構建云資源全生命周期運營管理，助力企業級云精細化運營

范麗麗?阮前?蘇超

摘要：隨著云計算、大數據等技術的普遍使用，業務上云已經成為主流趨勢，云服務商業似雨后春筍般出現。云資源的規模也越來越大，動輒幾萬甚至幾十萬臺服務器的規模；云上承載的業務系統數量迅速增至幾百甚至幾千，運營分析的維度也變得精細化、多樣化，傳統粗獷的云資源運營管理方式已無法滿足日益增長的運營分析需求。一套有效的云資源全生命周期精細化管理運營體系，能為云用戶提供便捷得云資源服務，也能充分發揮“云”的優勢，實現云資源的可控、可管、可查，助力云服務商、云用戶實現降本增效。

關鍵詞：AI分析；精細化運營；云資源運營；云資源管理

一、背景

隨著微服務技術的快速發展和廣泛應用，以及“業務應用”與底層“云資源”的不斷解耦，云資源使用的方式基本實現“按需擴縮”，使用的便捷性逐步增強，“業務云化”已成為主流趨勢。很多企業采用租用云服務商的云資源，實現業務的快速部署。同時，云服務商的“云”的規模也快速增加，從幾萬增加至幾十萬。傳統粗獷的資源運營管理方式無法滿足“云”模式下，更加精細化和多樣的資源運營需求。因此建立一套適用于“云”模式下的云資源全生命周期精細化管理運營體系，合理有效地對云資源進行管控勢在必行。這既便于云用戶實時了解所租用云資源的使用情況、業務運行情況、及時擴縮云資源，有效控制成本，也為云服務商擴建云資源提供評估依據，避免云資源空置，以提升云資源效能。

二、云資源全生命周期管理

構建“事前、事中、事后”的云資源全生命周期運營管理，以云用戶資源申請為起點，以云用戶使用的資源回收至云為終點，打通資源交付、資源開通、云資源回收三個關鍵云資源狀態節點，實現云資源的全生命閉環管理。管理以“事中”的資源監控和資源運營分析結果為依據，向前支撐“事前”云資源申請的審批評估，向后支撐“事后”云資源回收評估。

（一）資源申請

資源申請為云用戶使用云資源的第一步，在此之前云用戶需要根據即將上云的業務特點、需求、業務量等參數進行云資源需求評估。上云的業務系統架構設計必須為高可用架構，原則上應為集群部署方式，需求評估需同步考慮架構設計因素帶來的云資源冗余。云服務商會面向云用戶發布云資源產品目錄清單，云用戶可以根據評估后的需求進行選擇申請。如果是擴容的業務系統則可結合現網運行業務的云資源分析結果進行“事前”的需求評估。云用戶通過訂單或者工單的方式向云服務商提交資源申請。云服務商根據云用戶提交的資源申請材料對資源申請需求進行評估，對合理的需求進行交付，不合理的需求反饋云用戶進行優化調整。

（二）資源交付

資源交付為云用戶使用云資源的起點，也是成本費用計算、云資源使用分析的時間起點。云資源交付的數量以資源申請階段完成需求評估后，云用戶所提交的訂單或者為準，為云用戶后續使用云資源數量的上限閾值，云用戶在此閾值范圍內可以進行按需自服務創建和使用云資源。云資源交付的同時，云上的自動化工具也面向云用戶同步開放，云用戶可以按需使用。同時云服務商可對訂單或工單的審核、交付、通知進行閉環管理并對交付數據進行分析。

（三）資源開通

資源開通為資源交付后云用戶通過自服務方式按需對云資源進行創建。開通后的云資源，云管理系統將會綁定開通時間、云用戶ID、業務系統ID等相關配置信息，用于后續云資源分析使用。云用戶開通云資源時，可以使用云管理系統提供的自動化工具批量安裝標準化的操作系統、鏡像、監控工具等，如遇到相關問題，可以通過“云服務臺”向云服務商發起咨詢，云服務商有義務協助云用戶完成資源開通，配置策略等相關工作。云用戶可以通過工單的方式發起網絡策略、安全策略等云資源相關的其他需求。

（五）資源變更

資源變更主要是云用戶根據自身使用需求，變更云資源類型或者配置關系。主要用于云用戶內部業務系統之間調整云資源數量、類型，或者變更與云資源相關的組織管理關系等，均由云用戶通過工單方式或者內部其他流程自主發起，經審批后生效。云管理系統會記錄資源變更生效時間，用于后續資源運營分析使用。

（六）資源監控

資源監控是云資源全生命周期管理過程的“眼睛”，主要是對已開通資源的類型、狀態、性能進行監控。資源類型包括裸金屬、云主機、云存儲等；資源狀態包括測試中、運行中、關機中等，性能數據包括CPU利用率、內存利用率、存儲利用率、網絡資源利用率等。監控中發現異常會向云用戶、云服務商發送告警信息。監控數據的來源大多為專業網管，通過數據接口方式獲取，如kafka等。

資源監控的數據是云資源運營分析的基礎數據，外部獲取的監控數據格式一般不適用運營分析，無法直接使用，需按照運營分析相關要求進行數據預處理，將從外部系統獲取的監控數據按照預處理規則，規范化處理后寫入運營分析使用的數據庫。在數據處理規程中需配置一定的數據排查稽核規則，及時發現數據缺失、數據漏傳、數據漏取，以及數據異常等問題，并將相關問題及時向數據源反饋，以便及時排查、定位和修復相關數據問題。監控數據排查稽核周期應盡量短，建議設置為天，或者小時，過長的排查稽核周期會影響運營分析質量，同時也會導致數據問題排查周期長、問題定位難度大、排查效率低，也會進一步影響云用戶使用體驗。

（七）資源回收

資源回收主要是指云用戶結合自身業務發展情況，以及云資源運營分析情況，經綜合評估后，對計劃不再使用的云資源通過訂單或者工單的方式進行釋放。釋放后的云資源回歸云服務商進行再分配使用，并停止計費。

三、資源運營分析

資源運營分析為云資源全生命周期管理最為核心的部分，向前為“事前”的資源申請提供需求分析、需求評審依據，向后為“事后”的資源回收提供優化部署、縮減資源的分析依據。

資源運營分析的基礎數據包括資源監控的數據、資源交付和資源開通相關的配置數據，資源分析的主要目的是為用戶提供詳細的資源使用情況分析，以及改進建議。內容包括云用戶申請的資源類型和數量、開通使用的資源類型和數量、資源利用率情況，資源整體效能情況等，展現形式通常為月度總結報告、月度賬單、月度/年度趨勢曲線等。也可以結合AI等技術對未來一段時間內的資源使用情況進行預測等。

（一）云資源使用效能評估分析

資源運行分析常見是使用CPU利用率、內存利用率，單一的指標無法全面體現云用戶資源的真實的使用情況，因此需要構建一個綜合的評估模型，用綜合指標來告知云用戶資源的整體使用情況及后續的整改建議。

綜合效能評估模型可以將CPU峰值、CPU均值、內存峰值、內存均值以及其他參數作為輸入參數，并根據專家判斷法設置各參數權重，利用Bagging集成方法對輸入參數進行AI模型訓練，基于學習器包括K近鄰、決策樹和LSTM等方法，將計算的結果作為云用戶、業務系統的綜合效能評估得分，并反饋云用戶資源使用優化的建議。比如回收某個業務系統云主機資源VCPU或者內存利用率較低，建議回收部分VCPU和內存資源；或者某個業務系統的裸金屬資源選型不合理，建議選擇性能更高或者更低配置的產品等。綜合效能評估一般按月進行，并面向用戶發布當月以及一定歷史周期內的趨勢分析情況。

（二）低效無效資源分析

資源效能評估是以用戶、業務系統為對象分別進行評估，評估云用戶、業務系統維度整體的資源使用情況，也是宏觀的角度提升優化方向，但是如果云用戶、業務系統有較多低效或者無效資源，資源利用率或者效能評估的分析結果也會較差，低效無效資源分析是以單臺設備為最小顆粒度進行云資源運營分析，為云用戶提供設備維度的更精準的優化建議，進一步為云用戶節約成本，提升資源效能。

低效資源主要是指長期處于利用率低或者低效能的云資源，判斷規則可以根據云資源實際運營情況進行設定，可以根據一個指標設定判斷規則，也可以綜合幾個指標設定判斷規則。通常是采用單臺云資源的CPU利用率和內存利用率兩個指標，通過專家判斷法或者構建AI模型分析來設定閾值，附加一定的時間周期設定判斷規則。最后統計低效資源占比情況分析，公式為低效資源總量/已交付的云資源總量，計算值越大，說明該云用戶或者業務系統低效資源占比越多，云資源效能提升的空間越大，云資源成本的優化空間也越大。同時，通過低效資源占比分析結果可以向下查詢低效資源的明細，包括但不限于設備ID、設備位置、歸屬業務系統、歸屬云用戶。

（三）云資源使用預測分析

資源運行分析除分析資源現網運行外，需對未來一段時間內趨勢進行預測，便于云用戶預知未來一段時間內資源使用趨勢，提前做好需求評估，提前進行資源擴縮申請。

結合一定歷史周期內的資源利用率、資源效能情況，對未來進行趨勢預測，建議評估周期選擇至少13個月，兼顧同比和環比分析，采用數據統計分析方法計算設定預測合理區間的閾值，構建AI訓練模型，并將預測的結果發送給云用戶，如果預測結果不在合理區間，則同步給云用戶發送預警。

（四）云資源成本費用分析

云資源費用分析為云用戶提供清晰明了的云資源賬單，包含但不限于云用戶使用的云資源類型、云資源數量、使用時間、計費單價、計費總價等，并同時為云用戶提供一定歷史時間內的資源使用量的趨勢分析、賬單費用趨勢分析等。云資源賬單應具備向下鉆取、可溯源等能力。

資源成本分析需要包含云用戶預算管理，結合云資源使用預測分析結果，當預測有預算超支風險時，提前向云用戶發布預警。同時，結合低效無效資源分析情況，向云用戶發布閑置費用/隱藏費用的總量、占比等分析情況，便于云用戶及時釋放低效無效資源，節約成本。

四、結束語

云資源全生命周期管理各流程中云資源相關的屬性、狀態、性能等數據會產生變化，而這些數據均為資源精細化運營分析的基礎數據，因此在各流程環節中務必要有稽核、校驗等機制，以保障運營分析數據的準確性。同時，外部系統輸入的數據，如專業網管的性能采集數據等，在進行運營分析前也需保障數據的質量，一般會先按照運營分析相關需求進行數據治理，以保障外部輸入數據的完整性和準確性，也便于及時發現和解決性能采集數據的質量問題。

作者單位：范麗麗 阮前 蘇超 中移動信息技術有限公司

參? 考? 文? 獻

[1]猴子·數據分析學院.數據分析思維方法分析和業務知識.清華大學出版社.2020.11

[2]云計算開源產業聯盟.云優化治理白皮書第一部分：成本優化.2022.05

[3]云計算開源產業聯盟.云優化治理白皮書第一部分：云資源效益優化.2022.07

[4]孫宇熙.云計算與大數據.人民郵電出版社.2017.01

[5]徐小龍等.云數據中心智能管理.電子工業出版社.2021.09

范麗麗（1982.03-），女，漢族，吉林長春，本科，中級，研究方向：云資源運營管理。