周世峰：大数据运维域数智运维能力实践_26页_8mb

报告摘要

基于AIops的智慧运营大脑探索与实践总结

核心内容

中国电信湖北公司基于AIops理念，探索并实践了“智慧运营大脑”项目，旨在应对IT系统上云后运维复杂度的显著提升，构建一个融合云、网、数、业、安的智能化运维体系，实现统一监控、智能调度、AI赋能与运维生态的全面升级。

主要观点

IT上云带来的运维挑战：随着传统Oracle架构向全云化、全分布式架构演进，监控对象数量呈几何级增长，调用关系日趋复杂，传统运维手段难以应对。
智能监控体系构建：通过融合监控与智能监控，打通IaaS/PaaS/SaaS各层数据，实现统一采集、统一监控、统一展现、统一调度，构建跨云平台的监控体系。
AI赋能运维能力：引入AI算法与知识图谱，实现动态阈值设定、故障趋势预测、根因分析和智能决策，提升运维效率和准确性。
运维生态建设：通过工具集市、知识共享等方式，推动运维能力的复用与协同，打造企业级运维能力平台。
元宇宙技术应用：利用元宇宙技术构建虚拟监控中心，突破物理空间限制，实现线上线下联动，提升自智处置效率和协同体验。
多场景应用案例：已在多个场景中落地实践，如政务云、政府热线等，实现云网融合、一体化监控和故障快速定位。

关键信息

一、研发背景

传统架构向云架构转型：IT系统从Oracle架构演变为全云化、全分布式架构，监控对象数量激增，传统运维手段已无法满足需求。
混合云运维挑战：PaaS层使用自有组件，IaaS层混合云部署，导致维护责任分散，故障关联分析困难。
业务生态圈变化：云原生架构要求运维手段与经验更新，原有监控模式难以实现先于客户发现问题。

二、从融合监控到智能监控

总体目标：构建“云-网-业-数-安”融合监控体系，实现统一纳管、智能调度、AI注智和运维生态。
统一采集与监控：
- 实现监控客户端统一，无需安装多个采集进程。
- 支持环境、数据库、中间件、应用、业务性能、应用日志、计划任务、交易等多维度监控。
关联监控模型：
- 构建从应用到主机的数字孪生模型，支持IaaS/PaaS/SaaS层的关联分析。
- 实现故障根因快速定位与反向预警，提高问题处理效率。
低代码可视化大屏平台：
- 采用“1+N+1”架构，实现多大屏应用与大脑统一监控。
- 已建成20余个大屏应用，涵盖云/网/数/业/安等关键业务场景。

三、智能调度中心

告警自愈：
- 通过大脑监控告警，智能匹配自愈策略，实现故障自动发现、自动调度和自动修复。
自动化处理流程：
- 告警触发后，自动匹配自愈规则并执行服务编排，提升运维响应速度。

四、AI中心

动态阈值与趋势预测：
- 引入统计检验、KNN、孤立森林、Prophet等算法，实现动态阈值设定与故障趋势预测。
知识图谱应用：
- 构建从SaaS到IaaS的全流程端到端监控图谱，支持故障根因分析与快速定位。
自然语言交互：
- 开发智能问答机器人、微信告警通知、语音外呼等多模态交互方式，提升运维响应效率和用户体验。

五、运维生态建设

工具集市：
- 支持低代码开发运维工具，形成工具共享机制，降低运维门槛。
知识共享：
- 建立企业级运维知识库，结合大语言模型实现智能搜索，提升知识利用效率。

六、总体架构与部署模式

架构设计：
- 采用“六中心一门户”架构，包括统一门户、基础配置中心、智能监控中心、智能调度中心、AI中心、智能工具中心和智能知识中心。
部署模式：
- 采用“1+X”两级部署，支持SaaS版本（智慧运营大脑）和私有化部署（行业运营大脑）。
- 两种部署模式在安全保障、网络需求、适用场景等方面各有侧重，满足不同客户需求。

七、应用案例

某市卫健委融合监控-云专线监控：
- 实现对多云资源、网络专线的一体化监控。
- 利用图数据库动态生成物理链路拓扑图，实现告警收敛与可视化。
某市政务云融合监控：
- 基于腾讯云底座，实现政务外网区和互联网区的一体化监控。
- 覆盖127平台宿主机和242台云主机，监控漏洞与性能指标。
政府热线监控：
- 实现对市民热线专线、云主机及主要业务系统的融合监控。
- 监控接通率等关键指标，确保服务稳定性。

总结

智慧运营大脑项目通过融合监控与智能监控，有效应对了IT系统上云后的运维挑战，提升了监控效率与智能化水平。其核心在于构建统一的监控体系、引入AI算法与知识图谱、打造低代码运维工具集市，并结合元宇宙技术实现虚拟监控中心，为未来运维模式提供新思路与新体验。同时，通过多个实际案例验证了其在云网融合、故障根因定位与智能调度方面的可行性与价值。

展开完整摘要