解放运维工程师你需要服务器智能运维

[摘要]随着互联网、5G、IoT等技术的飞速发展，全球大型数据中心数量将以3.6%的复合年增长率增长，数据中心规模不断扩大，数据中心服务器规模已经...随着互联网、5G、IoT等技术的飞速发展，全球大型数据中心数量将以3.6%的复合年增长率增长，数据中心规模不断扩大，数据中心服务器规模已经达到10万级，这不仅需要更多的运维工程师，给企业增加运维成本，同时给运维工程师也带来了极大的难度和挑战：如何及时发现异常设备?异常根因是什么?故障是否能自愈?是否能预测故障?性能趋势是什么?如何决策?

运维发展历程：人肉运维、自动化运维和智能运维

早期的运维工作，大部分是由运维工程师手工完成，这被称作人肉运维。服务器运行状态，全靠运维工程师每日肉眼查看，进行问题定位与解决。自动化运维应运而生，大大提升了发现异常设备的效率，降低了运维成本。但是，面对故障根因、故障预测、性能趋势和控制决策，自动化运维力不从心。

Gartner在2016时提出了智能运维(Artificial Intelligence for IT Operations)的概念，并预测到2020年，智能运维的采用率将高达50%。从服务器运维的角度来分析服务器智能运维，目标就是通过对带外信息(配置信息、状态信息、性能信息、日志等)和带内信息(配置参数、性能信息、日志信息)进行采集，通过机器学习的方式来解决运维问题，提高系统预警能力和稳定性，降低运维成本，提高运维效率。

异常快速检测，问题准确告警

在服务器运维中，异常检测是根本，常见的有三大监控数据：状态指标、性能指标和日志数据，状态指标一般误报率较少，而传统性能指标的设置阈值，常常某一时刻产生噪点数据而产生误报;对于周期性变化的数据又无法进行动态调整，也常常产生误报，大大降低了告警的准确性。日志一般是半结构化数据，根据日志级别产生告警，其准确性极差，并且只能检测到已知和确定模式的异常。

浪潮服务器智能运维采用无阈值告警，无需人为设置阈值，通过对时序数据进行去噪、升维、方差等处理后，经过神经网络、LSTM、随机森林等算法进行动态的学习，达到对监控的性能指标，自动、实时、准确的识别出异常数据。对于日志的处理，通过对单条日志的语义识别和日志文件的时序识别方式，经过自然语言、专家系统、神经网络、深度学习等算法进行训练或者维护，从而不断完善，达到日志异常的准确检测。

故障智能处理，轻松运维so easy

智能故障诊断是建立在异常检测之上，有了准确的异常检测，通过综合各个异常指标进行数据的融合、过滤、权重等处理，使用神经网络、SVM、随机森林等智能算法，寻找问题根因，给出问题解决方案，使得运维工程师能够分钟级解决问题。

智能故障预测是对设备某一部件的性能数据和状态的动态检测，对原始数据进行数据挖掘，寻找特征数据建立数学模型，使用神经网络、SVM等智能算法进行在线/离线训练，形成预测模型。在部件发生故障前，感知故障，从而避免业务宕机，提高系统稳定性。

智能故障自愈是指故障确认后或者预测到故障时，无需人为干预，能够通过重启、配置或者一定的流程，使得系统能够恢复正常。故障自愈，需要维护一定的规则或者对故障进行标记，经过神经网络、SVM等算法进行训练，形成自愈模型，实现系统的故障自愈。

智能决策，感知未来发展

浪潮服务器智能运维工具可对服务器的性能数据进行预测，经过ARIMA、最小二乘法、指数平滑、LSTM等智能算法，能够感知系统在未来几个小时、几天或者一年的数据的走势、增长量或者周期性变化等，不仅为人工预测或者智能决策提供基础数据，还能够为业务系统提供优化建议。

浪潮服务器智能决策是建立在异常检测、故障诊断、故障预测、性能预测等之上，通过建立数据模型，经过神经网络、深度学习、专家系统等智能算法的不断学习，形成决策模型，无需人为干预，对服务器的配置参数进行智能调整，版本基线的升级/回退等决策，从而达到系统性能最优、异常最少、功耗低等效果。

例如监控服务器运行的性能，在业务少的时候，可以将服务器功耗降低，在集群方式下，甚至可以进行服务器关机操作，在业务量大的时候，将服务器性能调整至最优等智能决策。在整机柜/机房中，功耗的管理，当服务器都处于满载时，服务器的功耗是否超越了整个机房或者机柜的功耗，超越之后如何进行智能决策等。

智能推荐，发掘无限价值

智能推荐是对平台大量数据的统计、计算、分析和挖掘等处理，建立数据模型，通过神经网络、深度学习、最小二乘法、SVM等智能算法，建立推荐模型，实现对整个数据中心进行分析和预测，来指导客户决策服务器下架、备件量、扩容量、缩容量、采购厂商等。例如某一型号服务器的故障率过高，维护费用相应增高，建议下架，又由于业务的增长，需要采购新的服务器，通过智能算法评估采购量，进行推荐。

目前，浪潮依托自身技术优势，已自主研发了一系列自动化、智能化服务器管理软件集，从服务器上架、配置、部署、监控、故障分析等实现了全生命周期运维管理。其中ISPIM(浪潮物理基础设施管理平台)突破了大规模基础设施智能管理平台的分布式网格架构、高性能数据采集框架及智能分析系统、无状态管理技术，实现大规模服务器的全生命周期的智能管理。