設想一下，如果北京市600多萬機動車保有量的交通出行沒有有效的運營指揮與管理，那會形成什么景象?恐怕帶來的不僅是擁堵，大規(guī)模的交通違章與事故也在所難免。
與此類似，數字世界的IT運維如同城市的智慧交通管理，目的要確保高質量、高效率的業(yè)務系統(tǒng)運行，提高服務可用性。然而理想很豐滿，現(xiàn)實很骨感。
和現(xiàn)實中市民時常遇到交通堵塞時產生的抱怨一樣，在線上IT業(yè)務出現(xiàn)不穩(wěn)定、甚至宕機時，運維人員的噩夢也就來了，業(yè)務人員指責、領導不滿再正常不過。
如何改變這一現(xiàn)狀，運維人員渴望喝著咖啡搞運維，而不再是不斷奔波救火。其實為了實現(xiàn)這一目標，業(yè)內進行了諸多探索。從最早的人工命令行運維到系統(tǒng)化工具運維，再到自動化運維，可以說，運維的自動化程度在不斷升級。不過，這離運維人員要達到的目標還有很長的距離。
數字化運維之難
之所以說離喝著咖啡搞運維的目標還有很遠，是因為現(xiàn)實中數字化運維面臨諸多難題，說起來這和交通治理難題很像。
首先以運營來說，數據分散在各個運維系統(tǒng)中，未進行統(tǒng)一的管理，一個個“煙囪”的樹立在企業(yè)很是常見，這也就導致運維數據的價值未能充分利用;其次在運維方式上，各個部門使用各自運維工具，“七國八制”現(xiàn)象嚴重，未能實現(xiàn)多部門運維能力的共享，更談不上統(tǒng)一監(jiān)控運維;第三在運維手段上，傳統(tǒng)的運維工具和方法都只能在故障發(fā)生時發(fā)出告警并進行提醒，“事后諸葛”無法最大化運維的價值。
如何消除這些難題，Gartner曾提出AIOps理念，目的是利用機器學習、AI等技術提升運維的智能化水平，甚至是“無人值守”。怎么去實現(xiàn)?一個踐行AIOps理念的統(tǒng)一運維平臺尤為重要，華為就推出了這樣的平臺。
華為I?MOC將運維推向智能
面向新技術、新場景和新應用的運維創(chuàng)新，是未來數字化轉型的必然選擇。為此，華為I?MOC(Intelligent Maintenance and Operation Center)統(tǒng)一運維平臺，以“監(jiān)、管、控、營、服”五大智能運維管理體系，帶來全新的“可視、智能、易用”運維體驗，并將運維能力推向智能化水平。
首先來說，為什么華為I?MOC能將運維推向智能?
華為I?MOC包含了“監(jiān)、管、控、營、服”五大能力，具體有eWatch集中監(jiān)控平臺、eCMDB配置管理系統(tǒng)、eOps統(tǒng)一操作自動化平臺、eSee運維數字化平臺和eTicket工單服務系統(tǒng)。
“管”把所有資源進行統(tǒng)一登記，打破煙囪，不同于傳統(tǒng)的孤立和單點式運維，I?MOC構建了覆蓋機房、基礎設施、網絡、數據、應用、安全的一體化運維體系。eCMDB實現(xiàn)了配置實時動態(tài)更新，并打造了按需隨享、高性能、高質量的配置可視數據服務，讓配置像云一樣按需隨享。
“監(jiān)”實時把握IT資源運行狀況，運維監(jiān)控中心全局查看所有對象的告警狀態(tài)。“告警查看”深入分析告警詳細情況，“性能看板”實時更新對象運行狀態(tài)，“運維監(jiān)控場景”實現(xiàn)對象關系圖形定義和實時數據綁定到拓撲……總之來說，eWatch運維集中監(jiān)控平臺實現(xiàn)了7*24H無縫值守，秒級告警監(jiān)控，極速性能感知，故障自動通知，智能修復自愈。
“控”和“服”處理運維產生的問題：eOps統(tǒng)一操作自動化平臺實現(xiàn)可編程、可配置、自主調度執(zhí)行，通過標準化的開發(fā)框架及服務API，支撐外圍豐富的應用生態(tài)圈;eTicket工單服務系統(tǒng)結合ITIL、DevOps理念，內置符合日常運維工作需要的流程場景，支持根據實際維護需求進行流程自定義調整，提升流程處理的協(xié)作能力。
"營“把所有資產、資源的使用狀況、運行狀況以及健康狀況集中可視化展示。如同面向運維管理人員的“駕駛艙”，eSee運維數字化平臺拉通各維度運營數據，打破互聯(lián)信息孤島，提供可視化、自動化、智能化的運維數字化服務，實現(xiàn)“毛細血管級”的資產運維數字化，讓運維人員做到心中有數。
其次，為什么說華為I?MOC帶來了全新運維體驗?
華為I?MOC構建了統(tǒng)一在線可視化平臺，實現(xiàn)全網資源實時可視;通過建設專業(yè)智能平臺，固化專家經驗、流程，I?MOC實現(xiàn)“機器”運維“機器”，從而解放人力;I?MOC還內置了20+類標準，支持業(yè)務拖拽式“私人定制”，提升易用水平。
其中尤其在“機器”運維“機器”方面，I?MOC通過在高度完善的運維自動化基礎之上，通過機器學習不斷從運維大數據如日志、監(jiān)控信息、應用信息等中提煉和總結規(guī)則，進而做出智能化的分析決策達到運維系統(tǒng)的整體目標，以機器自判、自斷和自決提升智能運維水平，這也是實現(xiàn)AIOps的關鍵能力支撐。
華為將三十年運維經驗能力復制到更多企業(yè)
將運維推向智能，并帶來全新運維體驗，華為為什么能做到?這離不開多年實踐經驗中的沉淀。
伴隨華為自身的發(fā)展歷程，從人拉肩扛的救火式運維，到分散式運維，到自動化、平臺化運維，到服務化、數字化運維，華為積累了豐富的運維轉型經驗。當前，華為運維支撐了全球200多個數據中心、5萬多個機柜、30萬臺服務器、1000+PB的數據、百萬級VM和多個異構云環(huán)境，800多項業(yè)務的正常運轉，使得人機維護比達到1:8000，用“喝著咖啡搞運維”來形容一點都不為過。
現(xiàn)在，華為將這些實踐經驗沉淀開放出來，并運用于客戶運維場景中。例如，某客戶通過部署華為I?MOC運維平臺，將全局14套網管平臺整合到一個統(tǒng)一運維平臺中，統(tǒng)一接入的設備數量超過10萬，實現(xiàn)自動告警和派單，運維效率提升3倍。
在運維能力提升過程中，最為重要的是，運維體系需要伴隨數字化轉型不斷同步與升級，否則又容易出現(xiàn)運維之痛的循環(huán)。如今AIOps概念的誕生，就是伴隨智能技術的發(fā)展應運而生，但實現(xiàn)AIOps運維，需要有足夠的技術實力、資源和數據錘煉。而業(yè)內像華為這樣有著龐大的業(yè)務和資源體量的企業(yè)少之又少，所以，華為能夠將三十年運維實踐經驗復制到更多的企業(yè)，讓運維難題迎刃而解。
免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
