以AIOps為例，這個以AI為核心能力提升運營和運維的技術(shù)趨勢，讓IBM、BMC、Moogsoft、Splunk和云智慧這些大大小小的新老公司有了同臺競爭的機會，這在過去是不可想象的。

 

    在這條以技術(shù)創(chuàng)新、理念創(chuàng)新和服務(wù)創(chuàng)新為資格的跑道上，哪家先越過起跑線，哪家就有可能成為這個新興市場的領(lǐng)導(dǎo)者。如果仍舊停留在AI+Ops的概念中，就難以跳出傳統(tǒng)運維的窠臼。

 

    在這些廠商中，云智慧是唯一的中國公司，員工300多人。這幾年一直堅守技術(shù)創(chuàng)新，以運維為核心，不斷向業(yè)務(wù)的邊界拓展，最終進入了AIOps這個大市場。

 

    云智慧有可能勝出嗎？

 

    如何定義智能運維？

 

    對于業(yè)內(nèi)來說，“智能運維”并不陌生。

 

    但是對這個詞的概念，各類公司理解并不一樣。大的互聯(lián)網(wǎng)公司聚焦在基礎(chǔ)設(shè)施層面，從計算、網(wǎng)絡(luò)、存儲、云等設(shè)備支撐業(yè)務(wù)的角度出發(fā)，關(guān)心如何確保穩(wěn)定性，安全可靠，這就形成了各種智能化、自動化的解決方案。傳統(tǒng)IT大公司的做法是，打包銷售整體解決方案，順手做了智能運維，屬于典型的“自恰”，相對封閉。而專門做運維的公司，則是從運維的角度出發(fā)，對IT設(shè)備的管理要“縱到底 橫到邊”，幾乎囊括所有的設(shè)備、數(shù)據(jù)、甚至是業(yè)務(wù)，但真正落地的是工具型的APM，目前應(yīng)用有限。

 

    隨著AI發(fā)揮越來越重要的作用，運維轉(zhuǎn)向了AIOps。

 

    以2012年成立的Moogsoft為例，人數(shù)不超過200人，在短短6年內(nèi)融資過D輪，總計為9000萬美金，是運維行業(yè)中發(fā)展快速的一家公司。

 

    為何能夠獲得市場追捧？因為它的AIOps概念“橫空出世”，更有研究機構(gòu)稱之為“攪亂和創(chuàng)新了一個市場”，將原有的運維市場概念全新定義。

 

    研究機構(gòu)的定義是：把機器學(xué)習(xí)、深度學(xué)習(xí)等自動化模型發(fā)現(xiàn)算法應(yīng)用于IT運維工具和業(yè)務(wù)系統(tǒng)所采集的大型數(shù)據(jù)集，并嘗試模擬人類行為（如發(fā)現(xiàn)、判斷、響應(yīng)）的智能化運維管理平臺。

 

    AIOps創(chuàng)造了新的市場。

 

    迎來爆發(fā)式發(fā)展

 

    到2016年左右，AIOps市場開始啟動。

 

    這時候，中國廠商云智慧已經(jīng)著手研究AI，招聘了數(shù)十名研究生、博士和深入算法的工程師，看如何應(yīng)用于運維領(lǐng)域。按照云智慧總裁劉洪濤先生的說法，“當時也在深入研究人工智能的方方面面，差點重新造算法這個輪子了。”

 

    到了2017年左右，市面上所有做DevOps、自動化運維的廠商開始轉(zhuǎn)向AIOps，同時有大量初創(chuàng)企業(yè)涌現(xiàn)，不管真真假假。這些初創(chuàng)公司的核心團隊多來自大型互聯(lián)網(wǎng)企業(yè)，按照BAT自己建設(shè)AIOps的思路成立，其產(chǎn)品特點在于能夠滿足互聯(lián)網(wǎng)應(yīng)用場景和相對單一的云環(huán)境的需且，卻無法解決復(fù)    雜的傳統(tǒng)IT環(huán)境、異構(gòu)信息化系統(tǒng)和企業(yè)定制化的私有云環(huán)境的統(tǒng)一管理和智能運維的需求。

 

    而那些老牌的IT廠商呢，仍舊是為了滿足傳統(tǒng)IT場景下的IT資源管理、IT服務(wù)管理、IT 自動化等需求，偏向于用AI的思路解決底層設(shè)備的一鍵部署、一鍵升級等規(guī)模化、標準化的運維問題，而不是融為一體的AIOps。

 

    像Moogsoft、云智慧這類新型的AIOps平臺和解決方案，圍繞業(yè)務(wù)這個核心實現(xiàn)從底層設(shè)備、系統(tǒng)應(yīng)用、云環(huán)境、微服務(wù)到網(wǎng)絡(luò)環(huán)境、前端業(yè)務(wù)的完整交易鏈路追蹤、跨系統(tǒng)追蹤，更符合數(shù)字化轉(zhuǎn)型和混合IT的場景。這也是為什么Moogsoft能迅速成長，云智慧能獲得市場認可關(guān)鍵原因。

 

    市場開始變得微妙起來。

 

    技術(shù)難點1：如何抓取企業(yè)數(shù)據(jù)？

 

    如果說，運維的未來是AIOps，那么，為什么有些公司能做，而有些公司不能做呢？這與公司的戰(zhàn)略、市場和技術(shù)實力息息相關(guān)。

 

    從市場規(guī)模來說，整個AIOps市場緩慢啟動，預(yù)計到2020年左右隨著AI的普遍應(yīng)用而真正成熟。這意味著，對大公司而言，當前并不是一個上百億元、上千億元的大市場，不會關(guān)注。而對那些上百人的小公司而言，沒有一定的積累不會將未來“押”在這個未知的市場中，只有像云智慧、Moogsoft這類對運維有深度了解，一直深入研究并有大量客戶（包括傳統(tǒng)客戶和新興互聯(lián)網(wǎng)客戶）的公司才會往前邁一步。

 

    當然，并不是所有公司都能做AIOps，這里面還存在技術(shù)、部署和交付方面的問題，需要跨越幾個技術(shù)難點。

 

    首先，如何抓取企業(yè)內(nèi)部的數(shù)據(jù)。理論來說，數(shù)據(jù)（數(shù)量、類型）越多越好，顆粒度越小越好，數(shù)據(jù)質(zhì)量越高越好，但各個企業(yè)的軟硬件環(huán)境不同，導(dǎo)致獲取數(shù)據(jù)的難度較大。在信息化基礎(chǔ)較好，重視運維的企業(yè)中，各類數(shù)據(jù)相對容易獲取，這也是為什么金融類企業(yè)率先采用AIOps的原因之一：數(shù)據(jù)基礎(chǔ)好，效果容易凸顯。

 

    當前，隨著云計算的應(yīng)用、IoT的發(fā)展，傳統(tǒng)IT的邊界被打開，運維也從中心走向 “邊緣”，出現(xiàn)了更多終端、更多數(shù)據(jù)類型，即便強如IBM這樣的傳統(tǒng)IT公司也不可能將所有的數(shù)據(jù)采集完整。

 

并且，如何將所有的數(shù)據(jù)實時匯聚（抓取）到平臺也是一個大問題，沒有實時海量數(shù)據(jù)處理能力，是無法承擔這一重任的。特別是當故障發(fā)生時，成千上萬條告警信息在同一時間段蜂擁而至，更需要強悍的數(shù)據(jù)平臺和分析能力。

 

    而這對深耕網(wǎng)絡(luò)運維近10年、擁有PB級數(shù)據(jù)處理能力的云智慧來說，并不是問題。云智慧的做法是，以數(shù)據(jù)能力為基礎(chǔ)，擅長的領(lǐng)域（比如用APM在應(yīng)用中打入探針抓取性能數(shù)據(jù)）自己做，不擅長的領(lǐng)域與合作伙伴合作，通過開放的平臺將數(shù)據(jù)收集完整，包括數(shù)據(jù)的來源、數(shù)據(jù)的顆粒度大小、數(shù)據(jù)的種類等等，只要做好不同運維工具和ITSM工具之間的跨工具集成，才能讓AI有用武之地。

 

    技術(shù)難點2：如何搭建統(tǒng)一管控平臺？

 

    一旦數(shù)據(jù)匯集起來，這就涉及到第二個問題，如何構(gòu)建高度可擴展的統(tǒng)一管控平臺？

 

    從AIOps的落地形式來看，最終是搭建一個對用戶有價值的儀表盤（或叫做駕駛艙）。什么樣的數(shù)據(jù)該放在儀表盤上，這就需要根據(jù)客戶的需求決定。一般來說，CIO感興趣的是業(yè)務(wù)的健康程度，也就是系統(tǒng)的運行狀態(tài)，不要為業(yè)務(wù)帶來麻煩。而CEO關(guān)心的是，業(yè)務(wù)能否正常、高效運轉(zhuǎn)，IT為企業(yè)創(chuàng)造了多少價值。無論是CIO還是CEO，都不會“真正關(guān)心” IT的問題。這就需要運維廠商具有靈活定制能力。

 

    云智慧DOCP數(shù)字化運維中臺

 

    云智慧能為企業(yè)客戶抽取、展現(xiàn)不同類型的數(shù)據(jù)，以滿足不同用戶的需求。這涉及到數(shù)據(jù)抓取和關(guān)聯(lián)分析、對數(shù)據(jù)的分類和應(yīng)用，需要從結(jié)果導(dǎo)向?qū)?shù)據(jù)有洞察，做到提前預(yù)警和判斷。

 

這對運維廠商的數(shù)據(jù)處理能力、系統(tǒng)集成能力和方案實施能力提出了極高的要求：能否提供松耦合和模塊化的解決方案，能否具有通用的運維能力+行業(yè)定制能力。最根本考驗的是廠商對行業(yè)的理解和對產(chǎn)品、技術(shù)、解決方案的落地能力。

 

    技術(shù)難點3：如何更智能

 

    從前兩個階段來看，經(jīng)過了數(shù)據(jù)的采集、聚合之后，就要進入最關(guān)鍵，也是AIOps的核心所在：如何分析和解決問題？其實，這也是傳統(tǒng)運維工具的職能所在，不過是價值點發(fā)生了轉(zhuǎn)移，AI讓這一切更具有預(yù)判性和洞察力。

 

    這有幾個層面的事情。首先是AI具有洞察能力，牽扯到算法、算力和數(shù)據(jù)這三大因素。比如像云智慧擁有數(shù)十人的算法團隊鉆研算法的工程化應(yīng)用，這是和其他運維公司有本質(zhì)的不同。其次就是應(yīng)用什么樣的方法論，告訴用戶什么樣的結(jié)果，該怎么處理，如何在千萬條告警數(shù)據(jù)中準確發(fā)現(xiàn)異常？

 

    舉例來說，北京飛紐約的機票價格區(qū)間在3000元~13000元之間，波動很大，5000元的價格算不算異常？如果在淡季期間，這是正常價格。如果在圣誕期間，這就不正常。這其實就需要更多行業(yè)背景，通過對歷史數(shù)據(jù)的機器學(xué)習(xí)，有效的設(shè)定動態(tài)基線和動態(tài)告警閾值，第一時間發(fā)現(xiàn)指標的異常，通過根因分析準確定位到故障源頭，并把這一切根據(jù)事件的級別，第一時間呈現(xiàn)在運維、運營和管理者的面前。

 

    目前，AIOps平臺的ROI多是根據(jù)平均故障接手時間（MTTA）和平均故障修復(fù)（MTTR）時間這兩個指標來評估的，而云智慧在某證券行業(yè)頭部企業(yè)的智能運維項目中，MTTA從原來的25分23秒降低到4分16秒，MTTR從78分39秒降低到27分52秒。

 

    劉洪濤說：“用戶不關(guān)心通過什么算法生成動態(tài)基線，而需要供應(yīng)商幫忙解決實際場景的問題。云智慧為用戶提供場景化、工程化的智能運維解決方案，盡可能減少用戶的工作量，把AI的能力和大數(shù)據(jù)分析能力輸入到所有運維管理工具和流程中，為用戶呈現(xiàn)最有價值的結(jié)果。”

 

    核心是，如何擁有AI能力、如何讓AI能力通過AIOps平臺在運維體系中發(fā)揮最大價值、如何具有行業(yè)經(jīng)驗。

 

    總結(jié)：云智慧是否能勝出？

 

    說了這么多，基本你對AIOps的市場前景有一定了解，它是遵循數(shù)字化理念構(gòu)建的新一代運維，是智能化的運維，而不是消滅傳統(tǒng)運維。它可提供增強的分析能力和更具可操作性的數(shù)據(jù)，就像一個鏡頭，把數(shù)據(jù)集中到單一、連貫的跨域分析之中。

 

    我們從各個維度分析了AIOps的未來前景，那么作為中國代表性廠商，云智慧會如何發(fā)展？這里可以給幾個判斷。

 

    作為多年沉浸在運維領(lǐng)域的廠商，云智慧對這個市場足夠了解，對AIOps有判斷有預(yù)期還有行動。從理念來說，至少領(lǐng)先國內(nèi)廠商2~3年，幾乎與國外廠商齊頭并進。在這種理念驅(qū)動下，云智慧大力投入資金、人力和時間成本，已經(jīng)在市場中占據(jù)主動位置。

 

    其次，在技術(shù)、產(chǎn)品和解決方案一系列落地的過程中，云智慧基于多年積累的大數(shù)據(jù)處理能力和對AI的應(yīng)用實踐，已經(jīng)形成一套以DOCP數(shù)字化運維中臺為核心的智能運維產(chǎn)品解決方案，通過良好的開放性幫助企業(yè)實現(xiàn)后臺IT運維體系和前臺業(yè)務(wù)運營體系的打通和關(guān)聯(lián)，并逐步形成IT融合和IT驅(qū)動。

 

    最重要的是，云智慧這一套以AIOps為核心理念的數(shù)字化運維平臺可為用戶帶來更大的價值。當前已經(jīng)在金融、航空、物流、運營商、制造、房地產(chǎn)、零售快消等行業(yè)實現(xiàn)場景化落地。由于部署簡單、具有松耦合和模塊化等特點，可以讓用戶跳出過去狹隘的IT運維觀點，最大程度驅(qū)動業(yè)務(wù)價值，這恐怕就是更多新一代CIO和CEO們關(guān)心的問題了。