近年來運維技術飛速發展，運維團隊大(dà)多建設好了各種系統，虛拟化、容器化、持續集成等等。但是如何有效的利用這些系統最終實現站點的高可用、高性能、高可擴展？随着智能化技術的發展，爲了解決上述運維領域的問題，智能運維的呼聲越來越高。
在日志(zhì)易産品總監饒琛琳看來，目前國内智能運維發展還處于一(yī)個探索階段，要想盡快在智能運維領域有所突破，首先要主抓好監控系統和告警系統，并利用機器學習算法進行快速監控和排障。饒琛琳，日志(zhì)易産品總監，曾任新浪微博系統架構師、大(dà)數據運維技術專家，從事運維 11 年，精通大(dà)規模互聯網性能優化，機器數據處理分(fēn)析，監控和管理平台的部署開(kāi)發。
這裏，就将饒琛琳對智能運維的發展一(yī)些早期觀點和看法整理出來，和大(dà)家一(yī)起探讨下(xià)運維未來的發展方向。
1對當下(xià)國内運維領域現狀的看法
簡單來講，目前國内運維界在自動化方面已經達到了一(yī)定的水平，就現階段而言，自動化和監控兩部分(fēn)還是有一(yī)定距離(lí)。例如，你拿到了監控類的報警，可能不清楚立馬去(qù)做哪一(yī)項自動化的部署。如果能把自動化和監控這兩部分(fēn)有機的結合起來，運維的工(gōng)作會運轉的更加順利。
2移動端和微服務給運維工(gōng)作帶來的挑戰
在 PC 端的時代，運維的很多工(gōng)作受限于浏覽器，運維人員(yuán)拿不到用戶端真實的數據。這種狀況下(xià)，大(dà)家就會普遍采購一(yī)些第三方服務，嘗試獲取終端數據。而在移動端時期，我(wǒ)(wǒ)們都有自己的 IP，可以把一(yī)些采點的邏輯放(fàng)在自己的 IP 裏，然後獲取到更準确、更真實的客戶數據。相對于挑戰來說，這其實是移動端帶來的好處。
微服務的出現給運維工(gōng)作帶來一(yī)些難題。沒有出現微服務之前，運維人員(yuán)在一(yī)台或者兩三台機器中(zhōng)就可以完成問題排查。出現微服務之後，這些問題可能拆到了好幾十個分(fēn)布式的地方，各自的輸出，甚至啓停會很方便，你有可能遇到在找問題的時候混淆的情況。而解決這些麻煩就是需要智能運維。
3在大(dà)數據時代，智能運維與數據之間、自動化運維之間有何關系
智能運維的理想狀态就是把運維工(gōng)作的三大(dà)部分(fēn)：監控、管理和故障定位，利用一(yī)些機器學習算法的方法把它們有機結合起來。
在大(dà)數據時代，智能運維是基于大(dà)數據之上。目前看來，運維想要把監控、管理和故障定位這三部分(fēn)有機結合起來，就不可避免的需要用到智能算法，而體(tǐ)現智能算法價值的一(yī)點就是：智能算法需要大(dà)量的數據去(qù)做支撐。
自動化運維這幾年處在一(yī)個良性發展的狀态，包括像 Puppet 這種配置管理的自動化，像 Docker 這種部署的自動化。進一(yī)步的發展就是需要把這三部分(fēn)融合起來。目前能夠把這三部分(fēn)融合起來的辦法就是利用人工(gōng)智能的手段，最後達到一(yī)種智能運維的狀态。
4智能運維當下(xià)的狀況及智能運維發展的預測
智能運維當下(xià)還是一(yī)個初步探索的階段。可以舉幾個時間數字，我(wǒ)(wǒ)所看到一(yī)個和智能運維相關的開(kāi)源項目是在 2013 年，而我(wǒ)(wǒ)看到的第一(yī)個主動出來宣講和智能運維相關的應該是在 2015 年百度在一(yī)個大(dà)會上的宣講。然後大(dà)量的出現在宣講上有關智能運維的應該是在 16 年下(xià)半年。而這些宣講和我(wǒ)(wǒ)的一(yī)些宣講都還是說我(wǒ)(wǒ)們現在有這樣的思路，做了一(yī)些嘗試。而這些嘗試的效果還是需要大(dà)家去(qù)碰撞，看是否還有什麽更好的辦法，因爲我(wǒ)(wǒ)們現在是用普通的機器學習算法，還沒有用到像 AlphaGo 的深度神經網絡這部分(fēn)内容。轉變爲智能運維是一(yī)個需要大(dà)量投入和學習的過程。
想盡快在智能運維領域有所突破，更實際一(yī)點的辦法就是主抓好監控系統和告警系統。傳統的 IT 運維需要管理大(dà)量的告警，極大(dà)地分(fēn)散了企業的注意力，消耗運維人員(yuán)大(dà)量的時間和創新力。想辦法能把一(yī)天收好幾千封告警這種狀況，高效地解決，把運維人員(yuán)從紛繁複雜(zá)的告警和噪音中(zhōng)解脫出來。這是一(yī)個在衆多辦法中(zhōng)産生(shēng)價值的第一(yī)步。
現在比較明确的是大(dà)家會朝着智能運維方向發展，并且智能運維的發展一(yī)定是一(yī)個長期演進的過程。
對于智能運維的發展預測，我(wǒ)(wǒ)的簡單看法如下(xià)：
第一(yī)步就是前面所說的，智能運維在告警系統上的價值，；
第二步就是智能地去(qù)判斷告警，而不是現在靠人力的經驗去(qù)設定一(yī)個阈值。設定告警阈值是一(yī)項耗時耗力的工(gōng)作，需要運維人員(yuán)在充分(fēn)了解業務的前提下(xià)才能進行，還得考慮業務是不是平穩發展狀态，否則一(yī)兩周改動一(yī)次，運維工(gōng)程師絕對是要發瘋的。
第三步是利用一(yī)些 NLP（自然語言處理），把故障報告、文本化的語言提煉出來去(qù)自動反饋到這個系統裏。這一(yī)點可能是更遙遠的一(yī)個設想，但是目前來看會是将來發展的一(yī)條道路。
在智能化時代，大(dà)家開(kāi)始思考：如何将智能化和運維工(gōng)作結合起來，成爲智能運維？如何利用機器學習來進行快速監控和排障？