AIOps，SRE工程師手中的利器
隨著數(shù)字化浪潮的推進(jìn)，出現(xiàn)了越來越多大型和超大型數(shù)據(jù)中心，通常這些數(shù)據(jù)中心承載了大量業(yè)務(wù)，其中不乏事關(guān)國計民生的應(yīng)用（比如公有云服務(wù)商的數(shù)據(jù)中心），一旦出現(xiàn)故障，必須以閃電般的速度加以解決，最好讓最終用戶或客戶根本就感受不到故障的發(fā)生。
而另一方面，現(xiàn)代應(yīng)用程序需要能夠快速響應(yīng)客戶需求，需要快速迭代，這對基礎(chǔ)設(shè)施可靠性形成巨大壓力，一旦出現(xiàn)性能問題甚至服務(wù)中斷，現(xiàn)代應(yīng)用程序造成的影響反而比傳統(tǒng)應(yīng)用更嚴(yán)重。
為了應(yīng)對這些需求，SRE（Site Reliability Engineer)應(yīng)運而生。相比于傳統(tǒng)的運維，SRE面臨的挑戰(zhàn)更大，應(yīng)對的局面更為復(fù)雜。此時，一個好用工具無疑能對SRE工程師帶來很大幫助，特別是能幫助SRE判斷問題優(yōu)先級、迅速發(fā)現(xiàn)故障并幫助解決的工具。AIOps的價值正在于此。隨著軟件與基礎(chǔ)設(shè)施資產(chǎn)的迅猛拓展，AIOps能夠自動檢測到環(huán)境中的異常、為團隊提供必要的安全性加持，保證在問題擴大化、復(fù)雜化之前及時將其解決。
SRE與AIOps
從事運維工作的人一定對SRE(Site Reliability Engineer)不會陌生，這個從國外大型互聯(lián)網(wǎng)公司流行起來的詞匯，這幾年準(zhǔn)備在國內(nèi)流行開來。今天，在中國不僅一些大型公司如阿里設(shè)有SRE這個崗位，一些傳統(tǒng)公司甚至開始模仿。
SRE最早在十多年前Google提出并應(yīng)用，Google出版的《Site Reliability Engineering》一書在國內(nèi)廣為流傳。盡管在國內(nèi)有些人把SRE直接理解為運維或者系統(tǒng)管理，其實SRE與運維和系統(tǒng)管理雖有重合，但卻有很大區(qū)別。根據(jù)Google對SRE的定位，Google SRE團隊的職責(zé)包括容量規(guī)劃、分布式系統(tǒng)監(jiān)控、負(fù)載均衡、服務(wù)容錯、on-call、故障應(yīng)急、業(yè)務(wù)協(xié)同支持等。
從工作定位來看，SRE有運維的工作。比如，SRE要負(fù)責(zé)生產(chǎn)環(huán)境（網(wǎng)絡(luò)、服務(wù)器、存儲、數(shù)據(jù)庫、中間件等）的穩(wěn)定性保障工作，在日常on-call與故障應(yīng)急工作中，運維能力必不可少。但SRE不止于運維。嚴(yán)格地說，SRE是一個技能綜合性崗位，不僅需要運維能力，也需要軟件工程能力、技術(shù)架構(gòu)能力、編碼能力、以及項目管理與團隊協(xié)作能力。而在SRE做些這個工作時，AIOps是可以發(fā)揮重要作用的。
實際上，隨著應(yīng)用程序與基礎(chǔ)設(shè)施的蓬勃發(fā)展，AIOps也開始成為一種極為重要的SRE工程師手中重要的工程工具。它能夠高效地整合各種系統(tǒng)指標(biāo)、日志以及來自第三方工具的數(shù)據(jù)，判斷系統(tǒng)運行狀態(tài)并保證其處于最佳狀態(tài)。為了幫助團隊識別并診斷問題，算法與機器學(xué)習(xí)工具隨后會被整合至數(shù)據(jù)之內(nèi)，借此充實關(guān)于現(xiàn)狀的情報，甚至有望自動高效地完成事件響應(yīng)。
AIOps的5大應(yīng)用場景
實際工作中，AIOps可以在以下五種場景發(fā)揮重要作用：
1. 檢測事件這也是AIOps擴展工具包的核心應(yīng)用，它能幫助團隊快速發(fā)現(xiàn)問題。AI與機器學(xué)習(xí)能夠自動梳理異常跡象，而后將學(xué)習(xí)結(jié)果用于觀察系統(tǒng)及基礎(chǔ)設(shè)施的運行態(tài)勢。憑借這種自動性方法，AIOps能夠及時發(fā)現(xiàn)預(yù)警信號，幫助運營團隊在客戶體驗受到影響之前就及時介入。
2. 減少及消除干擾事件響應(yīng)當(dāng)中，從眾多警報中找到關(guān)鍵信息一直是個大問題。太多警報往往令員工的神經(jīng)變得麻木，難以發(fā)現(xiàn)真正緊急的狀況。理想情況下，我們需要準(zhǔn)確判斷哪些警報優(yōu)先級較低、哪些警報彼此關(guān)聯(lián)。AIOps能夠關(guān)聯(lián)、精簡警報并確定其優(yōu)先級，借此消除警報疲勞問題、幫助團隊高效處理對可靠性威脅最大的故障。
3. 整合相關(guān)信息突發(fā)事件往往非常混亂，而且形勢也瞬息萬變。過多信息會導(dǎo)致團隊迷失方向，為此必須為運營人員提供背景信息，幫助他們找到正確的方向。AIOps能夠自動對事件做出映射，同時建立起全面了解。除了理解以外，背景信息在事件解決方面同樣有著重要作用。
4. 提升智能化水平AIOps是一種不斷發(fā)展的有效工具。過往經(jīng)驗、當(dāng)前使用方式以及用戶反饋等，共同為AIOps提供良好的訓(xùn)練數(shù)據(jù)，進(jìn)而幫助我們識別并預(yù)防以往曾經(jīng)發(fā)生或較為類似的問題。隨著信息的不斷積累，模型智能化程度將持續(xù)提升，最終提供更具針對性的關(guān)聯(lián)、洞見與建議。
5. 整合數(shù)據(jù)、統(tǒng)一團隊任何來源的事件數(shù)據(jù)，都會與您的現(xiàn)有事件管理工具及工作流集成在一處。您輸入的數(shù)據(jù)越多，機器學(xué)習(xí)模型的訓(xùn)練度也就越高，產(chǎn)生有針對性、高實用度結(jié)果的幾率就更高。AIOps解決方案能夠吸納數(shù)據(jù)，通過背景信息豐富數(shù)據(jù)內(nèi)容，并將結(jié)果通報至相關(guān)團隊或響應(yīng)人員手中，以供各個事件管理團隊加以使用。以此為基礎(chǔ)，各團隊將不必把時間浪費在不同工具的往來切換當(dāng)中。
對于尚未開始使用AIOps的組織而言，這項工作聽起來似乎繁復(fù)無比。沒錯，AIOps確有一定門檻，但目前已經(jīng)有不少實踐標(biāo)準(zhǔn)能夠幫助我們較為輕松地跨過這些門檻。
首先，考慮最適合自身需求的用例�？s小思考范圍，從小處入手開始學(xué)習(xí)，并在測試中不斷成長。
其次，保證工作流程的透明化。人們天然會抵觸變化，所以大家必須破除迷團、讓AIOps呈現(xiàn)出清晰明確的形象。
最后，為囊括AI及ML元素的新型IT運營體系做好準(zhǔn)備。如今，采用AIOps技術(shù)支持運營體系的組織越來越多，相信它也終將成為顛覆傳統(tǒng)運營理念與運營思維的主流解決方案。
