在传统运维向智能化转型的过程中 ， 可以从两个维度来设计其演进的路线 。 横向看是数据类别维度 ， 运维数据主要分为告警、指标和日志三类 ， 日志的量最大 。 这三类数据占到运维数据的80%以上 ， 其他运维数据如配置关系、工单和业务数据等 ， 也有一定的参考价值 。 而从纵向来看 ， 则是对数据处理和分析的能力维度 ， 智能运维的本质就是逐步提升对运维数据的分析处理能力 。

----专家观点｜擎创科技杨辰：企业数字化转型与“智能”运维//----

　　因此要谈到最佳实践 ， 对于运维成熟度度高的的企业 ， 可以按照数据处理能力的维度 ， 统一规划、分层实施 ， 实现从运维数据局部集中到跨域集中 ， 也就是先建立运维大数据平台 ， 通过加强数据治理、优化数据质量 ， 而后再过渡到基于算法的统计分析乃至流式实时处理 ， 构建多样化智能运维场景 ， 逐层实现智能运维能力建设 。 但这种方式并非放之四海而皆准 ， 对于成熟度不高的企业 ， 迫切需要解决的是实际运维问题 ， 而智能运维这时应该能成为解决实际问题的工具 ， 它可以根据客户当前的运维成熟度选择具体应用场景 ， 按照不同的路线图进行建设 ， 这才是智能运维的应有的能力 。

　　例如一家城市商业银行 ， 它目前最大的问题可能只是监控效能低下 ， 误报漏报多 ， 我们可以先从集中告警入手 ， 利用算法去重降噪 ， 再查看相关告警之间的有效告警场景 ， 筛选出最可能影响业务问题的告警 。 在提高告警处理效率后 ， 再通过分析告警的源头 ， 进一步解决监控指标静态阈值设定不准确的问题 ， 用智能异常检测替代之 ， 从而根本上提升监控效能 。 这就是场景化方式导入智能运维的方法 。

　　困惑三：已经建设了大数据平台还需要建设专门的运维大数据平台吗?

　　智能运维能力依赖于运维数据的处理分析能力 ， 因此运维大数据平台的建立和通过数据治理提高数据质量非常重要 ， 它是构建相应的智能运维场景的基础 。 运维数据的处理分析由于有其特殊的要求 ， 不仅仅是数据规模大 ， 而且数据处理的时效性要求极高 ， 这是因为许多运维数据需要在高速流引擎中进行复杂的聚合、计算、判断比较等操作以满足机器学习算法要求 ， 这也是运维工作场景的特色 ， 那就是必须“快” ， 否则一旦故障发生久了 ， 一切就都失去了分析意义 。

　　而传统为业务构建的大数据平台 ， 主要用于存储和分析数据 ， 这种分析往往是离线数据的历史分析 ， 对时效性要求不高 ， 因此不具备支撑智能运维的能力 。

　　因此运维大数据应该考虑独立建设 ， 但可以将基于HDFS的Hadoop架构大数据平台作为归档的数据平台 ， 比如运维数据里应该根据分析效能分类为冷、温、热数据 ， 其中具备长期检索价值但没有短期分析意义的冷数据 ， 可以归档到Hadoop集群中 ， 这就要求运维数据平台的架构设计要考虑其开放性 。

　　困惑四：建设智能运维必须先完成运维自动化建设?

• 中国网科技@撤出液晶面板生产，三星将关闭两座工厂
• #即科技#107国赞同票作废！，想“加入”联合国？中国使用一票否决
• 【腾讯科技】全球应用市场第一季度大爆发：花费达234亿美元创纪录 时长增20%
• 即科技■决定权掌握在中国手，?联合国五常将变六常？此国获美俄一致力挺
• 『极速聊科技』目前仅剩10余人，暴风集团：员工持续大量流失
• 【科技生活快报】普京：已与欧佩克和美国就石油价格下跌问题进行讨论
• 「科技小数据」消费信贷的客户呈现出年轻化的趋势，新消费崛起
• 『科技拌饭』敌人无处遁形，手机变身物理外挂？华为MateXs双倍视野刚枪
• 戮默科技■助力企业数字化升级，戮默科技深挖软件开发核心
• 飘客爱科技@南卡A1主动降噪耳机体验，低价位也能感受无线耳机ANC