中国IDC圈讯 12月11日-13日，由中国IDC产业年度大典组委会主办，中国IDC圈、CloudBest承办的以“赋能企业数字化转型”为主题的第十三届中国IDC产业年度大典（简称“IDCC2018”）在北京国家会议中心隆重召开。
13日上午，IDCC2018分论坛智能运维安全论坛正式召开！本次论坛由威客安全和中国IDC圈承办，汇聚了来自来自运营商、互联网、数据中心、云计算等多领域多行业的企业高管、嘉宾、媒体等。与会嘉宾们在大典现场，共话数字经济时代，聚焦数据安全问题，探讨智能化与可视化运维的新方向与新趋势。
会上，中国建设银行北京数据中心处长郝丽萍女士，为大家带来《建设银行在智能运维上的探索及实践》的主题演讲。以下为演讲实录（未经本人核实）：
大家好！首先，我点个赞，给IDC的组委会点赞，我昨天拿到模板的时候，我看这是黑色的底色？我想为什么是黑色的底色？为了节能，我们现在做的大屏的时候，原来都是白色的，特别的亮，设备寿命也会减少，我当时一看，可能也是跟我们现在的绿色环保趋势有关，所以首先点个赞，我昨天让小朋友改这个PPT，我全部用了黑色的底色，符合一下我们的要求。
刚才主持人的介绍，我是北京数据中心，其实我们现在已经改名了，我们叫运营数据中心。各个行的名字都差不多，都叫什么什么数据中心，但是没有叫运营数据中心的。我们今年是数据中心的转型，做了两大事情，第一是从运维向运营转型，建设银行从运维到运营的转型，在组织架构上成立了创新团队，我们叫创新发展处，牵头数据中心的创新工作，包括智能化也是我们创新的一部分，还有基础设施的创新。第二，我们内部成立了公有云的团队，建行现在做公有云，我们有专职的公有云团队，今年6月份投产，已经承载了对外部的一些服务，把建行的一些业务输出给外部客户去用，这就是建行数据中心两大转型点。
下面说一下我们在智能运维方面的进展，刚才毕处也讲了很多，每个银行都在做，这两年智能运维也比较火，讲的内容也比较多，我跟大家分享的是建行在这方面的落地，跟大家分享一下。
我从三个方面介绍一下，第一是对智能运维的理解，怎么来理解智能运维。第二，我们今年做了人工智能，从业务到技术，到运维的人工智能的项目群，对智能运维有整个框架设计，就是平台的设计。第三，我们的探索和实践，落地的场景。
首先，我们对智能运维的理解，看一下挑战。刚才毕处也讲了很多挑战，建行也很多挑战。第一，我们运维规模不断扩大，尤其是公有云上了以后，现在都是上万台的物理机，人工运维的成本越来越高，完全靠人去做很多工作是完不成的，规模的扩大要求，要求我们思路必须要有所改变。第二，我们的高效敏捷，从整个建行投产的项目来讲，今年成立了金融科技公司，整个项目的投产差不多每周都有一个版本，运行维护日，有版本投产日，现在就是每周都有版本，敏捷的要求越来越高，如果没有自动化的手段，完成这么多的投产也不可能。第三，新技术的应用，现在大数据，人工智能，建行的自动化，人工智能是智能运维，也变成可行的思路去进行实现。
这个图刚才毕处也用了，这是Gartner的定义，定义什么是人工智能，就是大数据，机器学习，还有一个预期，2016年的时候部署率是5%，2022年要达到40%，这是发展最快的两年。
我们在智能运维领域有几大能力，我这里总结一下三大能力，第一是感知力，就是我们的监控怎么发现问题，怎么能看到问题，有学习的能力，有知识积累的能力，管理配制的能力。第二是像眼睛一样，有的时候能够看到，就是洞察力，有分析的能力，相当于大脑的能力，分析根源和业务影响，做出决策，就是AI的能力。第三是控制力，就是自动化手段，手的能力，我发现了，也分析判断出来了，最后怎么实施，怎么通过自动化和半自动化的手段把事件给出来掉，把问题给解决掉，这是当时做人工智能的时候，做项目的时候，我们总结出来的三大能力。
我们还有八个特征，根据我们这几年来做的工作，第一是会学习，怎么叫会学习？我们相关的配制和监控，通过自动学习让知识越来越完善。第二是能感知，监控的能力越来越完善，我们现在定义的是流式计算，现在200多个系统10秒钟就能发现问题。第三是会分析，就是我们的配制，我们有系统画像，还有运维的基线，能够比对，通过配制能够经过分析，分析比对有什么差异。第四是会推理，对故障和问题提供一些推理和决策。第五是可预测，根据我们推理和判断出来的单指标，多指标的学习，建立趋势的分析。第六是可决策，形成事件分析的综合比对，为后续的处置和决策提供依据。第七是自动化，自动化和半自动化的能力，我们对人工智能，什么样的事情做自动化的处置，什么需要人工去判断，简单重复的，频率高的首先做自动化，对已经有明确场景的就可以做处置，对复杂场景提供人工建议。最后是可视化，我们从去年到今年也做了很多可视化，不光是技术的可视化，还有业务的可视化，建行有三大战略，其中有一个普惠金融，就是国家刘副总理去建行参观，我们做了普惠金融的可视化，也得到了好评。我们在ECC，可视化的场景也做了好多。
第二就是智能运维的框架设计。今年年初在做项目群的时候，当时把我们所有的运维场景做了一个梳理，我们从简单到复杂，从低频到高频，对所有场景进行了分析。我们大概分了四个象限，右下角这个是高频的，比较简单的，我们落地的时候有先后顺序，这是我们首先要落地的，相当于我们的告警自动化变更，还有聊天机器人，智能授权。频率高的，重复的，我们就作为首先要落地的场景。右上角这个，是比较复杂的，频率也很高的，现在也是我们正在做的场景，就是知识图谱，系统画像，人工智能对运维帮助大的，刚才毕处也讲了这个场景。右下角这个是规范化，流程化的，我们很多年前，像服务流程，已经将近十年了。左上角这个是低频的，复杂的，能够稍微靠后一点，这是我们今年年初时候的梳理，把运维场景进行了梳理，人工智能的实施路径做了一个先后顺序。
我们还做了一个事情，就是数据建模，我们做新一代的时候，建行把业务的数据做了一个建模，当时运维的数据没有做，今年按照领导的要求，把我们数据中心的运维数据做了建模，对数据中心进行统一的管控，数据治理是最重要的，我们首先要知道有什么数据，数据有哪些，标准是什么，应该怎么管控。
可视化场景，人工智能很多配制的数据，基本上也在数据建模的基础上做出来的。
这是我们的一个截图，按照数据建模的几大领域做的。
这是人工智能的一个平台，我们做项目群的时候，运维的人工智能的层次应该是什么样的，有哪些技术不变。最下面是我们的管理对象，有计算资源，网络资源，存储资源，环境资源。上面是数据采集，我们采用的是有代理，无代理，API。还有数据存储技术，首先是MongoDB，还有ElasticSearch，Neo4j，Oracle等等。再有是人工智能技术的平台，我们有数据管理，数据清洗，数据解析，数据转换，数据服务。还有算法服务，现在有机器学习，还有深度学习，人工智能的平台打算明年1月份投产，还有各个领域的，运维领域也是其中之一，未来我们整个建行是大的人工智能平台，包括业务领域和运维领域全部含在上面。还有我们的计算服务，流式计算。再往上是典型场景，四象限里面的场景，这是举的一些例子，从里面抽了一些重要的，这是我们当时分析出来的场景，再往上就是我们的管控接口。
我们在整个框架中还有很重要的一部分就是配制，已经说了很多年，我们建行的配制管理差不多十年前开始做，当时也收集了很多数据，但是用得一直不好，因为手段跟不上，消费场景不明确，数据功能不明确，不敢保证是对的。我们去年开始进行了重新构建配制管理，采集什么，用什么，场景驱动的数据，我们到底收集那些书局，消费场景是什么，再去完善，对数据进行治理，我们建立生产通道，实现数据采集。我们今年是数字化年，把我们的数据，把大家认知到的数据都采到，保证我们的数据是完整的，保证数据基本上是完备的。第二是建立消费通道，就是保证未来数据治理很重要的，有哪些消费场景，保证数据的完整性和准确性。实现基础数据的基线管理，订阅，比对，下载等基础功能，这是我们的配制管理。
还有是人工智能很重要的一个，就是大数据，大数据平台我们保存在这里面。这是采集方式，有代理，无代理，还有接口的方式，我们的数据采集，数据集群，也做了划分。下面是对数据生命周期管理，根据使用要放多长时间，要存多长时间，这是我们大数据的一个平台。
第三部分，探索及实践。首先是系统画像，我们系统应该长什么样？系统都是一堆一堆的数据放在那儿，但如果拿系统画像画出来应该是什么样的？应该含有什么内容？系统的配制数据有哪些，近期有哪些操作，系统到底健康不健康，从这些维度来看系统画像。
这是我们的截图，最左边是整个系统的架构图，下面是网络，上面是我们的硬件，再上面是DB，再上面是AP，最上面是WB。第二部分是我们的性能数据，点进去以后能看到这个系统的使用率，内存使用率，整个性能的数据会展现出来。第三个是告警数据，会显示出来现在有多少告警，告警内容是什么。第四个是配制数据，点进去以后再往下看。
应用及交易监控，刚才已经跟大家说了我们的秒计监控，10秒采集，采集的力量差不多是70亿笔，日处理的交易量。通过我们的交易监控，可以看到交易跟踪，从哪个系统开始发起，最后结束在哪个系统，单笔交易的跟踪。我们也做了日志规范，通过日志就可以看到，投入跟踪号可以展示出来，再往上可以看到系统之间的交易路径。再有是应用状态监控，是用户自定义的，你需要监控哪些数据可以自己去定义，通过日志里面可以把数据抓出来，然后去展示。还有动态基线，这个应用是前两年做的，就是传统统计学的算法，看一下这个基线到底是什么，我们叫动态基线，还不叫智能基线。右面是我们的可视化数据，可以自己去定义，自己去分析。还有是数据聚合运算，数据采集就不说了。
这是我们的智能分析，最重要的是告警收敛，我们现在做到的基本上是99%，100个告警，收敛之后是1个，我们这么多年积累的告警规则，根据规则去收敛，还有是根据算法去收敛，基本上两三百条，原始报警是非常多的。再有是关联分析，有基于时间的关联分析还有基于购物篮的关联分析。还有是根源分析，所有算法一个是基于大数据，一个是基于配制，这是基于我们配制关系画出来的。右面是影响分析，也是根据配制关系，互相之间到底有什么影响。还有事件处置，有自动化和半自动化，有些场景明确的就自动化配制，不明确的，风险比较大的需要人工判断，就是半自动化的。
这是交易路径分析，上面这个图是监控系统里截出来的图，这是交易路径，系统之间是什么关系，我们交易途径的拓扑图。我们生产的交易路径怎么走，我们有设计态的，在系统里面相当于我们的架构资产，路径是什么，生产什么，生产态和设计态进行比对，生产的东西，投产的跟原来设计的是不是一样的，是不是按照设计实施的，现在我们正在做。因为现在交易系统确实比较复杂，路径又比较多，到底应该是什么样的？原来设计的东西是不是有变化了？我们要实时去比对，看看是不是按照这个规范。
还有是健康度评估，是我们天天做的，像人的体检一样，你的健康指标是什么样的，要有个打分，用了人工智能的算法，对各个方面进行评估，最后进行打分，分值应该是多少，然后给你个建议，看你应该做哪些处置。
这是我们今年年初的时候定的一个目标，也是我们的展望，就是数字化转型，把配制全部做好，完成基础配制的采集，实现部分人工智能的场景，平台的建设能力，还有场景的应用，就是现在的业务可视化，3D可视化。明年我们是全流程的自动化的转型，自动化说了这么多年，到底做到什么程度？在Gartner中，自动化的工具手段还在上升炒作的阶段，尽管做了很多，但是这个路还很长，明年重点还是要做，我们的数据中心是运营运维的，投产全部交给数据中心，日常的运维全部在数据中心，自动化现在这么频繁的投产，要求特别高，我们做了一键式的发布，最终做到无人值守。大量的场景应用我们觉得应该是在2020年，就像Gartner说的，40%最后部署率会达到，更多的场景去进行应用。
谢谢大家！
热门专题
