shè)計(jì)和業(yè)務(wù)目標(biāo)達(dá)成。

智能運(yùn)維“搭橋”邁向5G新基建

隨著“5G 新基建”的加速實(shí)施，數(shù)字經(jīng)濟(jì)發(fā)展迎來新的動(dòng)能。

從智慧城市到無人工廠、從智慧農(nóng)業(yè)到遠(yuǎn)程醫(yī)療、從金融科技到車聯(lián)網(wǎng)，新基建與各項(xiàng)技術(shù)融合而生的場景將無處不在，不僅推動(dòng)投資消費(fèi)的快速成長，還將驅(qū)動(dòng)各行業(yè)的數(shù)字化轉(zhuǎn)型升級(jí)。但隨之而來的是網(wǎng)絡(luò)問題復(fù)雜化與業(yè)務(wù)質(zhì)量高要求的挑戰(zhàn)，運(yùn)維能力的演進(jìn)成為電信網(wǎng)絡(luò)能否持續(xù)發(fā)揮效能的關(guān)鍵因素。

“欲善新基建，必先利運(yùn)維”，在ICT平臺(tái)的復(fù)雜度和集成度將繼續(xù)以指數(shù)級(jí)增長，而人的能力相對(duì)保持不變的背景下，運(yùn)維能力的演進(jìn)成為電信網(wǎng)絡(luò)能否持續(xù)發(fā)展效能的關(guān)鍵影響因子。

盡管在領(lǐng)域或者單點(diǎn)技術(shù)上AIOps獲得了一些進(jìn)展，但AIOps還有很大的空間有待發(fā)展，離真正做到無人值守、NoOps還有很大的現(xiàn)實(shí)差距。

毋庸置疑，未來的智能運(yùn)維一定是自洽的，在云原生環(huán)境下，基礎(chǔ)架構(gòu)和系統(tǒng)的部件都將是基于標(biāo)準(zhǔn)化的，運(yùn)維工作可以完全基于自主、自動(dòng)、智能決策的業(yè)務(wù)系統(tǒng)來完成，從而形成閉環(huán)。

總的來看，運(yùn)維在中國仍處于起步階段，然而隨著新基建的不斷加速推進(jìn)，我國數(shù)字化“版圖”也將不斷擴(kuò)大，屆時(shí)AIOps將像“橋梁”一樣去運(yùn)維數(shù)字化系統(tǒng)，加速我們邁向智能社會(huì)的腳步。
責(zé)任編輯：tzh