AIOps 平台的误解，挑战及建议（下）— AIOps 挑战及建议（AIops智能运维白皮书）

AIOps 平台的误解，挑战及建议（下）— AIOps 挑战及建议（AIops智能运维白皮书）

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。

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。

司机对于特斯拉的 AutoPilot 过度相信，最终导致了悲剧了发生。

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。

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：