AIOps 平台的误解,挑战及建议(下)— AIOps 挑战及建议
本文篇幅较长,分为上,中,下,三个部分进行连载。内容分别为:AIOps 背景/所应具备技术能力分析(上),AIOps 常见的误解(中),挑战及建议(下)。
前言
我大概是 5,6 年前开始接触 ITOA 这个领域的,首次接触后,发现领域有着巨大的潜力,一直寻找在这个领域做点事情的机会。大约三年前在这个领域创业,积极寻求 Product Market Fit。这几年下来,经过与行业内的专家交流,研读报告,阅读论文,客户访谈,亲自动手对相应的运维场景解析,行业产品的试用调研,以及结合着中国运维市场现状,撰写了此文。本人才疏学浅,不学无术,欢迎拍砖。
挑战
挑战1:超越当前技术水平的期望
以下是其中一例,当用户期望超越当前技术水平的一个典型的例子,车毁人亡。
![图片9_副本.png AIOps 平台的误解,挑战及建议(下)— AIOps 挑战及建议 技术分享 第1张](http://blog.oneapm.com/zb_users/upload/2018/06/201806071528356147109799.png)
美国加州湾区高速上的一起致命车祸,。一辆价值$79,500的 Tesla Model X,在行驶至山景城段101和85高速交界时,突然撞上隔离带,随后爆炸起火。
对此,遇难华裔司机的遗孀 Sevonne Huang(下文简称Sevonne)首次公开发声透露,丈夫生前曾抱怨过,特斯拉的自动导航仪,好几次让车子开向冲上防撞栏。Sevonne 说,将起诉特斯拉。
自动驾驶的安全性问题,再次把特斯拉推到风口浪尖上。然而事后,虽然特斯拉发声明称,抱歉发生这样的悲剧,但同时也将责任指向了死者,“车辆再三发出警告,提醒司机操控车子,但事发前,司机并没有把手放在方向盘上。自动驾驶仪并不能避免任何事故。”
司机对于特斯拉的 AutoPilot 过度相信,最终导致了悲剧了发生。
虽然目前的智能运维,所造成的结果可能不会那么严重,但是按照Gartner 技术成熟度曲线来看,AIOps 还处于非常初期的阶段(左下角),超越现阶段的期望,是 AIOps 最大的风险。
![图片10_副本.png AIOps 平台的误解,挑战及建议(下)— AIOps 挑战及建议 技术分享 第2张](http://blog.oneapm.com/zb_users/upload/2018/06/201806071528356160377487.png)
中国的企业用户往往有大而全的建设方案,如何从企业的实际情况出发,制定节奏合适的规划,我认为是一个很大的挑战。
挑战2:算法应用场景分散,成熟度不一致,通用性差,产品化,工程化困难,大部分场景距离实际应用有一定的距离
从目前来看,大家期望利用算法解决的场景包括:
-
单指标异常检测;
-
多指标异常检测;
-
日志模式异常检测,根据日志的类型的变化态势,发现正常和异常情况下各类型日志出现的模式;
-
故障根因分析,方法多种多样,有基于传播网络,有基于依赖,有基于概率数学统计等方法;
-
容量预估,对现有业务情况进行分析,预测未来所需要资源使用情况;
-
告警智能压缩,基于根因,减少告警数量;
-
故障预测,目前较为常用的场景为大批量,同批次硬盘的故障预测;
-
基于知识图谱(运维经验)故障定位;
以上的每个智能场景,每个场景所需要用到的算法都不一样,而且成熟度差异较大。
以最为简单,但应用最为广泛,成熟度最高的单指标异常检测来举例,从学术的角度来看,如果你到 Google 里去搜索,你会发现有大约 60000 多条的记录,时间跨度从上世纪 90 年代到几天前的都会有。
从商业化的角度来看,目前从我看到的,比较成熟的也只有 Elastic 公司所收购的 Prelert 的异常检测技术,是产品化的比较好的,普通的用户是容易理解,容易使用的。
![图片11_副本.png AIOps 平台的误解,挑战及建议(下)— AIOps 挑战及建议 技术分享 第3张](http://blog.oneapm.com/zb_users/upload/2018/06/201806071528356172460062.png)
这已经是 30 年来,集合了那么多顶尖的智慧,所能达到的产品化程度最高,通用性最强的场景了。其他的场景,成熟度,或者通用性肯定是不如本场景。
例如故障预测,目前比较好的案例是预测硬盘故障,前提是你拥有大量同样型号,相同批次的硬盘,其中某一些硬盘出故障了,从 S.M.A.R.T 信息中,你才能够获得训练集,然后利用模型去预测同一个批次的故障。这种前置条件,通常只会在特定的用户,例如腾讯,百度的数据中心,一次性购置上千块的,才能出现1到15块的故障硬盘 (据统计,硬盘的故障率在0.1%~1.5% 左右),而且就算有用户根据硬盘的情况,训练好的模型因为每个用户的机房,电压,温度都不一样,很可能没有办法进行复现,因此,此场景通用性极差。
如果要将用于预测硬盘故障的算法,用到某一个 IT 业务系统之上故障上,基本上也是不可能的,因为一个系统,相应的参数,变量,可能影响系统平稳运行因子太多,已经是没有办法套用到预测硬盘故障的算法里头来了。
还有,部分的算法,在实验室中的效果非常好,准确率和召回率都很高,但是,消耗资源巨大,实时性差,没有办法投入真正的生产使用的可能性。
因此,在算法上,我们应该先去落地成熟,ROI 显著的场景。
挑战3:现有运维监控体系没有完善
在无人驾驶技术领域,最核心的一个组件是 LiDar(激光雷达),一种运用雷达原理,采用光和激光作为主要传感器的汽车视觉系统,LiDAR 传感器赋予了自动驾驶汽车能够看到周边环境的“双眼”。
世界上,几乎所有的汽车厂商( Tesla 除外,Tesla 用的是通过摄像头而实现视觉识别技术,所以我个人高度怀疑特斯拉的事故与此有关)在研发无人驾驶技术的时候,都会给车辆安装上激光雷达。
而类比到运维的场景,如果眼睛不够,数据不足,事情看不清楚,其实是很难做到明确的决策的,具体表现如下:
缺乏足够的数据源: 有的客户,没有日志管理系统,也没有任何业务监控的手段,只有 CPU 内存,硬盘等基础监控,这个时候,其实我个人上是不建议在现阶段做 AIOps 的;
-
监控指标深度,专业华程度不够: 这个问题很多时候反应的数据库监控上,由于数据库专业化程度较高,因此对数据库的很多关键的指标未能识别,导致了关键信息的遗漏,可能会大大影响 AIOps 的落地效果;
-
配置管理不完善: CMDB 缺乏维护, 无法获取系统间关系的描述,拓扑依赖,相关运维监控数据元数据缺乏管理,都会降低落地效果,特别是在故障根因定位中,缺乏关系描述所形成的有向无环图,就很难利用传播关系算法去帮助定位根因。当然,这个可以通过由 APM ,或者 NPM 工具,所生成的应用拓扑去部分弥补;
挑战4:大数据基础复杂,性能及多样性要求高,元数据管理
整个 AIOps 平台最核心数据平台的部分,是要满足以下的需求:
-
高吞吐量,能实时处理海量,不同类型的数据(Metrics , Logging , Tracing);
-
具备强大的流式计算能力;
-
数据在插入后,能被准实时的检索,聚合;
-
数据变化多样,会不停地新增动态列,数据存储模型随时会改变;
-
超高的分析聚合计算性能,需要提供多维列式数据库的分析能力;
-
提供强大的实时搜索分析能力,可以通过关键字对事件信息进行检索;
-
具备一种或多种的数据查询 DSL,便于实现不同的分析场景;
-
具备历史数据和近线数据的分别处理的能力;
-
数据存储能对接到多种的 ML 框架中,作为数据源,训练模型;
-
数据要能实现上卷预聚合,在进行长时间范围聚合的时候,如月报等逻辑时,可以节约计算时间;
-
大的查询进入到平台,平台要有自我保护机制,不会造成故障;
-
良好的元数据管理的能力,包括如果从那么多数据中,按照模型还原相应的指标,以及指标间的关联关系;
-
能够与在线的算法模块进行集成;
以上的描述,都是 AIOps 的数据能力要求,往往需要多个大数据处理,存储组件,才能满足这种苛刻的要求,而且还需要无缝的整合起来,相应的工程技术难度非常大。
挑战5:人才匮乏
目前在国内,无论是算法人才,还是大数据人才,都是比较匮乏的及昂贵的,在人才招募,项目预算制定的时候,要充分考虑相关因素。
从人才的意愿来看,大部分的算法工程师及大数据工程师,更愿意去参与一些离变现比较容易的场景,如推荐系统,视觉识别系统等,如何吸引更多的人才,特别是算法科学家等,让他们感兴趣,加入到 AIOps 的场景中来,也同时获得较好的经济回报,是整个业界需要考虑的地方。
建议
-
企业结合自身的情况,合理控制期望,分阶段进行演进,查漏补缺;
-
建立一个完整的运维数据大数据体系是项目运维的关键,也是为智能化打下良好的基础;
-
以将整合指标数据、日志数据作为切入点,落地逐步整合更多的数据源,产生更大的收益;
-
智能化部分的落地场景优先聚焦在监控的异常检测,以及日志的智能聚类;
-
立足运维,面向业务,将 Operation 的含义演绎为运营,为业务提供商业价值;
总结
AIOps 的确是一个非常革命性的概念框架,它从大数据和 AI 的能力视角,去颠覆或者完善现在的 ITOM 运维体系,给学术界,工业界,最终用户,指明了一个明确,可持续高速发展5-10年的发展方向。可以预计,在未来 5-10 年内,大量关于 AIOps 的新思想,新理论,新技术,将会像寒武纪生命大爆炸时,不断的涌现,创新源源不断,作为业界工作者,作为企业,作为厂商,如何在这次的周期中抓住属于自己的机会,这是一个很值得思考的命题。
AIOps 让运维部门一下成了公司层面拥有数据最多的部门,运维人如何自身进化,从运维到运营,对大部分运维人来说,都是一个巨大的机会及挑战。
虽然 AIOps 的确给我们带来很多的想象空间,但是我们还是要以实际落地,实际帮助企业产生效率为导向,要避免跳入 AI 过热的炒作风,一步一脚印,直面挑战,持续演进,不断吸收世界先进的经验及思想,从而迎接未来这10年的黄金时代。
OneAPM 全新推出新一代 AIOps 平台 I2,欢迎您随时联系我们,即刻开启贵公司的智能运维之旅。点击进入 AIOps 官网了解更多信息。
-
- 来源:http://blog.oneapm.com/apm-tech/816.html