智能，服務，生態：華為調製的AIOps，味道有何不同？_風聞

追蹤AI技術這麼長時間，我們親眼見到了許許多多的職業，工作環境因AI而變得更好。

昔日在高空連續工作的吊車司機，變成了可以遠程操作的“空調哥”“空調姐”；曾經風裏來水裏去的巡檢工，工作強度因為智能監控系統而輕鬆了不少……

然而，還有一種隱形的重複類工作很容易被忽視，那就是IT運維。

可能在很多人眼裏，運維人員只需要在系統宕機、電腦壞了的時候擔任“救火隊員”即可。但隨着IT系統規模越來越大、網絡複雜度越來越高，傳統的運維工作正在變成了高強度且枯燥的工種。運維人員在日常巡檢中需要重複上千次抄表，每天要面對並處理成百上千次告警通知……

據説每個運維人入職時的期待，就是喝着咖啡做運維，蹺着二郎腿就把工作做好了。然而年復一年，儘管運維輔助工具也在迭代，但始終趕不上數字化進程快、企業業務變化大，別説“咖啡運維”了，晚上能少收到幾個告警工單就謝天謝地了。那麼，AI能為他們帶來改變嗎？

剛剛過去的華為全聯接大會上，華為就為企業運維人斟上了一杯“咖啡”，發佈了AIOps服務。

AIOps（智能運維）一直被看作是下一代運維模式，這杯由華為調製的運維“咖啡”，又是什麼味道的呢？

品味一番會發現，前調是智能，與AI相結合的AIOps帶來了顛覆傳統運維的體驗；中調是場景，智能技術與業務場景的有機結合，讓AIOps服務品起來更加和諧絲滑；後調是生態，要能兼容各種網絡協議、設備，才能讓不同口味的運維人員都收穫驚喜。

通過這杯咖啡，我們來一起品一品數字時代的運維之變。

前調：氤氲智能的香氣

我們都知道，AI尤其是機器學習算法，非常適合處理重複性、預測型、大數據的工作，恰好指向了當前運維工作的核心挑戰：

1.ICT網絡不斷迭代發展，系統日趨複雜，PB級海量數據成為常態，有的運營商甚至面臨2/3/4/5G四世同堂的網絡局面，運維對象越來越多，運維人員不得不忙於應付大量告警和重複工作，而無法將時間放在運維策略建構等更有創造力和價值的工作上；

2.新服務、新技術帶來了更多的維護場景和要求，容器化、虛擬化、分佈式服務、多雲管理等等，讓運維人員在故障定位、日常巡檢等工作中身心俱疲，面對問題時往往需要花費很長時間來決策，要保證系統的高可用、高可靠、高效率十分困難；

3.萬物互聯、千行百業的數字化升級，帶來了錯綜複雜的IT設施種類，從硬件到軟件如果沒有整合監控，運維工具各自孤立，缺少統一集中的監控管理機制，運維專家在統籌決策時也容易出現混淆，不得不處於時刻待命的“救火狀態”。

因此， Gartner在2016年提出的AIOps概念，即 Artificial Intelligence for IT Operations，倡導將人工智能應用於運維領域。有以下好處：

第一，AI智能體能夠從日常的運維大數據（日誌、監控信息、應用信息等）中總結規律，根據當前的環境自動分析；

第二，AI算法會在特定場景下，第一時間發現指標異常，進行故障精準分析與定位，自動觸發修復機制，將故障進行恢復，減輕運維人員的工作負擔；

第三，故障修復之後可以自動覆盤並沉澱為知識資產，進一步優化迭代算法，形成千人千面的智能運維工具。

由此，也就真正能將運維人員從重複性工作中解脱出來，讓“咖啡運維”的夢想照進現實。

中調：深入場景的甘甜

聽起來，AIOps簡直是運維人員的明日之光。Gartner也曾預測，到2022年AIOps 的採用率將會達到 50%。然而現實中，落地速度卻並不像預期中那樣迅猛。是什麼讓運維人員“只聞其香，難嘗其味”？一個詞：開發。

AIOps離不開人工智能兩大要素：數據與算法。一般來説，支撐業務的AIOps工具，需要結合企業自身的運維框架、策略，投入運維大數據，進行針對性的模型開發和訓練，才能保證算法的精準度。

但現實很骨感，企業中具備AI專業知識的綜合性運維人才十分稀缺，即便引進了相關人才，也需要花費大量時間來梳理多源異構的大數據，針對業務場景進行編碼開發，耗時不説，最終的模型效果還不一定理想，這些客觀問題都阻礙了AIOps在產業側的落地應用。

因此在華為全聯接大會上，華為正式發佈AIOps服務，聚焦網絡智能運維，降低AI開發門檻。此次發佈的AIOps服務有三個特點：

第一，紮根場景，適配需求。此次發佈的AIOps服務結合了華為30多年的網絡運維和場景理解經驗，覆蓋MBB/FBB、園區網絡、數據中心網絡、IT應用四大領域，和故障預測、檢測、診斷、識別等環節，異常識別與故障診斷準確率達90%，能夠滿足絕大多數企業的日常運維需求；

第二，簡單易用，降低門檻。華為AIOps服務沉澱了10多個開箱即用的智能APP模板，用户只需配置數據源，即可啓動APP運行，將AI應用的開發部署過程縮短到分鐘級；預集成了20多個高質量的AI原子能力，覆蓋預測、檢測、診斷、識別等網絡運維場景，只需要簡單拖拽，系統就能自動完成節點間的數據銜接，自動推薦下個節點，不需要用户從組件庫中反覆篩選驗證，大大降低了應用開發門檻。

第三，可視化定製，提升效率。華為AIOps服務還提供了80多個2D/3D可視化組件，開發人員很輕鬆就能DIY出一個包含趨勢、報表、網絡關係等元素的可視化大屏，讓業務結果直觀、快速地呈現出來，有效減少運維人員決策、處理的時間，並確保資產的整體管理和精細化運維，可以提升業務系統的SLA，為企業降本增效，讓運維數據這一重要資產發揮出更大的價值。

説了這麼多，大家一定很好奇：AIOps到底怎麼用？我們可以看一個真實的運維案例，瞭解AIOps服務如何給企業和用户帶來價值。

試想一下，如果一個用户剛剛辦理了尊貴的5G套餐，卻突然間上不了網，運營商會不會就此損失一個高端客户？隨着核心網承載量越來越大，監控指標多，傳統靜態閾值檢測存在漏報誤報的問題，一旦出現故障沒有及時排除，對用户體驗影響極大。

去年7月10日，某供應商將DNS腳本的指向配置錯誤，影響了某運營商8個城市2000多5G用户數據業務。幸好藉助華為核心網KPI異常檢測APP，提前5小時發現了問題，併發送了告警短信，降低了業務損失，保證了5G高端用户的網上衝浪體驗。

異常檢測精度高，故障定位回覆效率高，智能運維應用適配業務場景，變被動響應為主動運維……這正是華為AIOps服務的價值所在。

後調：擴散生態的温度

而更進一步，華為賦予了AIOps悠長的後調，即建構了值得長期品味的AI生態。

在本屆華為全聯接大會中，華為網絡人工智能產品部AI模型與訓練服務部部長王晶提到，“華為AIOps旨在降低ICT領域AI應用開發門檻，將AI技術帶入運維預測、檢測、診斷、識別、優化等每個環節，賦能合作伙伴創新，共同建設智能運維生態，實現商業成功”。

這杯甄給運維人的“咖啡”，為什麼需要聚生態之力來打造？歸根結底源於華為對運維行業的深度把脈：唯有眾智共創，才能快速推動智能運維AIOps時代的到來。

運維市場前景廣闊，根據艾瑞諮詢的預測，2021年中國IT服務有望突破萬億元大關，其中IT運維市場規模將達2941.2億元。這也就導致很多廠商看中了這塊“蛋糕”，紛紛進入，行業創新和實踐不斷湧現。但跨廠家主流設備無法互通，多層次協同難以形成，最終影響的還是客户體驗，從而延緩了智能運維的落地部署。要解決這一問題，就需要以開放心態實現共享，以生態模式促進共同獲益，進而推動智能運維進入良性發展階段。

所以我們注意到，華為AIOps服務另一個餘韻悠長的操作就是：開放。

首先，向跨廠家設備自開放。華為AIOps服務實現了主流設備的自動對接，支持SFTP、Kafka、Rest等通用採集協議，支持華為30類網元、跨廠家100多種主流設備的自動對接，可以滿足端管雲的數據採集需求；

其次，向企業人才、合作伙伴開放。華為自身技術資源向全球企業、運維開發工程師、合作伙伴開放，利用華為的技術、AI原子能力等，可以低門檻、零代碼地開發更多運維應用，構建自身的運維服務能力，開發獨特的運維服務，生機勃勃的應用開發生態快速崛起，將為智能運維的工具創新、能力擴展，打下堅實基礎。

今天，數字化轉型是中國經濟發展、產業升級的最強音，少了高質量、高效率的運維能力，數字化就猶如沙上聚塔，顯得尤為脆弱。從這個角度看，運維人員也早已不再是邊緣化的“救火隊員”，而是網絡安全穩健運行、系統性能最優化、組織生產力最大化的“神助攻”。

而華為打造的智能底座，正有力地託舉着運維人的智能憧憬，讓他們終於能夠放心地飲下這杯香氣四溢的“咖啡”。