鼎茂科技案例入選ITSS《2022-2023中國(guó)智能運(yùn)維實(shí)踐年度報(bào)告（第三期）》
近日，智能運(yùn)維國(guó)家標(biāo)準(zhǔn)工作組（ITSS）正式發(fā)布《2022-2023中國(guó)智能運(yùn)維實(shí)踐年度報(bào)告（第三期）》，該報(bào)告旨在助力行業(yè)各方更好了解智能運(yùn)維產(chǎn)業(yè)發(fā)展現(xiàn)狀。鼎茂科技作為工作組成員之一，為本次報(bào)告提供了智能運(yùn)維領(lǐng)域創(chuàng)新實(shí)踐案例。
報(bào)告案例來(lái)自于證券行業(yè)頭部機(jī)構(gòu)。該證券機(jī)構(gòu)已經(jīng)在業(yè)務(wù)側(cè)進(jìn)行了多中心多活以及云環(huán)境改造遷移。但在完成改造后，想進(jìn)一步優(yōu)化運(yùn)維管理體系，進(jìn)行精細(xì)化運(yùn)維過(guò)程中，遇到了知識(shí)離散、細(xì)粒度對(duì)象動(dòng)態(tài)快等問(wèn)題。本案旨在基于一個(gè)包含有動(dòng)態(tài)對(duì)象結(jié)構(gòu)變化、指標(biāo)知識(shí)可管理的基礎(chǔ)上，提供出有效的健康分析模型能力。
可觀測(cè)性指標(biāo)中心在復(fù)雜AIOPS場(chǎng)景實(shí)踐應(yīng)用
前言
在“十四五”國(guó)家信息化規(guī)劃中，明確一項(xiàng)重大任務(wù)為建立高效利用的數(shù)據(jù)要素資源體系。充分發(fā)揮數(shù)據(jù)作為新生產(chǎn)要素的關(guān)鍵作用，以數(shù)據(jù)資源開發(fā)利用、共享流通、全生命周期治理和安全保障為重點(diǎn)，建立完善數(shù)據(jù)要素資源體系，激發(fā)數(shù)據(jù)要素價(jià)值，提升數(shù)據(jù)要素賦能作用，以創(chuàng)新驅(qū)動(dòng)、高質(zhì)量供給引領(lǐng)和創(chuàng)造新需求。由此可以看出，在現(xiàn)階段企業(yè)的數(shù)字化轉(zhuǎn)型過(guò)程中，數(shù)據(jù)的價(jià)值已經(jīng)獲得全面且深刻的理解和認(rèn)識(shí)，對(duì)于數(shù)據(jù)資產(chǎn)的生產(chǎn)、流通、保障維護(hù)、價(jià)值挖掘等環(huán)節(jié)提出了更高的要求。對(duì)此也逐漸形成了各個(gè)領(lǐng)域轉(zhuǎn)型數(shù)據(jù)資產(chǎn)管理訴求和產(chǎn)品場(chǎng)景。并且隨著AI技術(shù)的快速發(fā)展和演進(jìn)，單項(xiàng)類別的AI場(chǎng)景已經(jīng)逐漸開始向多源數(shù)據(jù)綜合分析發(fā)展，這種變化對(duì)傳統(tǒng)數(shù)據(jù)采集、治理、應(yīng)用手段提出了新的挑戰(zhàn)。以面向智能運(yùn)維領(lǐng)域，AIOPS場(chǎng)景已經(jīng)從單個(gè)類型的指標(biāo)檢測(cè)、日志分析、告警聚合，逐漸衍生出復(fù)雜的多源異構(gòu)數(shù)據(jù)分析能力，通過(guò)多維度組合、結(jié)構(gòu)組合的方法，建立更加貼近實(shí)際運(yùn)維場(chǎng)景的計(jì)算能力，對(duì)此更加靈活和準(zhǔn)確的資產(chǎn)-指標(biāo)管理體系已經(jīng)成為對(duì)該領(lǐng)域建設(shè)AIOPS應(yīng)用的必然條件。能支持多結(jié)構(gòu)、多源指標(biāo)統(tǒng)一管理運(yùn)營(yíng)的指標(biāo)中心，也逐漸成為運(yùn)維領(lǐng)域的一項(xiàng)關(guān)鍵選擇。
市場(chǎng)背景
指標(biāo)運(yùn)營(yíng)理念脫胎于數(shù)據(jù)分析科學(xué)，從Gartner2022年報(bào)中，已經(jīng)開始加重對(duì)數(shù)據(jù)分析在企業(yè)的應(yīng)用占比，報(bào)告顯示，在2022年數(shù)據(jù)戰(zhàn)略的管理已經(jīng)開始對(duì)公司的運(yùn)營(yíng)產(chǎn)生了大幅將低成本和風(fēng)險(xiǎn)的收益，因此對(duì)數(shù)據(jù)科學(xué)和數(shù)據(jù)分析專家的需求也在大幅上升。Gartner在2023年報(bào)中指出，在2023年已經(jīng)90%的世界500強(qiáng)企業(yè)把數(shù)據(jù)分析治理方法，納入到更廣泛的經(jīng)營(yíng)領(lǐng)域，30%的企業(yè)對(duì)戰(zhàn)略目標(biāo)核心數(shù)據(jù)進(jìn)行治理，采用更直觀的可視方式推動(dòng)決策場(chǎng)景化演進(jìn)。同時(shí)預(yù)測(cè)未來(lái)5年內(nèi)，將有85%的AI解決方案用于具體行業(yè)領(lǐng)域，應(yīng)用可視和語(yǔ)義分析類方法的企業(yè)債務(wù)會(huì)比未應(yīng)用的企業(yè)減少75%。
由此可以看出，在未來(lái)5年時(shí)間內(nèi)，對(duì)運(yùn)維領(lǐng)域的AIOPS解決方案將更專注于具體應(yīng)用場(chǎng)景，同時(shí)結(jié)合圖形和語(yǔ)義等多種數(shù)據(jù)管理方法，幫助企業(yè)在運(yùn)維運(yùn)營(yíng)方面獲取更直接的幫助和更大程度的ROI。
建設(shè)應(yīng)用實(shí)踐——證券業(yè)務(wù)健康度評(píng)價(jià)體系
如前文提到，數(shù)據(jù)分析工作在企業(yè)的運(yùn)營(yíng)過(guò)程中占據(jù)了越來(lái)越重的份額，在智能運(yùn)維領(lǐng)域，數(shù)據(jù)分析類的智能算法也在逐漸成熟，如已經(jīng)常見(jiàn)的多維度分析、指標(biāo)異常檢測(cè)、告警聚合分析等。但是仍然存在數(shù)據(jù)治理專項(xiàng)專治，存儲(chǔ)分化，通用性查，可復(fù)用程度低等問(wèn)題。在AIOPS場(chǎng)景愈發(fā)豐富的情況下，這些問(wèn)題將更加帶來(lái)更加嚴(yán)峻的需求。對(duì)此鼎茂采用建設(shè)可觀測(cè)性指標(biāo)中心的方式解決以上問(wèn)題，為AIOPS運(yùn)維場(chǎng)景演進(jìn)助力賦能。
（一）企業(yè)需求分析
該證券企業(yè)為行業(yè)頭部公司，具有深厚的運(yùn)維管理知識(shí)積累和優(yōu)秀的管理團(tuán)隊(duì)，已經(jīng)在業(yè)務(wù)側(cè)進(jìn)行了多中心多活以及云環(huán)境改造遷移，但是在完成改造后，想進(jìn)一步優(yōu)化運(yùn)維管理體系，進(jìn)行精細(xì)化運(yùn)維過(guò)程中，遇到了知識(shí)離散、細(xì)粒度對(duì)象動(dòng)態(tài)快等問(wèn)題。眾所周知，在運(yùn)維領(lǐng)域內(nèi)，運(yùn)維對(duì)象的定義是核心數(shù)據(jù)元素，在傳統(tǒng)的對(duì)象管理方案中，對(duì)象的變化是可控的，通過(guò)變更、計(jì)劃的方式，呈現(xiàn)給管理團(tuán)隊(duì)，從而實(shí)現(xiàn)對(duì)象及其關(guān)系的管理。隨著云化方案的普及，越來(lái)越多的細(xì)粒度對(duì)象無(wú)法再有計(jì)劃的同步給管理團(tuán)隊(duì)，比如指定交易服務(wù)的所在服務(wù)器，在云環(huán)境中，是隨時(shí)會(huì)產(chǎn)生變化的，因此給對(duì)象結(jié)構(gòu)的細(xì)化分析帶來(lái)了極大影。同時(shí)對(duì)于對(duì)象狀態(tài)發(fā)現(xiàn)的表現(xiàn)指標(biāo)，也存在按技術(shù)分散，缺少統(tǒng)一規(guī)范問(wèn)題。為此，本次方案旨在基于一個(gè)包含有動(dòng)態(tài)對(duì)象結(jié)構(gòu)變化、指標(biāo)知識(shí)可管理的基礎(chǔ)上，提供出有效的健康分析模型能力。
（二）整體建設(shè)方案
基于數(shù)據(jù)分析方法OSM，本次建設(shè)北極星目標(biāo)為運(yùn)維對(duì)象的健康度評(píng)價(jià)分析，拆解戰(zhàn)略目標(biāo)為單項(xiàng)對(duì)象健康度和關(guān)系影響健康度目標(biāo)，最終分解成為明確對(duì)象指標(biāo)評(píng)價(jià)體系和關(guān)系影響算法構(gòu)建。并基于此完善健康度智能分析方案。
健康度智能分析方案中，主要包括智能應(yīng)用場(chǎng)景、對(duì)象指標(biāo)平臺(tái)和運(yùn)維大數(shù)據(jù)平臺(tái)3層結(jié)構(gòu)，其中智能運(yùn)維應(yīng)用場(chǎng)景包括有異常檢測(cè)、容量規(guī)劃、健康度評(píng)價(jià)等多層級(jí)智能管理場(chǎng)景。運(yùn)維對(duì)象指標(biāo)平臺(tái)通過(guò)內(nèi)置運(yùn)維指標(biāo)體系，匯總運(yùn)維大數(shù)據(jù)平臺(tái)數(shù)據(jù)，構(gòu)建出標(biāo)準(zhǔn)數(shù)據(jù)模型，向智能應(yīng)用場(chǎng)景提供統(tǒng)一對(duì)象數(shù)據(jù)模型，運(yùn)維大數(shù)據(jù)平臺(tái)通過(guò)集中CMDB、業(yè)務(wù)監(jiān)控、基礎(chǔ)監(jiān)控等多種監(jiān)控指標(biāo)，實(shí)現(xiàn)數(shù)據(jù)統(tǒng)一存儲(chǔ)，向?qū)ο笾笜?biāo)中心提供數(shù)據(jù)服務(wù)。
（三）動(dòng)態(tài)對(duì)象模型
整體對(duì)象運(yùn)維模型內(nèi)置于對(duì)象指標(biāo)平臺(tái)內(nèi)，覆蓋從交易-業(yè)務(wù)-服務(wù)-基礎(chǔ)組件-基礎(chǔ)設(shè)施全域運(yùn)維對(duì)象體系，同時(shí)包含指標(biāo)、日志全時(shí)序列數(shù)據(jù)，通過(guò)內(nèi)置行業(yè)領(lǐng)域常見(jiàn)運(yùn)維對(duì)象模型模板，實(shí)現(xiàn)快速構(gòu)建可用于方案的對(duì)象體系模型。
本次方案中通過(guò)對(duì)證券業(yè)務(wù)的梳理分析，構(gòu)建出需要的動(dòng)態(tài)對(duì)象模型，模型對(duì)象數(shù)據(jù)基于流式數(shù)據(jù)動(dòng)態(tài)分析采集，實(shí)時(shí)變更對(duì)象信息，以保證健康度分析數(shù)據(jù)基礎(chǔ)實(shí)時(shí)性、準(zhǔn)確性。
（四）運(yùn)維指標(biāo)體系
基于SRE理論的健康度分析算法，需要斂合對(duì)象、指標(biāo)、時(shí)間多維度數(shù)據(jù)組合方案，對(duì)此進(jìn)行多層次健康度實(shí)時(shí)分析檢測(cè)，從而將監(jiān)控和預(yù)測(cè)工作從單指標(biāo)管理轉(zhuǎn)向多維度組合健康管理，結(jié)合內(nèi)置證券行業(yè)標(biāo)準(zhǔn)指標(biāo)體系，構(gòu)建出可用于健康度分析的指標(biāo)體系設(shè)計(jì)，按交易、業(yè)務(wù)、網(wǎng)絡(luò)、服務(wù)、基礎(chǔ)設(shè)施多個(gè)層級(jí)分層進(jìn)行設(shè)計(jì)對(duì)接，實(shí)現(xiàn)對(duì)指標(biāo)和對(duì)象類別的可視動(dòng)態(tài)配置管理。
建設(shè)成果
（一）動(dòng)態(tài)實(shí)時(shí)多層級(jí)健康度分析檢測(cè)
通過(guò)實(shí)時(shí)指標(biāo)和異構(gòu)原文輸入，動(dòng)態(tài)構(gòu)建出對(duì)象健康分析結(jié)構(gòu)模型，并基于算法檢測(cè)能力，計(jì)算出對(duì)象異常情況。該平臺(tái)目前可以同時(shí)對(duì)單應(yīng)用系統(tǒng)內(nèi)超過(guò)5000對(duì)象共計(jì)1w多指標(biāo)進(jìn)行實(shí)時(shí)動(dòng)態(tài)配置分發(fā)，檢測(cè)顆粒度達(dá)到5s級(jí)別，檢測(cè)準(zhǔn)確度得到大幅提高，有效幫助降低嚴(yán)重異常故障的發(fā)生頻率和等級(jí)。
（二）可靈活擴(kuò)展對(duì)象指標(biāo)體系管理平臺(tái)
基于對(duì)象指標(biāo)中臺(tái)，提供有可視化指標(biāo)計(jì)算、治理、服務(wù)管理能力，并且內(nèi)置指標(biāo)體系知識(shí)，幫助運(yùn)維團(tuán)隊(duì)快速創(chuàng)建可用運(yùn)維指標(biāo)管理體系，結(jié)合維度管理邏輯，提升運(yùn)維管理指標(biāo)精細(xì)程度。
通過(guò)對(duì)接入數(shù)據(jù)的質(zhì)量和覆蓋度分析，快速識(shí)別出問(wèn)題指標(biāo)和問(wèn)題對(duì)象節(jié)點(diǎn)，提高數(shù)據(jù)管理便利性和質(zhì)量。
（三）統(tǒng)一數(shù)據(jù)體系結(jié)構(gòu)視圖
通過(guò)指標(biāo)數(shù)據(jù)可視和服務(wù)功能，向健康度和其他計(jì)算場(chǎng)景提供可視化數(shù)據(jù)服務(wù)能力，通過(guò)zhi標(biāo)生命周期管理能力，實(shí)現(xiàn)數(shù)據(jù)安全可控和有效管理。
用戶價(jià)值
（一）更實(shí)時(shí)的異常發(fā)現(xiàn)預(yù)測(cè)能力收益
通過(guò)建設(shè)基于可視化指標(biāo)中心及其健康度分析場(chǎng)景，使得企業(yè)業(yè)務(wù)檢測(cè)分析效率達(dá)到了5s顆粒度，覆蓋范圍達(dá)到全系統(tǒng)服務(wù)和基礎(chǔ)環(huán)節(jié)，并且實(shí)現(xiàn)了動(dòng)態(tài)結(jié)構(gòu)更新，有效提高了異常發(fā)現(xiàn)的實(shí)時(shí)性和準(zhǔn)確性，降低了嚴(yán)重異常的發(fā)現(xiàn)風(fēng)險(xiǎn)，提高了系統(tǒng)運(yùn)維健壯性。
（一）更低的AI場(chǎng)景治理建設(shè)成本
不同于以往以場(chǎng)景為目標(biāo)，頻繁定制腳本的數(shù)據(jù)指標(biāo)治理方法，可觀測(cè)性指標(biāo)中心提供了可視化模板化運(yùn)維數(shù)據(jù)整合治理能力，并且內(nèi)置標(biāo)準(zhǔn)指標(biāo)體系、對(duì)象模板等工具，管理員通過(guò)按策略或者場(chǎng)景需要，拖拽點(diǎn)擊的方法就完成了AI場(chǎng)景數(shù)據(jù)服務(wù)的構(gòu)建，擺脫了不斷編寫驗(yàn)證腳本的工作，提高了數(shù)據(jù)治理效率，從以前的3-4天一套場(chǎng)景數(shù)據(jù)建設(shè)降為現(xiàn)在1小時(shí)完成1套數(shù)據(jù)場(chǎng)景建設(shè)，在提高了數(shù)據(jù)質(zhì)量和完整度的同時(shí)，有效節(jié)省了人力投入。
（二）更豐富的資產(chǎn)價(jià)值提升
通過(guò)可觀測(cè)指標(biāo)中心的數(shù)據(jù)服務(wù)，可以對(duì)對(duì)象、指標(biāo)進(jìn)行更細(xì)粒度的拆分，同時(shí)提供了多種維度管理能力，除了智能運(yùn)維應(yīng)用領(lǐng)域，更可以面向業(yè)務(wù)運(yùn)營(yíng)分析，向運(yùn)營(yíng)側(cè)提供基礎(chǔ)資產(chǎn)計(jì)算數(shù)據(jù)和可觀測(cè)場(chǎng)景服務(wù)，打通運(yùn)維向運(yùn)營(yíng)之間的需求壁壘，從“讓我取”向“我能給”轉(zhuǎn)型，使得運(yùn)維組織運(yùn)營(yíng)能力提升，促進(jìn)運(yùn)營(yíng)團(tuán)隊(duì)更專注于業(yè)務(wù)分析，利用指標(biāo)中心自助式數(shù)據(jù)服務(wù)能力，快速建設(shè)運(yùn)營(yíng)數(shù)據(jù)分析場(chǎng)景，實(shí)現(xiàn)更有效地?cái)?shù)據(jù)分析工作，提高分析場(chǎng)景復(fù)雜度和真實(shí)性，幫助更精準(zhǔn)的業(yè)務(wù)預(yù)測(cè)和決策輔助，從而提高企業(yè)ROI指標(biāo)。
