你有一份世界运维大会参会报告待查收因缘际会今年下半年

因缘际会

今年下半年，我看了清华大学裴丹老师关于智能运维的几篇文章后，第一次接触了AIOps。当了解到未来人工智能的多项技术会在运维领域应用时，我有些心潮涌动，对AIOps倍感兴趣。

因为机缘巧合,我在在网上偶然看到了世界运维大会上海站将在在11月中下旬举行的消息，于是赶紧向PMO提申请，走流程，报名大会。为的是能亲赴大会，一睹为快，希望能从中了解到业界AIOps的趋势及动态，给大数据智能运维以灵感。当报名成功后，我的喜悦溢于言表。

“意外”发现

和许多在年底召开的大会一样，世界运维大会上海站第一天开场的时候，有领导致辞和一些年度奖项的颁发。本来我对这块兴趣寥寥，直到在会议现场的大屏上发现了一个熟悉的图标和令人振奋的文字：中移（苏州）软件技术有限公司——最具影响力云服务提供商。

看到这里我顿时变的兴趣盎然，我以人格保证：这绝不是广告，我当初真的是不知情。

好了，闲话不多扯，下面，着重说说这次参会的学习收获吧。

学者

大会以中国信息通信研究院何宝宏对AI的一些冷思考为开篇。何所长先抑后扬，由冷思考开始，重点指出了在盲目跟从AI的过程中一些错误的认识以及容易犯的错。这次AI的复兴，主要归结为这三个因素：对硬件新应用，大数据快速发展，算法的改进。

针对封闭空间问题，通过强化学习AI会很快的超越人类，比如AlphaGo，以及迅速更新的Zero，但我们要认识到AI不是万能的，不会有自我的概念，只会在一定规则内部超越人类的思维。何所长提出的一个观点，让我记忆深刻，我们知道深度学习可以做什么，但我们不知道，深度学习不能做什么，我们不知道不知道的。

从哲学的思考回归正题，来看看理论结合实践的研究

理论实践

清华博导+腾讯智能运维落地生根

比较系统的从理论上讲解了什么是AI，AI与机器学习的分类，多种矩阵算法模型，十大机器学习算法简述。针对每一种算法做了简单的介绍，还是熟悉的数学算法，第一次接触还是在大学，让人仿佛一下回到大学时光，现在这些算法已经应用到新的热门领域。下图让你一秒入门AI：

理论过后，转到本次大会比较关注的点，智能化运维，为何需要智能运维？请看智能化介入前后的运维对比：

管理主机数快速增长，架构的日趋复杂，运维专家的匮乏，一直是运维界的痛点，我们需要解放自己。智能化介入之后，根因分析、预测、精准化推送、故障自愈、无人值守，一个个目标在慢慢落地。

针对线上环境纷繁复杂的问题，运维看似是一个无穷开放问题的空间，那如何与AI结合呢？

运维与AI结合落地点：

智能告警：环比同比分析，通过方差平均差算法，机器学习动态阈值推荐，提供动态监控，减少漏告警，误告警，提高告警准确度；

关联异常分析：频繁项集算法，通过支持度置信度分析，将异常关联，更快速定位问题；

故障预测：对未来的趋势给出预测，例如：容量、资源预测，未雨绸缪；

运维客服：智能化客服，通过反馈的问题分析还可预测出实际线上问题。

理想目标：

智能运维的落地技术路线图，供参考：

分析出故障传播关系，止损修复

故障规避：性能瓶颈预测（何时何地扩容，轻松了解扩容时机，扩容量是多少），容量预测（动态扩缩容，资源预测），故障预测（动态切换）

业界落地

业界已有很多公司在智能化运维方面，先迈出一步，相信很快苏研HSmart产品也会在大数据中间件智能运维方面迈出一大步，敬请期待。

业界公司对智能运维发展宗旨的总结很有启发：

自动化：打通系统，一站式管理所有脚本。愿景：任何一个场景都能用工具执行；

数据化：数据采集能力（Metrics）；数据的汇聚分析能力（数据的统一分类展示，告警）；辅助决策能力。愿景：任何一个点的数据都能被采集；

智能化（数据化+主动决策）：数据挖掘能力；机器学习能力；主动监控并决策能力。愿景：任何一条数据的价值都得以利用。

分析+决策+自动化=智能化，即大数据分析，机器学习+自动化执行。

苏研智能化探索

苏研其实在智能化运维这块，已经开使了自己的探索，在近期举办的2017中国移动全球合作伙伴大会上，苏研展示了新一代智能化大数据运营平台。在大数据运维软件方面，除了大家所熟知的HControl之外，还在智能化运维方面做了一些探索：

自动化数据化

运维的自动化、数据化是智能运维的前提，对于我们团队来讲，HControl已经完全具备这两点。HControl是大数据运维监控软件，丰富而全量的监控信息展示，告警信息的实时收集警告，日志的统一化目录管理，全量自动化页面操作，可以很好的满足AIOps前提。

完整全量数据

AI通过大量的数据分析学习，从而给出我们想要的指标等信息，前台一定要有很大的数据积累及存储。以HControl的Metrics系统为例，将机器级别的监控数据（cpu、memory、network、umask等）以及各服务组件监控数据（Namenode块状态等）存储在Hbase中，很好的完成了数据的积累，并可以很方便对这些结构化数据进行抽取、分析、学习。

智能化HSmart

针对苏研大数据运维的实际业务需求，智能化的HSmart主要做了以下的一些事情。

未来，我们要做的事情会更多，我们要让运维工具成为运维人员可靠的左膀右臂，让其能够针对实际生产遇到的故障和问题，真正的实现自动处理，自动解决。

小结

总体来说，本次大会收获很多，入门AI的同时，对业界智能运维的发展也有了一定的了解，并且多了一些灵感。我认为智能运维的介入，有效性准确性是建立信任的第一步，最大的挑战还在于检测到问题并自动修复，以达到无人化的终极目标。