關于作者

新居網絡首席架構師梁明圖，在數據庫運維、數據分析、數據庫設計和系統規劃建設方面擁有10多年的經驗，對數據架構管理和數據資產管理有深入的研究。

隨著企業IT信息化的不斷深入，企業對IT系統的依賴程度與日俱增。面對越來越多樣化的IT系統，企業中的各級IT人員可謂是又愛又恨。我喜歡的是企業的各種IT系統已經成為企業業務的助推器，提高了企業業務和管理的效率。可恨的是，隨著企業越來越離不開IT系統，IT運維被推到了風口浪尖。如何保證IT系統高效、穩定、持續，甚至24/7全天候提供服務，已成為企業各級IT人員亟待解決的問題。

IT運維是指企業IT部門運用相關方法、手段、技術、系統等，對IT軟硬件運行環境、IT業務系統和IT運維人員進行綜合管理。隨著技術的發展， IT運維近年來也發生了翻天覆地的變化。下面總結了近年來IT運維的發展，展望了未來IT運維的大趨勢。

一、IT技術架構：從“IOE架構”到“互聯網架構”

1、IOE 架構

為什么要從技術架構開始？政治經濟學是這樣概括的：“經濟基礎決定上層建筑”，我想IT行業也是如此。技術架構的基本演進會從根本上導致其他領域的變化，當然也包括我們討論的IT運維層面。

曾幾何時，以IBM為代表的商用小型機、以IBM為代表的商用數據庫、以EMC為代表的高端存儲設計，是高端企業IT系統的標準。十多年前我參觀過一家省級運營商的機房，幾乎都是黑壓壓的IBM小型機；他們的系統數據庫是企業級數據庫，無論大小和用途如何。

回過頭來看，當時的企業為什么會傾向于這種IOE架構？當時，企業的選擇是可以理解的。就連被稱為“去IOE”的阿里，也是最具攻擊性的。當年原來的技術架構其實是IOE。在當時分布式技術還不成熟的前提下，國外成熟的商用軟硬件產品IOE確實帶來了與同期其他產品相比無與倫比的單機穩定性和高性能。

曾經在客戶現場看到一臺即將下線的舊小機器。我在關閉并離線之前檢查了啟動時間。驚訝的發現，這臺機器上一次開機的時間是3000多天前，也就是說，據說這臺小機器已經服役了近十年，沒有出現故障，沒有停機。正是為了這種穩定性和性能，很多企業付出了不小的代價，因為對于IT運營商來說，“穩定性壓倒一切”是他們的根本需求。

此外，考慮到技術因素，在IT系統運維仍以人力資源為主的時代，系統技術棧的單一組成也有利于開發運維團隊的形成和培養。比如一兩個再加上一些中低級的DBA就可以處理所有數據庫相關的問題，這顯然是一個非常劃算的選擇。

但隨著技術的發展，傳統的基于“IOE”架構提供的縱向擴展技術為高端商業產品設計的集中式系統架構已經遇到瓶頸。尤其是對互聯網公司技術架構的不斷深入研究，給IT行業帶來了新的技術模式變革。互聯網企業掀起轟轟烈烈的科技革命，背后的原因無外乎以下幾點：

2、互聯網架構

隨著技術的發展，這種基于云的、分布式的、開源的技術架構開始進入傳統企業的視線。2014年9月，銀監會發布第39號文《關于應用安全可控信息技術加強銀行網絡安全和信息化建設的指導意見》。隨后幾年，又掀起了一股傳統企業去IOE學習互聯網架構的浪潮。

互聯網架構其實并不神秘。可以總結如下：

因此，在互聯網架構、云計算、大數據等新興技術的沖擊下，企業的IT技術架構逐漸開始變革，從原來單一的IOE架構向x86、云架構開放源解決方案。各種技術架構的變化（見圖 1-1））。這種技術架構的創新必然會帶來運維領域其他關鍵因素的創新，推動“運維”行業的發展。

圖1-1 從IOE架構到“互聯網架構”

二、運維系統：從ITIL到

1、ITIL

企業技術架構的不斷創新，推動了IT運維管理模式的運維體系從穩態向敏感態轉變。

隨著企業信息化的深入，IT系統越來越多，企業IT運維人員的數量也在增加。許多企業信息化部門專門成立運維團隊，開展IT系統運維工作。IT團隊內部對運維人員的各種活動進行管理是自然而然的事情。ITIL 為企業 IT 服務管理提供了一個客觀、嚴謹和可量化的最佳實踐標準和規范。我想，長期以來，正是ITIL提出的這些標準和規范，為我國很多企業的運維體系建設指明了方向。

ITIL強調流程：以ITIL理念為核心的各類ITSM系統的運維操作。事件管理、問題管理、變更管理、配置管理，我們都按流程行事，杜絕一切頭腦風暴決策和盲目操作。

ITIL強調規范：運維人員按照組織的流程進行各種標準化的運維操作。約束本身就是為了保證大家的行為不偏離方向，少犯錯誤。

ITIL強調分工：運維人員按技能有效分工，有的負責服務臺的一線響應，有的負責二線事件和問題處理，有的負責配置管理，一些負責變更審批等。運維團隊各司其職，相互配合。

這種管理機制非常適合IOE技術架構時代。這種中心化的技術架構結構相對簡單，顯然需要更穩定的運維操作。畢竟，所有的雞蛋都放在這些籃子里；此外，在這種集中式架構下，業務變化并沒有那么頻繁。動輒要經過一個過程有點麻煩，但由于頻率低，還可以接受。

2、

但是，隨著企業IT技術架構逐漸進入互聯網架構，業務快速發展，強調IT更好地隨需而變，強調更敏捷地響應業務需求，ITIL系統與現實有些格格不入。這時，這個詞走進了人們的視野（見圖1-2）.

圖 1-2 運維系統從 ITIL 遷移到

（英文和中文的組合）是一組流程、方法和系統的統稱，用于促進開發（應用程序/軟件工程）、技術運營和質量保證（QA）部門之間的溝通、協作和集成。隨著軟件行業越來越認識到，為了按時交付軟件產品和服務，開發和運營必須緊密合作，這一點應運而生。

思路自然與ITIL不同

流程壓縮，響應敏捷，效率大幅提升：

ITIL強調流程，但也帶來了效率的下降。在IOE時代，企業業務的變化并沒有那么頻繁，這種效率的下降并不明顯。但在互聯網架構下，這種負面影響會被無限放大。

例如，運營商發布新的系統版本時，往往要經過源代碼提交、編譯、打包、發布到測試環境、UAT測試、bug修改、重測，最后上線發布的過程。這個過程通常要經過 3 -4 天。所以運營商的版本發布一般只能以月為單位，最快也只能以周為單位。與互聯網行業以天為單位的商業周期相比，這個系統對業務變化的響應速度太慢了。

因此，該系統更加強調效率。在持續集成、持續自動化測試、持續部署平臺、三維監控、技術架構優化等各種自動化工具的支持下，版本發布和運維的過程被大大壓縮，效率大大降低。大大改善。應用版本發布頻率可以用天甚至幾小時來衡量。這種為了效率而選擇性地拋棄一些拖拖拉拉的流程管理，是IT運維管理適應IT更好的按需變化的更好選擇，強調對業務需求的更敏捷響應。

自動化取代了受冗長流程控制的規范流程：

另一方面，ITIL強調規范性，但是這種建立在流程上的規范性仍然存在很多缺陷。

按照上面運營商的例子，即使有完善的流程控制和規范，誰也不能保證版本上線一定沒有問題。各個版本上線前后，運維團隊的成員依然面目全非，戰戰兢兢。

原因在于，當技術架構的復雜性發展到一定階段時，過程往往是無用的，甚至流于形式。在大規模、多類型軟硬件設施運維的情況下，單純依靠人的運維體系最終將成為整個IT運維的瓶頸。在這種情況下，很多企業嘗試將規范的操作細化為各種自動化的操作場景，比如上面提到的持續集成、持續自動化測試、持續部署、自動化監控和運維等工具和平臺。這些高效、標準化的自動化，徹底解放了運維人員的壓力，

以 為例，他們的 SRE 工程師要求他們只有 30% 的時間花在事務性工作上，例如 on call，而 70% 的時間花在各種自動化工具的開發上，例如自動化發布系統、監控系統、日志系統、服務器資源分配和編排等。這些工具需要自己開發和維護。這種在自動化工具下的高效率自動化操作，取代了在冗長流程控制下的規范，這也是系統比較明顯的一個特點。

開發運維一體化：

同時，ITIL背景下的分工也帶來了很多負面問題。例如，運營團隊的感知和認同感較差。企業高層領導認為，運維工作沒有亮點和價值，是成本部門；大部分運維團隊也認為自己是“背鍋俠”。這么多年前，我在做一個項目的時候，聽到某甲方運維團隊核心成員的抱怨：“年輕強者不努力，老板做運營和維護。”

這可能也是大多數運營商的心聲。誠然存在運維工作成果難以量化、企業高層重視不夠等因素，但這種壁壘太明顯的開發運維分工是也是重要原因之一。

企業開發團隊與運維團隊之間形成的鴻溝，使得開發團隊在規劃設計研發過程中過于關注功能的實現，在一定程度上忽視了穩定性、性能、可用??性以及運維團隊關心的其他因素。

同時，運維團隊在開發初期沒有反饋和修復這些問題的渠道。結果，運維團隊不斷淪為“救火員”和“彎腰”，團隊士氣低落，人才流失，運維質量下降，形成惡性循環。

因此，系統強調開發與運維一體化。

開發運維一體化使得開發和運維的信息透明化，運維過程中遇到的問題更有效的反饋給開發團隊。同時，運維的責任主體由單一的運維團隊向開發運維團隊轉變。這使得開發團隊也對運維中遇到的故障負責，因此開發團隊也需要將部分精力和資源投入到與運維相關的穩定性、性能和可用性的研發上。

當然，這并不意味著ITIL系統完全過時，而是需要將兩者結合企業的開發運維特點，形成更有效的適合企業自身的開發運維體系。只有適合你的才是最好的。

三、運維平臺：從ITOM到AIOps

“要想做好工作，必須先利好工具。” 運維工具是我們實現各種運維操作的有效幫手。它解放了運維人員，讓他們可以維護更多更好的各種IT系統。運維系統的發展當然離不開運維工具的發展。

1、手動操作維護

20多年前，企業IT信息化剛剛起步，IT運維基本上還處于刀耕火種的時代。沒有所謂的運維工具，也沒有意識到它的必要性。幾個小姑娘定時在終端上敲命令，把讀數一絲不茍地記錄在紙質表格上，在當時算是比較規范的運維實踐。原因是在那個年代，需要維護的IT系統數量很少，一個人就能看到。

在以IOE架構為主導的時代，運維團隊的人工維護仍占絕大多數。當然，他們中的一些人開始總結自己的運維操作，把一些常用的操作寫成大量的腳本，以便在從事一些機械重復的事情時可以“偷懶”。但是，人工運維仍占現階段大部分工作量。

2、ITOM

在IOE架構時代后期，互聯網架構開始普及，同時隨著企業IT信息化的不斷深入，企業IT設備數量呈現爆發式增長，并開始逐漸成為單靠人力是無法解決的。

以我服務過的一家運營商的客戶為例。最初的業務支持部門負責維護其核心系統。當時只有 20 臺主機和幾個數據庫。然而，在接下來的幾年里，維護系統的規模增長了十倍，運維團隊的規模也只有不到一倍。維護規模和運維團隊的能力只會形成越來越明顯的剪刀差，成為運維管理的核心矛盾。

然后，當企業開始嘗試引入互聯網架構時，系統的復雜性急劇增加，維護目標迅速增加。按照傳統的人工或半自動維護，更是不可能做到的。因此，為解決這一問題，企業嘗試引入各種運維工具，通過自動化手段解決運維人力和能力不足的問題，IT運維管理應運而生。

IT運維管理(ITOM)是指對IT基礎設施和軟件應用等對象的運行情況進行實時監控和管理，并提供反饋服務，確保監控對象保持最佳運行狀態。ITOM 領域的工具主要分為三大類，即：

IT運維管理（ITOM）將從原來的手動加被動響應轉變為更高效、自動化的運維系統。

以上述運營商客戶為例，由于運維人力的增長無法與IT系統規模的增長速度相匹配，企業很難對所有IT系統設備進行例行狀態檢查每天早上大規模手術前。維持。

為了解決這個矛盾，我們專門部署實施了自動化監控運維平臺，將大量的日常操作交給機器。就像日常的檢查動作一樣，只要定義了相關的檢查模板，機器就會按照我們定義的規范進行十年的各種檢查操作。

如果檢查結果有異常，運維人員手機上會出現報警信息，并通知相關運維人員進行處理。這種自動化運維工具系統的本質是讓機器管理機器，將大量重復性、機械性的運維工作交給機器執行，有效降低了運維人力資源的投入，也解放了運維人員的精力。并投資于更重要的領域。

最近和運維組的負責人聊了聊，了解到他們其實是把80%的運維操作交給機器自動完成。最后，他笑著說道：“其實我們現在的運維團隊除了處理突發的系統故障之外，最常見的事務其實就是為應用系統中的各個人員創建賬戶和分配權限。企業，我們現在正在開發代碼也可以自動執行此操作。”

3、基于運維數據分析ITOA

ITOM系統為運維帶來自動化，使IT運維更加高效。然而，ITOM仍然未能打破運維工作對操作者經驗的依賴，往往缺乏分析能力。它雖然可以收集運維數據，但無法洞察這些數據中包含的信息，更不可能對數據做出認知。轉型的本質。

比如在處理分析各種故障的過程中，我們仍然依靠操作人員的經驗甚至直覺來分析處理it運維技術，在運維決策過程中頭腦風暴的例子層出不窮。這是因為傳統的 ITOM 工具往往缺乏數據分析能力。雖然可以采集部分運維數據，但由于數據采集不完整，缺乏數據整合，數據之間缺乏聯系和分析手段，運維人員無法洞察其中包含的信息。這些數據，并不能對運維背后的知識進行本質的提升。

因此，運維人員開始探索基于運維數據分析的ITOA。大數據技術的成熟，使得海量運維數據的分析成為可能。參考業務分析領域的例子，我們從運維數據的采集、處理、分析、可視化等方面著手建立綜合運維數據分析體系。我們的運維IT系統無時無刻不在產生海量數據，其產生的數據量甚至可能超過我們的應用系統。因此，運維分析自然是大數據的應用場景。

基于運維數據實現ITOA

首先要解決的是數據收集問題：

由于運維系統中的數據是多種多樣的，既有監控系統直接采集的結構化數據，也有各種應用日志、機器日志等非結構化數據。

為了方便我們后續的數據分析，我們需要將難以分析的非結構化數據轉化為結構化數據進行存儲。比如圖1-3是Web日志中的一行記錄，里面包含了很多有用的信息，比如客戶端的IP，客戶端使用的客戶端，訪問的頁面信息，以及訪問時間等關鍵信息。

圖 1-3 Web 日志中的一行

我們利用有效的工具對這些信息進行分割，形成結構化的信息，持續存儲在運維大數據中心，如圖1-4所示：

圖 1-4 結構化信息

大數據技術的發展也為我們提供了存儲海量運維數據的基礎：

我們可以通過大數據平臺建設我們的運維大數據中心，從我們整個運維IT環境中采集的運維數據將在此基礎上進行存儲和整合。這樣，我們就可以改變ITOM系統中數據分散，難以關聯分析的缺陷，因為數據需要更多的聯系和關聯，才能充分發揮其背后的價值。

例如，ITSM 系統中的一個孤立事件可能很難看到，但從操作數據分析的角度來看，它可能會與歷史上一系列相同的事件進行比較，以發現在附近點的各種數據指標之間的差異。時間。種類。運維人員層層篩選和分析，最終通過分析找出運維數據背后的規律，最后總結成知識庫和相關的優化動作。這是所有用數據說話，用數據分析代替經驗決策的好結果。

數據檢索能力和數據可視化能力提供保障：

當然，運維數據分析除了簡單地提供大數據存儲和分析的載體外，還需要一些必要的能力來保證運維人員能夠更好地利用運維數據：

平臺需要具備強大的數據檢索能力。運維數據分析平臺存儲大量運維數據。運維人員在嘗試建立和驗證探索性場景時，往往會反復檢索和查詢特定數據。如果運維數據分析平臺的數據查詢速度很慢或者查詢角度很少，那么運維人員搭建場景的時間就會延長甚至不可能。因此，運維人員可以通過平臺實現關鍵詞、統計功能、單條件、多條件、模糊多維搜索功能it運維技術，實現海量數據的秒級查詢，

該平臺需要強大的數據可視化能力。人們常說“一張圖抵千言”。運維人員經常通過各個系統的運維數據進行統計分析并生成各種實時報表，對各類運維數據（如應用日志、事務日志、系統日志）進行統計分析. 多維度、多角度的深度分析和可視化，將自己的分析結果和經驗表達和推廣給他人。因此，平臺中具有各種旋轉數據透視表和定期報告功能非常重要。

可應用于多種業務場景：

另外，運維數據分析不僅用在運維范圍內，在我們的經驗中，還可以用在風險分析、審計、情感分析等業務場景中。通過收集當前環境下的運維數據，整合現有ITOM工具，利用大數據和數據分析技術，快速定位、排查和預測IT系統各方面的問題。對業務環節各個分布式系統的數據進行整體分析，合理優化IT服務，挖掘關鍵業務KPI指標，反饋業務方，幫助其做出明智的決策。

4、AIOps

艾瑞研究院分析預測，到2020年ITOM/ITOA市場規模將達到1.14.5億元（見圖1-5），但增速逐漸放緩，AIOps就是ITOM , ITOA 延續。

圖1-5 艾瑞預測2020年中國ITOM/ITOA市場規模將達到1.14.5億元

通過大數據和人工智能技術分析日志和運維數據，發現更多運維人員沒有意識到的潛在系統安全和運維問題。

在2016年發布的報告中，首次提出了基于大數據和算法（IT）的IT運維概念。隨著人工智能的迅速崛起，AIOps的概念已經從基于數據的分析擴展到基于人工智能，期望通過大數據、現代機器學習和更先進的分析技術提供主動、人性化和動態的可視化。或間接提升當前傳統IT運維（監控、自動化、服務臺）能力。

AIOps真正的應用和實現時間還很短。從目前的應用來看，主要是基于運維數據的集中化，以及機器學習算法在各種數據分析和挖掘工作中的應用。主要應用場景包括：

當然，AIOps的應用場景遠不止這些。正是因為這個概念出現的時間不長，所以我們有更多的空間去詳細探索。總的來說，從人工運維、ITOM、ITOA、AIOps的發展路徑，體現了運維自動化、數據化、智能化的主要發展趨勢。

四、運維核心：從關注平臺到數據資產

企業技術架構的變化導致運維管理方式的變化，運維工具也在不斷與時俱進。

總體而言，IT系統運維正朝著自動化、智能化方向發展。作為IT運維工作本身，相信運維工作的難度在降低，運維的工作量也在降低。畢竟大部分工作都是交給機器來完成的。作為IT運營商，我們未來的方向是什么，或者說未來的出路在哪里？

1、關注平臺

在經典的企業架構中，雖然不同的企業架構框架理論有不同的視角，但它們對企業架構內容的劃分大體是一致的，基本上從以下幾個方面（或者至少包括以下幾個方面）對企業架構進行了描述：

一般來說，從上到下會分為業務架構、應用架構、數據架構和基礎技術架構。傳統上，IT系統運維的主要對象是企業IT環境中的各種硬件和軟件平臺，如各種主機、存儲、數據庫、中間件等。企業IT運維團隊一般關注技術架構層面和少數應用架構級別（見圖 1-6）.

圖 1-6 TOGAF 開放組架構框架的企業 IT 架構模型

2、數據資產

然而，時代在不斷前進，企業的基礎技術架構也在不斷創新。云化、開源、高彈性的互聯網架構技術架構逐漸成為企業架構的主流。大量新技術的出現和應用，使得集中式系統架構被打破，系統架構越來越云化、分布式。

首先，分布式架構和基于云的架構使系統的單點崩潰。隨著整體數據穩定性的提高，對單臺設備穩定性的要求降低。在這個前提下，數據架構的工作更加重要，需要更多的數據架構師和運維人員參與到早期的系統業務架構分析、數據架構規劃、數據架構設計、數據模型設計等工作中。

其次，如前所述，運維相關的工具和產品不斷完善，不足。集中化、自動化、智能化運維產品和工具的出現，使IT系統運維智能化、自動化成為可能，使運維人員從重復性機械工作中解放出來，減少運維人員的工作量，讓運維人員承擔更重要的工作。

此外，各種軟硬產品也在不斷的完善自己。各種軟硬件產品的使用和維護“和”已成為一種趨勢：

最后，隨著信息技術特別是物聯網的廣泛應用，以及網絡購物、移動支付、共享經濟、智能家居等新業態新模式的蓬勃發展，全球數據呈現爆發式增長和海量聚合。隨著數據量更大、維度更豐富，需要更好的數據管理方法和更好的數據利用，構建以數據為核心的數字經濟。核心是數據資產管理。

在數據資產化趨勢下，企業IT系統運維的重點必須從單一的穩定性保障轉變為數據資產變現、增值等更高的數據資產管理和運營要求。

業務側數據資產應用存在諸多問題

但是，制約企業數據資產應用的問題還很多。

企業數據變現能力薄弱，數據應用和運營的專業技術能力不足，難以完成預測數據的應用場景。

運維人員的未來趨勢

運維人員作為IT技術與業務的接口，必然要求運維人員向上移動到數據資產管理的層面。

數據資產管理是將數據作為企業資產進行計劃、控制和提供的一組業務功能，包括與要控制的數據相關的計劃、政策、計劃、項目、流程、計劃和程序的開發、執行和監督、保護、交付和增加數據資產的價值。沒有高質量的數據，企業很難做出明智有效的決策。

在大數據時代，數據資產管理比傳統時代更為重要。為企業提供透明、可靠、優質的數據環境。它將成為企業的核心競爭力，幫助企業提供更精準的產品和服務，降低成本。和控制風險。我們將企業數據資產管理概括為數據資產管理的五星級模型，分為五個相互關聯的層次，即數據架構、數據治理、數據運營、數據共享和數據變現（見圖1-7） .

圖1-7 新居網絡數據資產管理五星級模型

時代在變，運維人員的工作重點也需要隨著時代的變化而變化。這是一個不變的規則。以數據資產為核心，以治理和運營為手段，以共享和變現為目標，是未來企業運維人員從基礎設施運維向以數據資產為中心的運維的大趨勢。

五、總結

經過近幾年的發展，企業IT應用系統的建設和運維逐漸從以業務為導向向以客戶為導向轉變。傳統的IT架構、運維模式、運維體系，甚至運維對象都受到不同程度的沖擊和改造。

在這一轉型過程中，企業IT運維面臨著業務需求不斷疊加、應用需求交付周期不斷縮短、用戶體驗需求不斷提升、數據資產價值不斷提升等問題。隨需應變已成為當前企業應用系統轉型的主題，這要求企業擁有更靈活、可擴展性更高的IT技術架構、更敏捷高效的運維系統、更智能的運維。工具系統能夠更快速地響應用戶端的業務需求，把滿足用戶的核心需求作為整個企業的共同愿景。

同時，智能運維工具系統基于數據化運維。通過大數據、機器學習和更先進的人工智能等分析技術，直接或間接地提供主動性、人性化和動態可視化的能力。提升現有IT運維能力，以更自動化的運維操作解放運維人員，讓運維人員更多地投入到數據分析等其他工作中，促進企業核心業務發展.

最后，企業IT系統運維的重點從技術架構回歸到信息本身。企業的決策支持、運營管理、風險控制、產品供應、營銷活動和其他服務都需要高質量和可靠的數據。運維人員在角色上處于技術與業務的交界處，是企業數據資產的理想管理者和推動者。未來，運維人員的工作重心將在很大程度上從技術架構轉向數據架構。