IT運維對象關(guān)系在AIOps中的價值探索
1月6-7日，中國信息通信研究院主辦的[2022 GOLF+ IT新治理領(lǐng)導(dǎo)力論壇]在京召開，會議圍繞“共創(chuàng)研運生態(tài)，釋放智效動能”、“深化科技治理，夯實合規(guī)基石”和“深化數(shù)字賦能，助力審計轉(zhuǎn)型”三個主題展開。鼎茂科技作為AIOps廠商代表，亮相XOPS產(chǎn)業(yè)生態(tài)主題論壇，分享《創(chuàng)新IT數(shù)據(jù)服務(wù)化和關(guān)系化治理模式探索》。（以下為分享內(nèi)容節(jié)選）
01. 為什么我們要強調(diào)“關(guān)系”
——關(guān)系，是IT對象之間的互相依存和影響的過程
關(guān)系，在中文里的意思，是發(fā)生在兩個人之間的一種社會交往的過程。在使用的過程中，通常要加上拉、搞、走、跑、套這樣的動詞，可見關(guān)系的價值在于動態(tài)的過程。絕大多數(shù)情況下，關(guān)系到位，則事可成。
換在IT架構(gòu)中，關(guān)系，是存在于IT對象之間的一種互相依存和影響的過程。尤其在云架構(gòu)普遍應(yīng)用的狀態(tài)下，各對象之間的關(guān)系脈絡(luò)早已成為激素變化的動態(tài)過程，在當(dāng)前IT運維分組而治的團隊管理模式下，關(guān)系處理到位，則運維可大成。
02.以搞清“對象關(guān)系”作為數(shù)據(jù)治理的目標(biāo)
——形成用于提升AIOps場景廣度和深度的數(shù)據(jù)基礎(chǔ)
數(shù)據(jù)治理，是一項龐大和復(fù)雜的工程，目標(biāo)是實現(xiàn)靜態(tài)數(shù)據(jù)的標(biāo)準(zhǔn)化、規(guī)范化，從而凈化數(shù)據(jù)環(huán)境，解決企業(yè)數(shù)據(jù)的質(zhì)量問題。而數(shù)據(jù)質(zhì)量的高低，評判的標(biāo)準(zhǔn)取決于數(shù)據(jù)所處的環(huán)境，因此，沒有應(yīng)用場景設(shè)定的數(shù)據(jù)治理過程，實際上并沒有衡量依據(jù)。
運維數(shù)據(jù)治理，是一項目標(biāo)清晰且場景明確，同時花費代價可控的日常管理事務(wù)，目標(biāo)是實現(xiàn)IT對象之間、對象指標(biāo)之間、指標(biāo)數(shù)據(jù)之間的依存和影響狀態(tài)可追查，為智能運維場景降本增效而服務(wù)。可以通過指標(biāo)覆蓋率、完整性、健康度以及全業(yè)務(wù)鏈路RCA過程追蹤和預(yù)測場景結(jié)論作為衡量和補充依據(jù)。
鼎茂科技將運維數(shù)據(jù)關(guān)系治理過程換用可視化手段進行呈現(xiàn)，以可拖拽方式實現(xiàn)數(shù)據(jù)規(guī)范化設(shè)計要求，大大簡化數(shù)據(jù)標(biāo)準(zhǔn)處理過程和工作量，同時納入多樣化算子，以清洗指標(biāo)關(guān)系為目的，通過簡單的算子組合過程，明晰數(shù)據(jù)脈絡(luò)，可覆蓋全局運維數(shù)據(jù)，包含業(yè)務(wù)應(yīng)用各項黃金指標(biāo)以及基礎(chǔ)設(shè)施運維指標(biāo)，從IT對象和指標(biāo)層面拉通業(yè)務(wù)層與基礎(chǔ)設(shè)施層，形成用于提升智能運維場景廣度和深度的數(shù)據(jù)基礎(chǔ)。
03. AIOps由“算法驅(qū)動”升級為“關(guān)系驅(qū)動”
——解決過往AIOps應(yīng)用范圍有限以及算法準(zhǔn)確率不高等問題
眾所周知，過往的AIOps應(yīng)用場景一直強調(diào)的是“算法賦能”，但不可否認的是，算法屬于數(shù)學(xué)工程，實現(xiàn)的是用機器幫人了解某一維度數(shù)據(jù)的前世今生并做出規(guī)律化推測。
而IT的本質(zhì)則是業(yè)務(wù)與基礎(chǔ)設(shè)施整體架構(gòu)之間數(shù)據(jù)、指標(biāo)、對象之間的依存和相互影響關(guān)系。因此，算法可以賦能傳統(tǒng)運維單一維度的數(shù)據(jù)預(yù)測，而關(guān)系則可以從IT的本質(zhì)角度賦能算法深化智能運維場景的應(yīng)用范圍，從而解決過往智能運維應(yīng)用范圍有限以及算法準(zhǔn)確率不高等問題。
簡單來說，運維對象關(guān)系模型對于AIOps的價值提升體現(xiàn)諸多：
·提升→海量日志中關(guān)鍵數(shù)據(jù)抽取分散且耗時的現(xiàn)狀，可由關(guān)系模型主動拉取關(guān)聯(lián)數(shù)據(jù)提升效率和準(zhǔn)確性
·降低→海量告警中告警降噪和關(guān)聯(lián)只能依賴事后規(guī)則化處理的現(xiàn)狀，可由關(guān)系模型主動收斂降低大量規(guī)則化帶來的維護成本
·擴大→異常檢測場景中當(dāng)前只能聚焦在業(yè)務(wù)黃金指標(biāo)，現(xiàn)在可由關(guān)系模型主動擴大至業(yè)務(wù)和基礎(chǔ)設(shè)施范疇實現(xiàn)基礎(chǔ)設(shè)施層的海量機器指標(biāo)異常檢測
·深化→根因分析場景中單依賴數(shù)學(xué)特征無法進行有效推測的現(xiàn)狀，可由關(guān)系模型主動提供IT架構(gòu)間運行態(tài)數(shù)據(jù)關(guān)系作為算法驅(qū)動，深化AIOps場景應(yīng)用能力
·增強→容量預(yù)測場景當(dāng)前只可依賴簡單指標(biāo)做曲線預(yù)測的現(xiàn)狀，可由關(guān)系模型主動加載業(yè)務(wù)與基礎(chǔ)設(shè)施關(guān)聯(lián)數(shù)據(jù)做影響性評估，準(zhǔn)確性和可參考性大大增強
·實現(xiàn)→有了IT本質(zhì)屬性的對象關(guān)系模型后，諸多AIOps應(yīng)用場景才有了實現(xiàn)的可能
