AIOps 自从 Gartner 于2016年提出至今已有一段时间，虽然在顶级互联网及电信企业，已有较多落地，但至今仍无基于生产实践的理论体系及实施指南。AIOps，即 Artificial Intelligence for IT Operations，智能运维，将人工智能应用于运维领域，基于已有的运维数据（日志、监控信息、应用信息等），通过机器学习的方式来进一步解决自动化运维没办法解决的问题。

从整个IT运维的发展，我们可以看到早期更多的是通过运维人员人工来完成，在人工阶段主要又做了两个方面的重要工作。

• 其一是基于ITIL的运维流程的规范化，标准化和流程化
• 其二是对于日常可重复的运维操作的脚本化和自动化执行

以上两个动作只能够划入到运维的第一个阶段，因为在很早以前基本就已经实现。在这个阶段完成后我们进入到自动化运维阶段。

对于自动化运维阶段，我的核心理解是：

自动化运维是基于预先定义好的规则，通过实时的资源和应用性能采集后进行计算，当满足某种规则的时候自动触发相应的可重复执行的运维脚本。

也就是说自动化运维解决了基于规则的运维流程自动化问题。但是里面还有一个重点没有解决，就是规则本身仍然需要人工自动定义进去。如果已有的规则无法覆盖新出现的运维问题，那我们还得不断的扩展和完善人工定义规则，并进行手工的规则定义和配置。

也正是这个原因，出现智能化运维就有必要的，对于智能化运维可以理解为：

智能化运维是在自动化运维基础上，具备了基于人工智能和深度学习等算法，实现规则的自动生成，已有规则的自适应调整的自动化运维。

也就是说智能化运维必须具备规则自生成，自适应调整能力，否则都不能叫做智能化运维，而最多算做自动化运维。而要做到这点，即涉及到AI人工智能里面的机器学习，深度学习方面的内容，如聚类算法，神经网络，预测模型等。

图片来自网络

AIOps 是运维的发展必然，是自动化运维的下一个发展阶段。

Gartner 相关报告预测 AIOps 的全球部署率将从2017年的10%增加到2020年的50%。其应用行业，除了互联网以外，还包括高性能计算、电信、金融、电力网络、物联网、 医疗网络和设备、航空航天、军用设备及网络等领域。