01-以“智”赋能，高效运维-晏顺

云无边界架构未来：拥抱开源、本地化与数字创新

技术发展趋势

• IT运维发展历程：从手工运维到自动化运维、平台化运维，再到SRE（DevOps）和AIOps。
• AIOps发展趋势：根据Gartner（2021年7月）预测，到2024年近50%的企业将部署智能运维。重点应用场景包括多维度数据分析、IT资产拓扑、事件相关性分析、故障事件学习完善和自动触发外部系统实现故障自愈。
• 业务交付与平台运维：平台运维连接网络、安全、业务，实现闭环式业务交付；统一化解决方案解决工具滥用问题；基于知识库积累，逐步落地智能运维和自动化处置，提升运维生产力；针对业务体验和安全事件持续优化，实现对业务的有效支撑。

端到端智能分析

• 智能化运维场景：包括质量保障（异常检测、故障诊断、故障预测、故障自愈）、成本管理（成本优化、资源优化、容量规划、性能优化）和效率提升（智能变更、智能问答、智能决策、容量预测）。
• 数据采集：涵盖VSS/VDS/Bridge/OVS、互联网或广域网路由器、防火墙、负载均衡、WEB服务器、应用服务器、数据库、VPC、Node、VM、Pod等。
• 平台架构：智能分析平台通过业务流量画像、流量Netflow日志、CMDB、K8S事件预警、故障自愈、饱和度预测、配置优化、根因定位、用户体验、用户DNS链路负载、防火墙应用负载/SSL应用安全防护、WEB/APP服务器防火墙应用负载、核心业务等进行分析。
• 业务画像：包括Link、Web、App、DB、BigIP-LC、BigIP-DC、FW、WAF、BigIP-ASM、BigIP、BigIP-DNS等。
• 资产自动化定义：通过定时轮询获取CMDB中定义的资产信息、域名及配置信息，进行资产内容整合，实现自动化资产定义，提升运维效率，消除监控盲点，提升资产信息的完整度。
• 自动告警：机器以历史数据为基准自主学习，自动判定监控对象是否存在异常，以告警方式呈现，解决人工预配置告警阈值条目多和维护繁琐的问题。
• 智能分析：选择分析对象、分析时间，点击确定进行自动分析，查看分析报告。
• 故障自愈：基于机器学习基线偏离算法、多维主因素算法、基于样本训练模型的异常检测、NEO4J根因分析算法、LSTM/ARIMA预测算法。
• 主动拨测：基于互联网业务区进行探测，如GET http://www.xxx.com/ HTTP/1.1 HTTP/1.1 502 Bad Gateway。

落地案例

• 智能分析场景：自服务平台对接告警平台知识库，触发专线链路中断、路由器缺少路由、交换机缺少路由、防火墙Deny等事件。
• 智能分析结论：从网络拓扑中标记异常节点，分析发生时间、涉及对象、事件描述和分析结论。
• 智能分析指标展示：高亮标记异常节点，检索对应的NAT日志。

价值总结

• 被动运维变为主动运维：消除运维盲点，提升用户满意度。
• 智能识别隐患：将严重影响业务的故障扼杀在摇篮中。
• 数字运维体系：包括业务发现与梳理、智能监控与分析、预警&巡检、评估与优化、机器学习与隐患排查、性能可视、主动运维、根因定位、提前优化、避免故障等环节。