探索基于大數據分析技術的智能運維體系

鐘茂年

（中興通信股份有限公司，深圳 518057）

整體而言，我國互聯網金融的發展起步較晚，運維體系有很大的改進空間，將大數據技術融合到智能運維體系中，可以挖掘數據的潛在價值，并且實時進行監控，做好事前預測和事故處理工作。針對傳統運維方式的不足之處，本文從新的角度對智能運維體系進行了研究，具有一定的積極意義。

1 大數據分析技術智能運維體系的構建

目前，IT 運維環境日益復雜，需要管控的對象日益龐大，傳統的運維體系在應用過程中顯得捉襟見肘，所以需要應用大數據分析技術構建智能運維體系。

1.1 采集

本文以某工商銀行的管理系統為例，并且采訪了相關的專家，根據專家的意見，確定了模型的數據范圍，比如登錄日志、交易日志等，以2017年1 ～12月的數據為主要參考對象，在此基礎上進行了加工處理，并且分為登錄、登出、失敗、交易和異常五大指標，然后對這些指標進行匯總，建立了相關的時間序列。

1.2 探索

在對數據進行探索時，需要將數據進行分類，比如分為訓練集、驗證集等，并且對五大指標進行觀察，可以選擇10分鐘為一個時間粒度。經過探索發現，工作日的上午和下午都會有兩個波峰，趨勢相似，但是幅度有所區別，而非工作日，比如周末、法定假日等，交易量明顯減少。如果系統出現故障，那么交易量會急速下降，而當故障解除后，交易量會逐漸回到正常水平。因為系統日志記錄存在一定的誤差，也沒有對出現異常的原因進行分析，加上登錄失敗可能是由于密碼錯誤引起的，所以本文以登錄、登出和交易這三大指標為主要研究對象。

2 大數據分析技術智能運維體系的拓展

2.1 開發

首先，要對數據進行預處理和預分析，可以通過數據的集合，觀察系統亞健康狀態時變量的情況和特征，找到規律。一般而言，系統發生故障時，系統變量會有所降低，而且在故障發生之前，這種降低已經出現，只是比較緩慢，需要經過多個周期。

其次，要建立參考區間，對歷史數據進行全面的分析，確定不同時間段內變量的波動區間。為了保證序列能夠進行對比，我們需要將數據進行統一的處理，形成標準數據。公式為Vit=Iit/ηit，其中Iit 指的是t 時刻第i 個變量的輸入值，而ηit 指的是標準化系數，也就是均值，而Vit 指的是經過處理后的變量值，也是頻數相對率。

再次，因為變量標準化需要獲取當日均值，而在進行實時監控時，要引入因子指標，計算出不同時刻頻數占總頻數的比值。一般而言，上班時間開始時，系統的變異系數相對較低，約等于0.2。

最后，在預警信號的產生方面，需要對變量的相對值和邊界值進行加權計算，這樣能夠提高信號的準確性。對于一些突發式的故障或者是黑客的攻擊等，該系統并不適用，所以在應用的過程中，還要具體情況具體分析。

2.2 檢驗

在對智能運維體系模型進行檢驗時，需要做好概念的分析工作，比如系統故障，假設15個工作日，其中有8次波形異常，而系統亞健康狀態發生時間在波形異常之前，如果缺乏記錄，就會影響頻數最低點記錄的真實性，而且會產生較大的誤差。至于波形異常，包括波形顯著上升、顯著下降和平穩時間過長三類。經過檢驗，發現故障點共有13個，有10次識別成功并且進行了預警，而波形異常情況共有20次，有18次成功識別。在對信號進行統計后，發現智能運維體系的準確率為77%，漏報率為23%，而且預報的平均時間比故障時間提前了將近半小時，能夠很好地保證系統運行的效果，并且為故障的及時解決爭取到了寶貴的時間[1]。

2.3 應用

大數據分析技術智能運維體系的流程如圖1所示，在模型應用過程中，發現能夠準確預測和判斷系統的亞健康狀態，尤其是在2017年10月份，系統運行出現高峰，在這一期間運維體系發揮了得天獨厚的優勢，對故障進行了多次預警，幫助和協調工作人員順利完成維護工作，減少了可能出現的損失。

圖1 大數據分析技術智能運維體系

3 大數據分析技術智能運維體系的優化

為了保證智能運維體系達到最佳效果，對所有故障都能夠進行準確的判斷和預警，需要從以下三方面入手：

第一方面，擴大數據來源。在數據采集方面，要打破縱向和橫向的局限，擴大數據的周期，比如選擇十一五期間某銀行的數據，這樣可以減少系統用戶行為受到季節或者是特殊日期的影響，從而保證結果的真實性。另外，可以對數據進行分類，分為管控數據、配置數據、作業數據、容器數據以及集成數據等，同時還要做好故障的定位工作。

第二方面，豐富算法規則。可以引入新的變量，然后結合關鍵指標的變化情況，建立決策樹或者是使用神經網絡算法，提高預測結果的精度，降低外界因素的干擾。如果輸入和輸出存在正相關的關系，那么就可以對向量進行分解，然后調節各個分量之和的參數，讓最終結果能夠接近真實結果，如圖2所示。

第三方面，結合專業經驗。在對數據進行定量分析和定性分析時，不能停留在表面，而是需要與大數據領域的專家進行溝通和交流，并且根據故障發生的場景，總結出故障的特點，然后形成模型，這樣能夠保證當再次發生同樣的故障時，可以及時采取既有的故障解決措施進行解決[2]。

圖2 神經算法

4 大數據分析技術智能運維體系的保障

4.1 定位

對于金融機構而言，如果想要保證大數據分析技術智能運維體系正常運行，需要做好定位工作，尤其是要明確智能運維體系的特點以及能夠取得的效果。另外，還要注意執行的方式，是選擇個性化還是側重于安全，是兼顧效率和安全，還是強調體系的整體性。從客觀角度看，隨著大數據分析技術的日益成熟，智能運維體系在金融機構日常運行和管理的重要性日益凸顯，所以安全問題逐漸受到人們的重視，所以在明確體系定位上，既要從整體角度考慮問題，也要確保體系的安全[3]。

4.2 規范

對于智能運維體系所需要和涉及的信息，要做好統一工作，比如用戶信息、口令信息等，并且做好監控和管理工作，尤其是要做好實時更新工作。在信息認證方面，眾所周知，身份認證十分關鍵而且必不可少，如何對用戶信息進行集中管理，是一項十分艱巨的任務，稍有不慎，可能會與監管工作存在一定的沖突，而且進行改動時，可能涉及密碼保存的形式，所以需要認真考慮。另外，在流程和權限方面，也要從全局的角度考慮，避免對整個金融機構的運營產生不良影響。雖然智能運維體系能夠起到很好的預警作用，但是由于金融機構的活動眾多，客戶廣泛，所以必須要規范金融活動的流程，而且要明確工作人員的責任，做好分工，比如在授權方面，需要金融機構領導批準和簽字，工作人員未經許可，不得從事權限以外的活動。

4.3 人員

無論是管理人員，還是技術人員，都要提高自身工作水平和素質，保障智能運維體系的穩定運行。在過去很長一段時間內，由于工作人員水平低下，導致金融機構蒙受損失的情況時有發生，所以要對這類人員進行培訓，提高他們的能力，打造素質過硬的員工隊伍，同時也要做好宣傳工作，讓智能運維體系深入人心，在機構和單位內部形成良好的氛圍和環境。只有工作人員了解智能運維體系的特點，才能真正提高運維水平，并且提高服務水平。

5 結束語

綜上所述，基于大數據分析技術的智能運維體系在應用過程中取得了很好的效果，提高了系統預警的質量，保證了系統的穩定運行，極大地減輕了工作人員的負擔和壓力。但是在具體的應用過程中，還有很大的提升空間，所以在未來的發展中，智能運維體系還需要不斷豐富內容和形式，與時俱進。