關于人工智能在IT運維中的應用

賈麗柯

摘要：在加快建設數字中國的進程中，數字基礎設施、軟件系統數量和規模持續攀升，IT系統可用性、安全性和連續性保障工作壓力增大，因而IT運維的重要性日益增強，其需求也隨之大幅增長。日益復雜的IT架構和運維環境使得傳統運維模式難以滿足發展需要，利用大數據、人工智能等新技術的智能化運維能夠有效提高IT系統可用性和運維效率。基于這一背景，首先對人工智能在IT運維中應用的現實意義進行分析，然后研究智能化運維部署策略的關鍵要點，最后結合實例對智能化運維關鍵內容展開探索與分析，希望能夠為智能化運維系統建設提供切實有效的解決方案。

關鍵詞：IT；人工智能；運維

一、前言

IT運維是IT運行維護人員根據業務需求來規劃信息、網絡、服務，通過網絡監控、事件預警、業務調度、排障升級等手段，使IT系統處于長期穩定可用的狀態[1]。早期的IT運維工作大部分是由運維人員手工完成，這種運維模式不僅低效，也消耗了大量的人力資源。在工具輔助下展開自動化IT運維，適應了批量化以及大規模化的特征，對避免人為操作失誤所致風險具有積極意義，還有助于運維效率的提升。但需要注意的是，自動化運維的核心仍然是自動化工具與人工操作的結合，受人工操作局限性影響，系統難以從真正意義上實現對高復雜以及大規模系統的運營需求。而智能運維將智能化技術引入運維系統中，以海量數據為依托進行集中學習并總結規則，支持對運維方式的合理決策[2]。智能化運維實現運維系統中一系列人工智能科技的應用，在機器學習以及大數據技術輔助下，對海量數據進行采集，以體現動態可視化以及人性化特點，這對于傳統運維能力的加強與提升是非常重要的。

二、研究人工智能在IT運維中應用的現實意義

在加快建設數字中國的進程中，數字基礎設施、軟件系統數量和規模持續攀升，IT系統可用性、安全性和連續性保障工作壓力增大，因而IT運維的重要性日益增強，其需求也隨之大幅增長。日益復雜的IT架構和運維環境使得傳統運維模式難以滿足發展需要，如何通過對大數據技術、人工智能技術等現代化技術的應用，網絡運維產業的發展升級成為當前業內人士高度重視的一項課題。智能化運維在人力成本、運維效率、網絡安全等多方面具備優勢，并能夠解決目前百分之九十以上應用場景的問題。在國家政策的鼓勵下，大量行業領域已全面開始了智能化運維的戰略部署。智能化運維必將改變傳統的運維方法、服務模式和管理體系，進而使得整個產業鏈完成技術升級和模式革新[3]。

智能化IT運維通過機器學習的方式引入人工智能算法，自海量IT運維數據中展開學習并總結規則，做出決策，生成一種全新的運維方式。智能運維的核心概念是在運維系統中重視對人工智能技術的應用，建立在機器學習以及大數據技術分析基礎上，自多種數據源中對海量數據信息進行采集，并支持離線或實時分析，通過主動性、動態可視化以及人性化優勢的發揮，促進傳統IT運維能力的提升與增強。智能運維能夠快速分析并對海量數據進行處理，得到最有效的運維決策，執行自動化腳本以實現面向系統整體的運維，促進運維規模的提升。在轉型發展過程中，IT運維技術面臨的挑戰可以總結為以下三個方面：第一，從安全運行的角度上說，業務對技術系統安全運行有較高要求，且業務功能涉及多個系統應用，所采用的事后處置為主運維模式，表現出包括處理效率低以及異常定位困難等一系列問題，受被動異常響應模式影響導致無法滿足快速定位與處理的需求；第二，從人力配置的角度說，技術系統IT運維面臨工作量大且工作內容復雜的問題，運維崗位吸引力逐漸下降。運維需求與人力資源緊缺之間的矛盾進一步激化，進而導致技術系統發展中面臨無法避免的矛盾與問題；第三，在單數據中心向多數據中心發展過程中，傳統的現場運維方式也因數據中心地點偏僻、現場巡檢工作煩瑣重復等困難而導致運維成本和壓力增大，需要實現遠程運維來解決數據中心發展的問題。技術發展中產生的問題必須依靠技術來解決，只有在運維領域引入新技術、新思路、新體系，才能更好地提升運維水平，更好地保障系統安全穩定高效的運行。當前主流運維技術已從自動化運維向智能運維發展，利用人工智能來輔助甚至部分替代人工決策，可以進一步提升運維質量和效率。因此，很多公司開展了智能運維的探索，研究如何在運維中引入人工智能，以實現事前智能預警、事后快速定位、夜間無人值守、遠程集中管理等一系列的智能運維目標，以應對新環境下的三大運維挑戰，進一步解放與發展生產力。

三、智能化運維部署策略

（一）監控管理

第一，IP管理。根據MAC地址以及IP地址數據快速針對某PC主體連接網絡設備以及網絡端口進行查詢，提供一系列輔助功能，包括對疑似ARP的攻擊的處理，新設備接入網絡，IP地址被其他設備占用以及設備連接位置更改等活動的告警處理。

第二，Ping管理。借助于Ping管理的模式，反應網絡出口實際情況，同時針對攝像頭等特定設備裝置提供Ping支持，面向圖像化狀態呈現Ping模式，同時對數據傳輸過程中的丟包情況以及響應情況進行分析。

第三，節點管理。在這一過程中，對整個運營系統是否存在未關電現象進行實時監測，在檢測確認未關電的情況下自動發出告警郵件，提醒設備保管人員。同時系統支持按照一周、一個月等方式劃分區域對系統未關電情況進行統計分析。

第四，專線管理。依托于圖形化的方式對網絡出口部位專線實際狀態進行動態展現，同時支持從性能角度對專線歷史性能參數進行登記與顯示，并對當前系統所處帶寬狀態給出相應的意見與建議[4]。

第五，數據查看。由于智能化運維過程中監控管理模塊可面向工作人員提供無壓縮數據存儲機制作為支持，且無壓縮數據支持跨越時間可以達到三個月。支持工作人員按照一天、一周、一個月的頻率對數據進行快速切換，以滿足任意時段數據拖拽查看需求[5]。

（二）網絡管理

第一，線路性能。考慮智能化運維部署過程中的網絡管理實際需求，面向管理人員提供包括數據總流量、廣播包流量、丟包率以及總帶寬等相關信息參數，在此期間支持上述指標提供列表式可排序方案，進行集中查看。同時系統也可遵循上述性能指標的歷史曲線圖，以更加直觀的方式向用戶提供線路性能具體狀態，同時支持基礎操作功能的實現，幫助系統終端用戶對線路信息以及歷史數據進行集中查看。

第二，設備性能。對于智能化運維系統中所涉及的一系列設備，提供包括網絡設備CPU終端處理器、內存以及連續運行時間等相關指標參數，支持用戶以列表式可排序方案進行集中查看，也可提供設備基礎操作作為支持，包括連接測試以及服務器終端Ping測試等。

（三）主機運行

第一，數據庫管理。數據庫運行狀態可以通過列表式排序方式呈現在終端用戶面前，數據庫終端運行情況以及關鍵指標可以支持根據終端用戶實際需求進行分類查看。尤其對于單個數據庫系統而言，可以面向終端用戶提供包括基礎信息、運行信息、告警信息以及表空間信息等一系列參數，以滿足數據庫管理運維需求[6]。

第二，主機管理。智能化運維部署作業開展期間，需要面向終端用戶提供與主機系統相關運行情況以及關鍵指標作為支持，同時系統運行狀態也可以以分類的方式呈現給終端用戶。單個主機系統可以支持對運行信息、進程信息、基礎信息以及告警信息的查詢功能。

第三，中間件管理。引入人工智能技術背景下，IT運維網絡部署方案中可以提供列表式集中可排序對中間件運行狀態的查看，同時也可分類展現中間件運行情況。單個中間件可以將運行信息、基礎信息、告警信息以及參數信息等關鍵數據反饋給終端用戶。

第四，標準應用管理。在標準應用管理模塊中，受主機運行影響，可以以列表式集中可排序查看的方式反應標準應用運行情況，并面向終端用戶提供可分類對標準應用運行情況以及關鍵指標的參數，以基礎信息、運行信息以及告警信息等方式呈現給終端用戶。

（四）報表管理

第一，運行率報表。在智能化部署監控管理模塊中，面向網絡設備、網路線路以及主機系統提供一系列運行率相關參數的信息狀態，包括中斷時長、中斷次數以及運行率統計等，以確保監控管理功能的實現。

第二，性能分析報表。在智能化部署方案下，監控管理模塊可以針對網絡設備統計中低負載時間比率，反應網絡線路統計流量峰值與均值的參數，同時對系統整體運行以及監控功能實現過程中的帶寬占用、主機系統CPU、網絡流量峰值、環比增長率等一系列參數進行可靠的分析與記錄，以滿足性能分析需求。

第三，告警分析報表。本報表需要針對智能化部署方案下網絡設備以及主機系統應用各等級告警解決情況進行統計分析，同時對網絡設備以及主機應用告警解決時長進行統計，此外還需要對告警觸發次數TOPN情況進行反應。

（五）人工智能機器學習

既往報道中顯示，人工智能是指通過對計算機科學、神經科學、心理學以及生物學等相關學科的綜合與應用，達到解決IT運維問題的目的。從本質上說，人工智能技術屬于計算機科學領域技術。隨著時間的推移，人工智能技術取得了非常顯著的發展與進步。現代生產領域中對智能機器人以及智能搜索等相關技術的應用更加密切，圖像識別以及語音識別等相關系統深入發展，對提升大眾日常生活水平具有積極意義，且機器學習建立在人工智能技術應用基礎之上，對其內容進行拓展深化，通過引入機器設備的方式展開學習，并借助相關數據信息展開深入分析，了解數據背后所蘊含的規律與價值，支持對相關數據處理方法的優化與創新。在此基礎上，還需要對機器學習異常情況進行檢測。從IT運維的角度說，相關人員可以通過應用人工智能技術的方式，支持對機器學習過程的異常檢測。為支持這一目標的實現，相關人員需要嘗試對IT運維過程中所涉及的數據信息進行深入分析，并通過無監督學習方法對異常檢測場景進行動態監測，在機器人學習基礎上構建學習模型，實時預測相關指標信息，從而保證異常檢測結果質量達到理想狀態。最后需要對機器學習過程進行根因分析。相關人員需要通過對機器學習過程進行根因分析的方式強化人工智能技術的應用，以此來更加快速高效地找到機器學習過程中出現的異常與問題。研究表明，所謂對問題進行根因分析，在本質上屬于追本溯源的過程，而機器學習方法的應用主要是對相關數據進行預測與判斷，為了更加高效地完成問題的根因分析，相關人員需要加強逆向解釋算法的使用，確保在最大程度上找到具有相關特征的數據，進而促進IT運維過程水平與質量的提高。基于上述分析，在當前技術支持下，IT運維期間相關人員可以嘗試現代設備的應用，提升運維過程的質量水平，并配合對現代化技術的引用，實現對運維過程的異常檢測、預測、根因分析以及容量管理等。智能化運維通過將運維過程與人工智能技術相結合的方式，促進運維過程中質量水平的提升，并通過深入挖掘相關數據信息的方式，對IT運維過程健康發展產生積極的促進作用。

四、關于智能化運維實例

信息系統運行過程中多面向數據中心進行集成化布置，內部信息系統存在數據海量以及結構復雜的特點，因此有關計算機信息系統運維工作的開展面臨著較大挑戰。系統運維人員需要密切掌握系統運行實時性情況，發揮監控功能，確保智能化監控目標的順利實現。在將人工智能技術與IT系統運維相結合的過程中，形成統一監控管理核心地位，對信息化IT基礎設施展開集中監控與管理。智能運維平臺通過業務建模的方式，改變傳統IT管理、業務管理部門的價值鏈局限性，將IT管理工作價值最大限度發揮出來。同時，IT系統運維期間管理與業務密切結合，IT管理頁面通過屏幕矩陣呈現，為日常管理提供方便，同時實現安全設備、服務器、數據庫以及中間件的集成化管理，依托系統資源監控平臺及時發現并解決問題，提高服務活動的主動性，促進監控告警功能的實現，滿足運維管理集中、統一化發展趨勢。

從計算機信息系統日志分析的角度上看，智能化運維監控管理工具應當實現如下功能：第一，計算機系統硬軟件配備情況所對應設備日志應作為判定系統運行情況的關鍵基礎，將智能化運維工具引入其中，需要支持日志采集、傳輸以及儲存等一系列功能的順利實現；第二，設備運行意味著會有海量參數產生，智能化運維期間可以借助于對日志分析功能的應用，對所采集數據進行分析處理，通過對比歷史參數的方式，掌握信息指標變化趨勢，以此作為運維決策制定的重要基礎；第三，確認設備運行狀態，在計算機信息系統運行期間，設備會呈現一定的負載變化，運維工具應當具備狀態判別的能力，以滿足自我調整需求；第四，設備運行期間一旦出現突發情況，需要系統及時發出告警指令，并形成針對性的處理方案，保證方案的有效性與適宜性；第五，硬軟件設備應當具備協調統一的能力，相關設備存在承載或集群管理，基于日志分析設備運維管理，可以對設備關系以及運行情況展開針對性的管理與控制；第六，設備運行狀態分析期間，可以以日志分析為基礎，對故障進行預防或支持維修管理功能的實現，充分發揮計算機信息系統運維優勢，以達到促進設備運行效率提升的目的。

計算機信息系統融合機房內構成復雜，包括視頻監控、消防、安保等一系列子系統功能集成，其中，可通過互聯互通的方式，滿足數據交互式運行需求。在此期間，運維系統管理人員需要特別注重與機房設備的信息溝通，監控機房運行環境，支持集中式監控以及分布管理功能的順利實現，這對于機房整體運維智能化水平的提升具有重要意義。整套計算機信息系統分為現場設備采集層、監控服務器層以及服務器集中管理層。從設備采集層的角度說，通過對I/O采控模塊的應用，滿足與現場信號的連接。在監控服務器層中，可以面向現場數據信息進行采集與儲存，通過引入數據分析工具的方式，將信息參數傳輸至下層服務器內部。管理層服務器則面向設備展開統一管理，采集實時性數據信息，并在出現異常情況下向系統發送告警指令。同時，控制指令可傳輸至前端設備，支持瀏覽器對關鍵參數的訪問，引入雙機熱備模式，確保系統運行狀態的平穩與可靠。

與傳統意義上的主機進程管理相比，智能化主機進程管理具有非常突出的優勢，具體表現在以下兩個方面：①在智能化主機進程管理過程中，可以嘗試通過對進程所對應CPU占用比例進行查詢的方式，對CPU終端占用率中所涉及的A類進程進行查詢，并對影響作用較大進程進行管理，考慮管理員操作日志所對應機器學習結果，評估是否需要終止進程。通過意識操作流程，將智能化管理特點引入高負載運行進程內部，避免進程管理受到人為判定操作失誤的影響，以確保主機運行狀態的安全性，進而提高智能化主機進程管理的高效性水平。②在對智能化主機進程管理各進程所對應CPU占用率進行查詢前，對主機CPU使用率進行識別，過濾偶發性CPU使用率沖高問題，避免其對A類進程劃分結果產生影響，這對于主機高負載進程管理效果的提升具有重要意義。

五、結語

在當前時代發展背景下，國內主流運營商已經嘗試展開基于智能化運維的戰略部署方案，尤其是受到人工智能技術快速發展因素的影響，智能化運維技術的應用成為當前時代發展背景下最為重要的一環。尤其是各類新技術、設備持續不斷投入應用，對運維服務效率的提升產生積極影響，同時也對傳統運維產業產生極大的干擾與沖擊。尤其在商業化部署方案持續推進的背景下，智能化運維也在持續不斷地展開技術創新與發展，全新一代智能化運維系統的建設對運維效率的推升以及人力成本控制所產生的影響是非常積極的，人工智能技術在IT運維中的重要意義得以進一步凸顯。

參考文獻

[1]賀莉娜，郭澤闊.基于人工智能和大數據的城市軌道交通智能化運維生態系統研究[J].城市軌道交通研究，2022，25（9）：79-84+89.

[2]馮國禮，李蓉，吳雙.基于人工智能技術的電力信息系統運維數據整合方法[J].電力信息與通信技術，2022，20（1）：68-73.

[3]張華兵，周英耀，徐磊，等.網絡數據中心IT設備人工智能化運維應用[J].沈陽工業大學學報，2022，44（5）：541-545.

[4]方雪琴，符方權，張嘉俊.淺析人工智能技術在電力企業網絡安全運維中的應用[J].網絡安全技術與應用，2021，243（3）：104-106.

[5]朱海麒，姜峰.人工智能時代面向運維數據的異常檢測技術研究與分析[J].信息網絡安全，2019，227（11）：24-35.

[6]王平，吳文波，楊友蘭，等.基于人工智能的高鐵動車組智能運維數據分析系統的構建[J].鐵路計算機應用，2022，31（7）：14-18.