当前位置:首页 > 运维干货

IT运维信息时代——数据化运维

e8yw

  自动化运维工具和平台大幅度提升运维效率,让运维团队从机械、重复的劳动中解放出来。此时,运维人员得以重新审视整个运维过程,发现我们现有的运维过程中仍然出现一些问题,自动化运维体系仍然未对这些问题做出很好解答。

  自动化运维体系仍存在的问题

  1、基于运维者经验/拍脑袋决策

  例如,运维操作和问题分析过程仍然是基于运维者的经验做出判断,很大程度上缺少了数据化和量化的支撑,仍然是依靠运维者的经验甚至直觉来分析处理,运维决策靠各种经验判断和拍脑袋决策。

  2、运维操作与事件间深层次关系不明

  许多运维操作和事件之间的深层次关联关系未能有效评估和分析出来。例如,我们即将上线一个全新版本的应用,这个应用将会涉及到多方面的变更操作。那么,这些变更的操作影响面究竟将会有多大,可能会影响到其他应用和系统的运行,上线前需要知会哪些具体的相关人员。

  运维工具数据化趋势

  一些运维出现的故障或者问题,其实是长时间积累的结果。

  例如,一个数据库的数据空间出现空间容量不足的故障,绝大多数情况下并非一朝一夕造成,它的发生是一个较为长时间积累的过程。

  通过对空间容量数据基于时间轴跟踪分析,可以在一个较长的时间段之前就可以做出较为准确前瞻性预测,这样我们就可以提前做出应对和处理,避免故障和问题的发生。

  早在十多年前,IT行业中数据仓库、BI等领域利用业务数据进行专门的数据分析和挖掘。而如今,大数据更成为企业业务的主要推动力,这为IT运维提供了重要的启迪,如何利用运维过程中产生各种数据,进行有效的分析和应用,进一步提升运维质量。因此,运维工具数据化成为自动化之后的必然趋势。

  运维数据化的特征

  所以,运维数据化的特征之一是将一切运维事件和操作数据化,将来自于各种监控系统、自动化运维、CMDB、日志文件以及各种专业运维工具等各种各样的数据进行采集、清洗、整合和结构化,并将所有的数据整合集中到运维数据平台,让原来孤立于企业IT环境中的各种运维数据产生更多连接和碰撞。

  其次,构建一个更为开放且透明的运维数据体系,让更多的运维人员参与到运维数据分析中,让运维人员各展所长,从不同的角度去分析和应用数据。因为,如同业务数据一样,数据价值体现于应用的过程中,应用越多数据价值才越高。

  另外,建立一套简单且有效的可视化运维数据分析手段,让运维人员通过可视化数据分析图表和报表,可以直观地洞悉运维数据中潜在的关系和趋势。

  最后,基于运维数据分析的可视化运维大屏,使运维工作更为显性化。让运维工作这个原来领导看不见“黑匣子”,用可视化技术形象直观地展现出来,一方面,可视化将运维工作更加公开、透明,提升其他部门对运维的感知,提升运维工作的体验;另一方面,运维可视化实现程度的高低,在一定程度上反映出我们对运维工作的理解程度。可视化程度越高,运维就越简单,运维效率也就越高。

  通过采集当前环境中的运维数据,集成现有运维平台和工具,利用大数据及数据分析的技术,对IT系统中各个环节的问题进行快速定位、故障排除和预测。对来自业务环节中各个分布系统的数据进行整体分析,合理优化IT服务。

  E8运维是国内最早成立的IT运维技术社区,致力于为运维相关领域的工程师打造一个良好的学习交流平台。深度剖析国内运维业内动态,分享DevOps、自动化运维、智能运维等优秀实践,帮助运维人员提升技能和规划职业发展路线。


分享到: