利用人工智能技术 数智慧为企业打造智能运维平台

4月1日报道

提起运维工程师，很多人都会想到“救火队员”这个词。的确，当系统（尤其是业务系统）出现问题时，运维人员必须第一时间进行处理。并且由于白天是业务高峰，所以很多日常的系统维护还需要在半夜进行，艰苦程度可想而知。

与此同时，随着近几年IT技术的发展，很多企业系统开始从传统架构向云计算调整，接入公有云或搭建私有云环境，这就使得IT系统架构逐渐复杂；服务器、网络、存储等资源也随着业务和数据量的增长而快速增加；另外在移动互联网的冲击下，很多传统企业开始拥抱改变，业务也发生了重大调整并快速迭代……等等这些，都让传统运维的难度和工作量陡然增加。

“在这种情况下，传统运维工具已无法满足工程师的实际需求，同时也没有更好的新工具出现。但是， 人工智能 技术的不断成熟，给运维人员带来的新的转机。”郑华贵向表示。

郑华贵是“数智慧”项目的创始人。2009年3月从上海交大研究生毕业之后，他便加入招商银行总行信息技术部，负责信息系统运维相关工作。

曾经历过一线运维的他，在工作中发现了上述痛点和大环境的变化，开始在公司内部尝试利用AI技术解决运维问题。经过两年验证，2016年3月1日，郑华贵正式离开招行成立数智慧。

他介绍， 数智慧是一个基于人工智能技术的IT智能运维平台 ，希望通过AI的能力改变以往运维工作。用他的话说就是“企业IT运维领域的AI-as-a-Service”。

在系统运维中，预防问题和处理问题是非常重要的两个工作。以往的运维方式都是部署一套监控软件并设置一些阈值和告警机制，出现异常数据之后触发告警，再由运维人员进行故障排查。

“但是这种方式效率非常低，因为监控只能告诉我们哪个数值有异常，但并不能直接指出问题的症结所在。我们还要进行人工排查和定位。”郑华贵说。

而数智慧平台则是另一种思路：让AI直接对系统进行全盘监控，并在出现故障时直接指出故障原因。这其中：

预警方面： 在运行过程中，平台会通过实时监控系统各项运维指标，进行系统画像建模，并在第一时间获取到系统的异动，自动识别异动是正常还是故障情况导致，及时提醒运维人员关注，做到防患于未然。

故障排查方面： 有些突发状况系统无法通过监控预警，当故障发生时，平台可以为运维人员直接定位故障原因，提高工程师的排查效率。

郑华贵直言，之所以能实现这些功能， 数智慧的核心正是他们经过长期的经验积累，对系统运维的理解以及经过长期训练的一套完整的算法模型，使其能够根据各数值的异动，最终计算出故障原因。 在准确性上，郑华贵直言“暂时还没有误报”。

据了解，由于系统运维监控需要 极 高的实时性，并且系统数据也较为敏感，所以数智慧采用本地部署方式，即直接部署到客户所需监控的系统环境中，包括公有云、私有云等。另外平台还提供API和操作界面，可直接集成到客户的监控系统。

值得一提的是，数智慧可以实现“一键部署”和“自学习“配置，自动识别监控对象，不需运维人员做任何配置或定制。目前其支持的操作系统有Linux和Unix，Windows版本正在开发。

在商业模式方面，数智慧有些类似SaaS产品，收费方式为按所监控的节点数和使用时长收费。另外其社区版（免费版）预计将在今年推出。

自今年初发布首个版本以来，目前已有招行、广东移动等多家大型客户使用。据了解，数智慧的目标客户将重点聚焦在传统金融公司和互金企业。

2017年郑华贵透露，他们将继续进行算法优化，继续训练模型；其次将会拓展平台的适用性，包括Docker容器云的支持部署；另外，数智慧将会深入打造“智能DBA”产品，深入运维的细分领域。