張兵 林華南 劉軻 余靖

摘要：（目的）探索智能運(yùn)維平臺(tái)在業(yè)務(wù)應(yīng)用系統(tǒng)運(yùn)維中的應(yīng)用，推動(dòng)運(yùn)維管理由傳統(tǒng)的人工模式向智能運(yùn)維模式轉(zhuǎn)變，逐步達(dá)到業(yè)務(wù)應(yīng)用系統(tǒng)的智能運(yùn)維，實(shí)現(xiàn)故障自愈。（方法）通過人工智能（AI）、機(jī)器學(xué)習(xí)對(duì)運(yùn)行故障進(jìn)行建模分析，形成業(yè)務(wù)應(yīng)用系統(tǒng)的故障診斷決策支持模型，再對(duì)模型不斷優(yōu)化和完善，結(jié)合運(yùn)維專家決策知識(shí)庫(kù)，實(shí)現(xiàn)系統(tǒng)故障自愈。（結(jié)果）智能運(yùn)維平臺(tái)在業(yè)務(wù)應(yīng)用系統(tǒng)的應(yīng)用，將機(jī)器學(xué)習(xí)與運(yùn)維難題相結(jié)合，實(shí)現(xiàn)智能運(yùn)維成果落地，為實(shí)現(xiàn)業(yè)務(wù)應(yīng)用系統(tǒng)的“自動(dòng)駕駛”做出了大膽嘗試和探索。（結(jié)論）智能運(yùn)維平臺(tái)的應(yīng)用提高了業(yè)務(wù)應(yīng)用系統(tǒng)的可用性，增強(qiáng)了系統(tǒng)性能和系統(tǒng)健壯性，降低了運(yùn)維成本，提升了系統(tǒng)運(yùn)行效率和智能化程度。

前言

業(yè)務(wù)應(yīng)用系統(tǒng)傳統(tǒng)運(yùn)維方式是在系統(tǒng)部署上線后，通過固定周期的人工巡檢方式保障系統(tǒng)的平穩(wěn)運(yùn)行。這種傳統(tǒng)方式，一方面需要硬件、網(wǎng)絡(luò)、系統(tǒng)、中間件、數(shù)據(jù)庫(kù)等不同技術(shù)專業(yè)的工程師協(xié)作共同完成，另一方面在兩個(gè)巡檢周期或非工作時(shí)間產(chǎn)生的故障不能及時(shí)得到有效處理。智能運(yùn)維平臺(tái)將人工智能和大數(shù)據(jù)等技術(shù)手段應(yīng)用到業(yè)務(wù)應(yīng)用系統(tǒng)的運(yùn)行維護(hù)，更好的實(shí)現(xiàn)系統(tǒng)智能化運(yùn)維程度。本文主要探討智能運(yùn)維平臺(tái)在業(yè)務(wù)應(yīng)用系統(tǒng)運(yùn)維中的應(yīng)用與實(shí)踐。

1業(yè)務(wù)應(yīng)用系統(tǒng)運(yùn)維面臨的問題

1.1 ?業(yè)務(wù)應(yīng)用系統(tǒng)基礎(chǔ)運(yùn)行環(huán)境龐大，運(yùn)維工作量大

業(yè)務(wù)應(yīng)用系統(tǒng)的基礎(chǔ)運(yùn)行環(huán)境由純物理機(jī)數(shù)據(jù)庫(kù)集群環(huán)境、基于 ESXi 主機(jī)的虛擬化集群環(huán)境、基于消息中間件MQ的數(shù)據(jù)交換環(huán)境、基于虛擬帶庫(kù)的集中備份環(huán)境、基于雙中心讀寫分離的容災(zāi)備份環(huán)境、基于業(yè)務(wù)骨干網(wǎng)和外網(wǎng)的網(wǎng)絡(luò)環(huán)境、基于安全設(shè)備和日志審計(jì)系統(tǒng)的安全審計(jì)環(huán)境組成，由于不同的環(huán)境下均有系統(tǒng)要保證持續(xù)的運(yùn)行，對(duì)于不同的環(huán)境各有不同的運(yùn)維要求，對(duì)整體的系統(tǒng)運(yùn)維帶來(lái)了很大的壓力。

如此多的硬件及網(wǎng)絡(luò)安全設(shè)備，僅僅完成日常的巡檢就需要非常多的工作量，給系統(tǒng)運(yùn)維帶來(lái)了巨大挑戰(zhàn)，同時(shí)也需要多名不同專業(yè)運(yùn)維工程師，并且對(duì)運(yùn)維工程師的技術(shù)能力也有很大的要求。

1.2 業(yè)務(wù)應(yīng)用系統(tǒng)的技術(shù)架構(gòu)復(fù)雜，運(yùn)維難度大

業(yè)務(wù)應(yīng)用系統(tǒng)的技術(shù)架構(gòu)極其復(fù)雜，既有傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)，也有大量非結(jié)構(gòu)化數(shù)據(jù)。技術(shù)路線涉及MySQL、Gbase數(shù)據(jù)庫(kù)以及NAS（網(wǎng)絡(luò)存儲(chǔ)）等文件保存技術(shù)，緩存數(shù)據(jù)采用內(nèi)存數(shù)據(jù)庫(kù)REDIS，應(yīng)用中間件采用 TOMCAT、NGINX，終端設(shè)備 APP移動(dòng)端開發(fā)支持Android、IOS 系統(tǒng)，還涉及消息中間件 MQ、ElasticSearch 全文搜索和分析引擎、微服務(wù)框架、深度學(xué)習(xí)框架、工作流引擎、爬蟲框架等技術(shù)架構(gòu)。復(fù)雜的技術(shù)架構(gòu)極造成運(yùn)維難度大，對(duì)運(yùn)維人員的技術(shù)能力要求較高。

1.3 ?業(yè)務(wù)應(yīng)用系統(tǒng)的業(yè)務(wù)環(huán)節(jié)多，故障風(fēng)險(xiǎn)點(diǎn)多

業(yè)務(wù)應(yīng)用系統(tǒng)從互聯(lián)網(wǎng)端采集或爬取海量信息，利用MQ通道傳輸?shù)狡脚_(tái)的數(shù)據(jù)清篩程序，并將處理后的數(shù)據(jù)集中存儲(chǔ)。數(shù)據(jù)清篩程序根據(jù)數(shù)據(jù)主題類型、數(shù)據(jù)結(jié)構(gòu)化與非結(jié)構(gòu)化類型進(jìn)行分歸并整合，分類入庫(kù)到相應(yīng)的主題數(shù)據(jù)庫(kù)中，同時(shí)將處理狀態(tài)回寫到數(shù)據(jù)庫(kù)記錄中。上層應(yīng)用可根據(jù)不同主題數(shù)據(jù)分類查詢、分析、通知。通過此數(shù)據(jù)分揀存儲(chǔ)方式不僅能滿足復(fù)雜的業(yè)務(wù)數(shù)據(jù)流轉(zhuǎn)和訪問需求，且能通過不同主題庫(kù)的分類處理方式提高業(yè)務(wù)應(yīng)用數(shù)據(jù)的處理效率。但是，數(shù)據(jù)處理流程環(huán)節(jié)多，也增加了系統(tǒng)的故障點(diǎn)，增加了運(yùn)維工作量。

2智能運(yùn)維平臺(tái)需要解決的實(shí)際問題

2.1 ?實(shí)現(xiàn)自動(dòng)化巡檢

通過任務(wù)調(diào)度引擎為業(yè)務(wù)應(yīng)用系統(tǒng)提供全天候的自動(dòng)化巡檢。自動(dòng)化巡檢任務(wù)會(huì)在科學(xué)合理的時(shí)間，基本覆蓋工作時(shí)段及非工作時(shí)段。保證早上工作時(shí)間前進(jìn)行一次巡檢，工作時(shí)間自動(dòng)巡檢頻率設(shè)置的高一些，非工作時(shí)間巡檢頻率設(shè)置的低一些。自動(dòng)巡檢完成后自動(dòng)生成健康巡檢報(bào)告，通過運(yùn)維動(dòng)態(tài)展示巡檢報(bào)告，也可以根據(jù)系統(tǒng)設(shè)置給運(yùn)維組內(nèi)的工程師發(fā)郵件或短信。保證每天早上完成巡檢后，將巡檢報(bào)告總結(jié)以短信發(fā)送給運(yùn)維組的運(yùn)維工程師手機(jī)。

2.2 實(shí)現(xiàn)系統(tǒng)智能運(yùn)維（自動(dòng)駕駛）

通過智能運(yùn)維模型的不斷優(yōu)化和完善，結(jié)合運(yùn)維專家決策知識(shí)庫(kù)，逐步達(dá)到業(yè)務(wù)平臺(tái)的智能運(yùn)維，實(shí)現(xiàn)故障自愈，為系統(tǒng)的“自動(dòng)駕駛”進(jìn)行大膽的嘗試和探索。

2.3 ?實(shí)現(xiàn)運(yùn)維動(dòng)態(tài)展示

通過足夠豐富的數(shù)據(jù)可視化工具，實(shí)現(xiàn)多層級(jí)運(yùn)行展示，實(shí)現(xiàn)智能運(yùn)維動(dòng)態(tài)展示，可以實(shí)現(xiàn)三級(jí)的數(shù)據(jù)下鉆，主要內(nèi)容包括：平臺(tái)運(yùn)行總覽、監(jiān)控儀表板、報(bào)警故障結(jié)果展示、故障詳細(xì)信息下鉆、運(yùn)行趨勢(shì)分析、數(shù)據(jù)地圖、故障分析、事件統(tǒng)計(jì)等功能。對(duì)于固有安全數(shù)據(jù)做出的分析行為，也可以借助運(yùn)維決策知識(shí)庫(kù)為其提供的分析方式展開對(duì)比，進(jìn)而達(dá)到提高運(yùn)維決策準(zhǔn)確性的目的。

對(duì)已經(jīng)完成數(shù)據(jù)采集的運(yùn)維數(shù)據(jù)進(jìn)行全面、細(xì)顆粒數(shù)據(jù)挖掘與分類，可以按照不同維度對(duì)現(xiàn)有數(shù)據(jù)加以分類，按照360全視角結(jié)合運(yùn)維專家知識(shí)庫(kù)進(jìn)行運(yùn)行健康狀況分析，分析系統(tǒng)運(yùn)行趨勢(shì)，以趨勢(shì)圖、數(shù)據(jù)地圖等可視化分析展示形式進(jìn)行運(yùn)維動(dòng)態(tài)整體展示。

2.4 報(bào)警事件生成

通過平臺(tái)可視化展示、提示音、郵件、短信等多種手段實(shí)時(shí)反映運(yùn)行狀況及安全性，保證安全預(yù)警功能質(zhì)量，進(jìn)一步減少IT資源發(fā)生故障和安全運(yùn)行狀態(tài)受到破壞的情況發(fā)生，全面降低故障導(dǎo)致的各種不必要損失現(xiàn)象。

實(shí)現(xiàn)報(bào)警智能生成功能，主要包括：各種網(wǎng)絡(luò)報(bào)警事件的及時(shí)生成、操作系統(tǒng)自動(dòng)報(bào)警事件的及時(shí)生成、現(xiàn)有數(shù)據(jù)庫(kù)自動(dòng)報(bào)警事件的及時(shí)生成、最終報(bào)警結(jié)果分析報(bào)表數(shù)據(jù)的計(jì)算功能等[1]。

2.5 ?報(bào)警規(guī)則配置

初步實(shí)現(xiàn)了對(duì)固有報(bào)警規(guī)則的靈活配置和展示管理，能夠保證實(shí)現(xiàn)報(bào)警規(guī)則配置有效性，主要包括：規(guī)則設(shè)置、閥值設(shè)置、運(yùn)維工程師設(shè)置以及報(bào)警方式設(shè)置等方面的功能。

2.6 數(shù)據(jù)提取

將采集到的各種運(yùn)維數(shù)據(jù)進(jìn)行科學(xué)計(jì)算并加工，使其能夠統(tǒng)一納入數(shù)據(jù)庫(kù)中，進(jìn)而實(shí)現(xiàn)運(yùn)維數(shù)據(jù)提取作用，主要包括：數(shù)據(jù)校驗(yàn)、運(yùn)維數(shù)據(jù)過濾、運(yùn)維數(shù)據(jù)運(yùn)算等諸多相關(guān)功能。

2.7 ?運(yùn)維數(shù)據(jù)管理

運(yùn)維數(shù)據(jù)在經(jīng)過嚴(yán)格的統(tǒng)計(jì)計(jì)算、資產(chǎn)計(jì)算、規(guī)則關(guān)聯(lián)分析計(jì)算后，能夠科學(xué)合理的對(duì)各種安全事件性質(zhì)以及處理級(jí)別做出確定，并將其作為展示平臺(tái)系統(tǒng)中的基礎(chǔ)數(shù)據(jù)內(nèi)容。

實(shí)現(xiàn)運(yùn)維數(shù)據(jù)采集的有效管理，將采集數(shù)據(jù)按照操作系統(tǒng)、數(shù)據(jù)庫(kù)、業(yè)務(wù)應(yīng)用系統(tǒng)分類后，作為運(yùn)維管理人員排查問題或處理問題的資料依據(jù)。

3智能運(yùn)維平臺(tái)的設(shè)計(jì)

3.1 ?技術(shù)架構(gòu)設(shè)計(jì)

智能運(yùn)維平臺(tái)UI開發(fā)采用JAVA，數(shù)據(jù)采集及輪詢采用 Python 語(yǔ)言，平臺(tái)數(shù)據(jù)庫(kù)采用MySQL8.0，系統(tǒng)架構(gòu)采用微服務(wù)框架、深度學(xué)習(xí)框架、工作流引擎、爬蟲框架;應(yīng)用架構(gòu)采用TOMCAT、NGINX;非結(jié)構(gòu)化數(shù)據(jù)保存采用 NAS（網(wǎng)絡(luò)存儲(chǔ);配置文件格式采用YAML;監(jiān)控對(duì)象操作系統(tǒng)支持Linux和Windows;

3.2 ?性能設(shè)計(jì)

設(shè)計(jì)運(yùn)維能力達(dá)到納管500臺(tái)主機(jī)，處理效率高，擴(kuò)展性好。

3.3 ?標(biāo)準(zhǔn)化、規(guī)范化設(shè)計(jì)

標(biāo)準(zhǔn)化和規(guī)范化是智能運(yùn)維平臺(tái)設(shè)計(jì)的基礎(chǔ)和關(guān)鍵點(diǎn)。確定運(yùn)維標(biāo)準(zhǔn)基線，不標(biāo)準(zhǔn)的一概進(jìn)行整改。設(shè)計(jì)基礎(chǔ)平臺(tái)運(yùn)維與業(yè)務(wù)運(yùn)維相結(jié)合，對(duì)運(yùn)維進(jìn)行專業(yè)細(xì)化，并制定相關(guān)標(biāo)準(zhǔn)。

3.4 功能設(shè)計(jì)

智能運(yùn)維平臺(tái)由基礎(chǔ)運(yùn)維平臺(tái)和業(yè)務(wù)運(yùn)維平臺(tái)兩部分組成。其中，基礎(chǔ)運(yùn)維平臺(tái)包括：系統(tǒng)監(jiān)控平臺(tái)、任務(wù)調(diào)度引擎兩部分;業(yè)務(wù)運(yùn)維平臺(tái)包括：數(shù)據(jù)可視化展示、運(yùn)維決策支持知識(shí)庫(kù)、運(yùn)維趨勢(shì)分析、故障自愈機(jī)器人四個(gè)部分。

3.5 ?接口設(shè)計(jì)

設(shè)計(jì)一套標(biāo)準(zhǔn)接口，采用JAVA提供開放式Restful API 接口。

3.6 機(jī)器學(xué)習(xí)設(shè)計(jì)

機(jī)器學(xué)習(xí)的語(yǔ)言采用 Python、JAVA。學(xué)習(xí)算法采用線性回歸算法、決策樹算法和隨機(jī)森林算法。模型選擇與評(píng)估采用交叉驗(yàn)證，框架采用 TensorFlow。

運(yùn)維決策模型庫(kù)的一個(gè)模型，根據(jù)參數(shù)判斷，提供是否需要重啟服務(wù)器的決策，解決當(dāng)下嚴(yán)重的運(yùn)行故障。

服務(wù)器數(shù)據(jù)集，就是服務(wù)器運(yùn)行數(shù)據(jù)的集合。其中每一條單獨(dú)的運(yùn)行數(shù)據(jù)被稱為樣本。數(shù)據(jù)樣本在數(shù)據(jù)集中都是相對(duì)獨(dú)立的。每個(gè)樣本都有許多屬性或者特征，特征所具有的值就稱為特征值。

服務(wù)器特征一般包括如下特征：

服務(wù)器上線時(shí)間、服務(wù)器歷史故障率、服務(wù)器計(jì)算資源、服務(wù)器容量，硬件運(yùn)行狀態(tài)、網(wǎng)絡(luò)性能、數(shù)據(jù)庫(kù)死鎖、操作系統(tǒng)出現(xiàn)僵死進(jìn)程、應(yīng)用服務(wù)異常、存儲(chǔ)多路徑鏈路異常、消息隊(duì)列異常等等;

對(duì)應(yīng)特征值如下：

服務(wù)器服務(wù)年限超過5年;硬件故障，更換硬件要求服務(wù)器重啟;CPU、內(nèi)存、交換區(qū)使用率過高;磁盤IO 嚴(yán)重下降;網(wǎng)絡(luò)頻繁出現(xiàn)丟包;數(shù)據(jù)庫(kù)死鎖無(wú)法自行清理;操作系統(tǒng)出現(xiàn)僵死進(jìn)程;應(yīng)用服務(wù)掛起;存儲(chǔ)多路徑鏈路數(shù)量缺少;服務(wù)器日志報(bào)錯(cuò);歷史故障率 0.1% ;消息隊(duì)列超過閾值等等;

接下來(lái)，為訓(xùn)練模型制定參數(shù)通過任務(wù)調(diào)度引擎完成啟動(dòng)訓(xùn)練。

機(jī)器學(xué)習(xí)模型的訓(xùn)練采用業(yè)務(wù)應(yīng)用系統(tǒng)決策支持知識(shí)庫(kù)、半年運(yùn)行數(shù)據(jù)以及半年業(yè)務(wù)狀態(tài)、處理過程和日志等業(yè)務(wù)數(shù)據(jù)。訓(xùn)練集采用以具有明顯服務(wù)器特征及屬性的運(yùn)維和業(yè)務(wù)應(yīng)用系統(tǒng)相關(guān)歷史數(shù)據(jù)，選擇12個(gè)月數(shù)據(jù)訓(xùn)練我們模型。訓(xùn)練集盡量選擇合理的數(shù)據(jù)量保障模型的泛化能力。測(cè)試集也采用與服務(wù)器特征及屬性相關(guān)的6個(gè)月的歷史數(shù)據(jù)，不能包含在訓(xùn)練集中，保障未知性。交叉驗(yàn)證集也采用上訴歷史庫(kù)數(shù)據(jù)，時(shí)間長(zhǎng)度選擇2個(gè)月。交叉驗(yàn)證集是比較特殊的一部分?jǐn)?shù)據(jù)，它是用來(lái)調(diào)整模型具體參數(shù)及優(yōu)化模型。

機(jī)器學(xué)習(xí)需要不斷訓(xùn)練模型、評(píng)估模型，對(duì)于訓(xùn)練結(jié)果表現(xiàn)好的模型，經(jīng)過重新評(píng)估后可以將該訓(xùn)練模型及參數(shù)值寫入智能運(yùn)維平臺(tái)決策支持庫(kù)，使該模型在智能運(yùn)維平臺(tái)中進(jìn)行實(shí)踐，通過跟蹤模型的實(shí)踐成果，進(jìn)一步評(píng)估模型的效果。對(duì)于訓(xùn)練結(jié)果表現(xiàn)不好或成果不明顯的模型，立即結(jié)束訓(xùn)練，并且調(diào)整模型參數(shù)值，繼續(xù)訓(xùn)練。

根據(jù)對(duì)運(yùn)維領(lǐng)域的深入理解，明確智能運(yùn)維所需要解決的問題。提供運(yùn)維領(lǐng)域的知識(shí)和經(jīng)驗(yàn)，對(duì)數(shù)據(jù)進(jìn)行標(biāo)注分類，作為機(jī)器學(xué)習(xí)必備的訓(xùn)練數(shù)據(jù)。驗(yàn)收智能運(yùn)維輸出成果，將成果應(yīng)用與實(shí)際環(huán)境結(jié)合。

3.7 任務(wù)調(diào)度引擎設(shè)計(jì)

設(shè)計(jì)任務(wù)調(diào)度引擎，實(shí)現(xiàn)自動(dòng)化巡檢任務(wù)、應(yīng)用自動(dòng)部署任務(wù)、操作系統(tǒng)補(bǔ)丁升級(jí)任務(wù)、數(shù)據(jù)庫(kù)補(bǔ)丁升級(jí)任務(wù)、操作系統(tǒng)重啟任務(wù)、數(shù)據(jù)庫(kù)重啟任務(wù)、應(yīng)用重啟任務(wù)等功能。

3.8 數(shù)據(jù)可視化設(shè)計(jì)

注重用戶體驗(yàn)，對(duì)運(yùn)維人員更加友好。

系統(tǒng)整體運(yùn)行狀況通過運(yùn)維大屏動(dòng)態(tài)展示，設(shè)計(jì)數(shù)據(jù)地圖，提供數(shù)據(jù)下鉆三層設(shè)計(jì)，提供組合查詢服務(wù)，數(shù)據(jù)質(zhì)量比對(duì)服務(wù)、多維數(shù)據(jù)庫(kù)查詢服務(wù)、數(shù)據(jù)生命周期管理服務(wù)、數(shù)據(jù)挖掘服務(wù)。

3.9 故障自愈設(shè)計(jì)

設(shè)計(jì)故障定義、故障發(fā)現(xiàn)及精準(zhǔn)定位、故障分析、故障處理、故障跟蹤、事后總結(jié)等功能。

故障及風(fēng)險(xiǎn)點(diǎn)定義：定義故障識(shí)別特征及特征值、故障范圍。

故障發(fā)現(xiàn)及精準(zhǔn)定位，通過基線預(yù)警、日志告警、不斷優(yōu)化故障定位算法，故障定位算法采用機(jī)器學(xué)習(xí)中的二叉決策樹。智能定位出故障點(diǎn)，盡可能減少人工參與，提高運(yùn)維分析能力、故障自愈能力。

故障分析，提供故障診斷決策，收集系統(tǒng)運(yùn)行服務(wù)狀態(tài)，做出可以用于自愈的最優(yōu)決策。

故障處理，實(shí)現(xiàn)故障自愈執(zhí)行，有利于故障的快速恢復(fù)。當(dāng)系統(tǒng)出現(xiàn)隱患的時(shí)候，運(yùn)維工程師會(huì)收到相關(guān)的預(yù)警信息，運(yùn)維中心的智能音箱會(huì)發(fā)出明確的告警。你通過智能音箱可以了解到系統(tǒng)故障的原因與處置建議，然后通過確認(rèn)，就可以自動(dòng)完成處置。

3.10 告警設(shè)計(jì)

集中告警、統(tǒng)一展現(xiàn)、關(guān)聯(lián)分析，告警提供原始發(fā)生時(shí)間、接收時(shí)間和響應(yīng)時(shí)間多個(gè)維度的統(tǒng)計(jì)顯示。

3.11 運(yùn)維決策知識(shí)庫(kù)設(shè)計(jì)

通過機(jī)器學(xué)習(xí)不斷優(yōu)化訓(xùn)練的模型，并且將訓(xùn)練模型實(shí)際應(yīng)用到智能運(yùn)維平臺(tái)中，經(jīng)過實(shí)踐表現(xiàn)良好的模型算法，評(píng)估后寫入運(yùn)維決策知識(shí)庫(kù)，重點(diǎn)記錄模型參數(shù)、特征值、分析過程、處理方法等步驟。

4 ?業(yè)務(wù)應(yīng)用系統(tǒng)應(yīng)用智能運(yùn)維平臺(tái)的技術(shù)效果

4.1 ?提高業(yè)務(wù)應(yīng)用系統(tǒng)的可用性

智能運(yùn)維平臺(tái)采用監(jiān)控探針、系統(tǒng)輪詢、基礎(chǔ)運(yùn)維數(shù)據(jù)分析、業(yè)務(wù)數(shù)據(jù)分析等各種監(jiān)控手段，有效的保障業(yè)務(wù)應(yīng)用系統(tǒng)各種服務(wù)正常運(yùn)行，提高系統(tǒng)的無(wú)故障運(yùn)行時(shí)間，增強(qiáng)系統(tǒng)可用性。

4.2 ?改進(jìn)業(yè)務(wù)應(yīng)用系統(tǒng)的性能和系統(tǒng)健壯性

通過深度參與業(yè)務(wù)應(yīng)用系統(tǒng)的設(shè)計(jì)與實(shí)施，參與主導(dǎo)系統(tǒng)架構(gòu)的可用性設(shè)計(jì)，參與系統(tǒng)架構(gòu)優(yōu)化，從而持續(xù)改進(jìn)系統(tǒng)性能和系統(tǒng)健壯性。

4.3 ?降低業(yè)務(wù)應(yīng)用系統(tǒng)的運(yùn)維成本

面對(duì)傳統(tǒng)運(yùn)維模式下，運(yùn)維費(fèi)用逐年升高的情況，智能運(yùn)維平臺(tái)的應(yīng)用能在業(yè)務(wù)應(yīng)用系統(tǒng)的硬件資源、研發(fā)架構(gòu)、資源結(jié)構(gòu)、運(yùn)維人員、故障自愈等方面，優(yōu)化降低系統(tǒng)運(yùn)維成本。

4.4 ?提升業(yè)務(wù)應(yīng)用系統(tǒng)的運(yùn)行效率

通過人工智能、機(jī)器學(xué)習(xí)、故障診斷分析等自動(dòng)化手段，提升業(yè)務(wù)應(yīng)用系統(tǒng)在軟件生命周期中的運(yùn)行效率，實(shí)現(xiàn)系統(tǒng)故障自愈。

智能運(yùn)維平臺(tái)應(yīng)用后，充分運(yùn)用智能化手段，按照預(yù)先簡(jiǎn)單設(shè)置的策略和規(guī)則，實(shí)現(xiàn)了業(yè)務(wù)應(yīng)用系統(tǒng)基礎(chǔ)平臺(tái)的操作系統(tǒng)安裝部署、數(shù)據(jù)庫(kù)安裝部署、軟件安裝部署、應(yīng)用部署、操作系統(tǒng)高危漏洞補(bǔ)丁升級(jí)、數(shù)據(jù)庫(kù)高危漏洞補(bǔ)丁升級(jí)等功能，大大減少了運(yùn)維人員的人工參與，有效提升業(yè)務(wù)應(yīng)用系統(tǒng)的響應(yīng)時(shí)間及運(yùn)行效率。

4.5 ?為業(yè)務(wù)應(yīng)用系統(tǒng)提供決策支持

智能運(yùn)維平臺(tái)利用大數(shù)據(jù)、人工智能、云計(jì)算等手段，通過數(shù)據(jù)可視化、報(bào)表統(tǒng)計(jì)、趨勢(shì)分析，為業(yè)務(wù)應(yīng)用系統(tǒng)提供決策依據(jù)。

智能運(yùn)維平臺(tái)通過與業(yè)務(wù)應(yīng)用系統(tǒng)的數(shù)據(jù)交換，按照業(yè)務(wù)應(yīng)用主題形成各類業(yè)務(wù)應(yīng)用數(shù)據(jù)倉(cāng)庫(kù)。

智能運(yùn)維平臺(tái)通過匯聚業(yè)務(wù)應(yīng)用各方面數(shù)據(jù)，為業(yè)務(wù)應(yīng)用系統(tǒng)大數(shù)據(jù)建設(shè)提供數(shù)據(jù)匯聚、數(shù)據(jù)清洗、數(shù)據(jù)分類等技術(shù)支撐。

4.6 ?積累智能運(yùn)維經(jīng)驗(yàn)

智能運(yùn)維平臺(tái)的應(yīng)用，在機(jī)器學(xué)習(xí)、故障自愈、決策支持、大數(shù)據(jù)、運(yùn)維基礎(chǔ)平臺(tái)架構(gòu)等方面都進(jìn)行了科學(xué)的探索，為智能運(yùn)維的應(yīng)用實(shí)踐積累了大量寶貴經(jīng)驗(yàn)，形成的故障自愈模型、運(yùn)維決策知識(shí)庫(kù)、可視化展示工具、告警策略、自動(dòng)化運(yùn)維工具，為其他系統(tǒng)的建設(shè)與運(yùn)維提供了科學(xué)的借鑒和參考。

智能運(yùn)維平臺(tái)的應(yīng)用，實(shí)現(xiàn)了對(duì)業(yè)務(wù)應(yīng)用系統(tǒng)基礎(chǔ)運(yùn)維和業(yè)務(wù)運(yùn)維的經(jīng)驗(yàn)積累，有效的掌控運(yùn)維的主動(dòng)性、全面性、可擴(kuò)展性與可用性，使系統(tǒng)管理人員更多的關(guān)注系統(tǒng)運(yùn)維分析及技術(shù)趨勢(shì)發(fā)展，為領(lǐng)導(dǎo)的決策提供了有力的支撐。

結(jié)語(yǔ)

綜上所述，通過智能運(yùn)維平臺(tái)實(shí)現(xiàn)業(yè)務(wù)應(yīng)用系統(tǒng)運(yùn)維轉(zhuǎn)型的探索與實(shí)踐，一方面使業(yè)務(wù)應(yīng)用系統(tǒng)的運(yùn)維手段變得更加豐富，另一方面對(duì)人工智能（AI）、機(jī)器學(xué)習(xí)、大數(shù)據(jù)等信息化手段有了更加深入完善的應(yīng)用和實(shí)踐，建立了適合業(yè)務(wù)應(yīng)用系統(tǒng)運(yùn)行的運(yùn)維決策知識(shí)庫(kù)，并成功實(shí)現(xiàn)機(jī)器學(xué)習(xí)在業(yè)務(wù)應(yīng)用系統(tǒng)中落地實(shí)踐。

智能運(yùn)維平臺(tái)在業(yè)務(wù)應(yīng)用系統(tǒng)的應(yīng)用，將機(jī)器學(xué)習(xí)與運(yùn)維難題相結(jié)合，實(shí)現(xiàn)智能運(yùn)維成果落地，為實(shí)現(xiàn)業(yè)務(wù)應(yīng)用系統(tǒng)的“自動(dòng)駕駛”做出了大膽嘗試和探索。

參考文獻(xiàn)

[1]葉枝平，蘇立偉，楊秋勇等.基于大數(shù)據(jù)平臺(tái)的營(yíng)銷監(jiān)控自動(dòng)化運(yùn)維探索研究[J].電子世界，2019，580（022）：32-34.

作者簡(jiǎn)介：

張兵（1969—），男，漢族，遼寧沈陽(yáng)人，碩士，高級(jí)工程師，長(zhǎng)期從事信息化工作

通訊作者：林華南（1984—），男，漢族，廣東吳川人，學(xué)士，工程師，從事信息化工作

E-mail：66790367@qq.com

劉軻 （1982—），男，漢族，廣東興寧人，學(xué)士，工程師，從事信息化工作

余靖（1985—），男，漢族，福建仙游人，學(xué)士，工程師，從事信息化工作