方案概述

应用场景

• 运维基础监控：通过代理或无代理方式对上百家厂商的服务器、网络设备、操作系统、存储、虚拟化、中间件、数据库、Web服务等资源的配置数据和指标数据的统一采集、统一监控、统一管理。
• 数据中心统一运管：以提高数据中心ROI为最终目标，保障数据中心业务连续性
• 用户体验与应用性能管理：以提升数字化用户体验，帮助企业实现数字化转型赋能角度出发，整体的解决方案提供了包括web用户、移动用户、应用性能等从前端到后端的整体性能监控
• 运维日志分析：基于大数据技术与智能算法实现对离散日志数据的统一采集、处理、存储与查询分析。该场景同时具备日志检索、日志模式识别、日志可视化分析、日志异常检测、日志智能告警、日志脱敏、日志关联查询等能力。可应用于统一日志管理、基于日志的运维监控与分析、调用链监控与追踪、安全审计与合规、各种业务分析等数字化运维和运营场景
• 运维全栈监控：可助力各行各业在面临数字化转型过程中，为了保障用户业务是稳定、持续、高效的运营。通过从不同的维度对用户的数据中心的基础设施、网络性能、应用性能、终端用户的真实体验进行全面覆盖，主动实现对业务运行状态全面感知和实时监控。
• 运维中台：将智能运维平台的通用能力进行抽象化，赋能内外部智能运维体系。作为运维能力中台，对已有工具集和新建监控工具的数据充分利用，充分利用数据价值，提升运维效率，利用数据治理和算法的能力赋能业务和应用运维场景，赋能数字化运维和智能运维，让企业的运维能力化，快速和高效的实现运维的业务价值。
• 运维服务管理：以ITIL4、ITSS为理论基础，以大数据和人工智能技术为支撑，适应企业数字化转型中新的业务发展与IT架构的特点，将企业IT部门技术资源中各类要素（人、物、财）进行科学地组织与管理，合理调配人力资源、有效管理信息化软硬件、提高运维管理工作水平、提升运维整体效能。
• 运维自动化：基于DevOps、SecOps、AIOps理念，将数据中心运维过程进行原子化提炼，具备开箱即用的各类自动化运维场景，如应用发布、灾备切换、原子化工具栈、自动化巡检、网络自动化等。
• 低代码可视化建设：结合低代码理念，实现灵活定制数据可视化大屏，平台实现了数据接入、数据转换、数据可视化的完整闭环，通过画布式表单设计、拖拽式流程设计、可视化编排、结合丰富的应用模板库、组件库，零代码实现业务数据定制、大屏应用生成。

【某制造业客户运维管理项目】

客户是一家专注于终端产品、软件和互联网服务的科技公司， 产业布局遍及50+国家和地区，拥有超过400000个销售网点，服务超过4.6亿用户，在全球共有六大研究所和四大研发中心，拥有40000+名员工，研发投入超过100亿。在全球知名品牌排行榜《凯度BrandZ中国全球化品牌50强》，客户名列第六位，被评选为“优秀全球化发展品牌”。

客户痛点：

• 缺乏体系：运维服务不成体系，运维质量难以保证。
• 效率低：故障反馈周期长、效率低。
• 追溯难：工单问题无记录、不能沉淀共享。
• 复杂性高：需集成客户方多种渠道产品。

通过本方案实现的业务效果：

• 统一服务台：实现多入口统一线上管理。
• 增强用户粘性：达到客户用户量29万+，活跃用户数 5000。
• 符合用户实际使用场景：定制流程70+，开发新功能274个。

方案架构

业务架构图

图1 业务架构图

云智慧AIOPS智能运维平台解决方案的整体架构是一个多层次、模块化的系统，旨在实现全面的监控、管理和自动化运维功能。以下是对该架构的详细描述：

• 交互展现层：这一层包括移动端和H5界面，提供全链路可观测性工具如Doop、工作台、报告报表和流程管理平台DOSM/ITSM等。这些工具支持链路监控、深度分析、告警管理、故障管理和工单管理等功能，为用户提供直观的运维数据展示和操作界面。
• 数据处理层：由数据开放平台构成，支持Kafka、JDBC、RPC、Restful等多种数据接入方式。这一层包括数据处理（DODB）、算法中心（DOIA）、资产配置管理、告警管理（DOEM）等模块，负责数据加工、异常检测、容量预测、告警事件处理等任务。DODB作为专业运维数据库，能够方便地进行采集任务的配置和管理，支持数百种数据源，包括日志数据采集、数据库和中间件数据性能数据采集等。
• 数据采集层：通过采控平台，利用Restful、CLI、Webservice、API、SNMP、IPMI、SSH、JSON、Exporter、JDBC、Agent等技术，实现对云监控服务、云审计服务、云数据库、分布式缓存、分布式消息队列和表格存储等资源的监控数据采集。
• 基础设施即服务（IaaS）：提供了资源管理平台PaaS和基础设施/云资源IaaS，确保了平台的计算资源和存储资源的高效管理。
• 安全监控中心DOP和自监控管理DMP：用于保障平台的安全性和稳定性，实现快速处置和自动化运维，包括巡检、脚本和作业等。
• 智能算法：AIOPS平台通过智能算法对数据进行深度分析，实现数据异常监测、设备故障预测等功能。基于运行态势的预判，让一切都在掌控中。
• 运维数据治理：以CMDB为主数据进行运维数据治理，以及对外提供相应的服务能力，构建数据资产地图、建立运维数据标准化治理体系，实现数据运营的能力，并持续提升数据服务质量，为后续AIOps等消费场景提供相应的支撑。

云智慧AIOPS智能运维平台通过这些层次的协同工作，实现了从数据采集、处理到展现的全流程智能化运维管理，帮助企业提升运维效率、确保系统高效运行和性能稳定性。

部署架构图

图2 部署架构图

以下是对该架构图的简单描述：

• 通过kafka完成业务系统运维等数据的采集与传输
• 通过Cloudtable服务提供的全托管数据存储和分析服务，进行海量的系统日志数据存储和分析、在线查询等功能。
• 通过DCS实现在海量的日志条目中，对热点数据实时查询，达到快速定位问题分析问题的效果
• 通过RDS专业的数据库管理平台，进行系统日志的存储查询达到快速分析任务

方案优势

• 全面立体的方案覆盖：全栈、全场景、端到端的数字化运维服务能力，咨询+产品+运维专家服务；从用户体验-应用性能-基础设施各层面的全覆盖，打通运维监控体系各个观测场景；

• 数据驱动运维：完整的运维数据治理体系；以数据为核心的新一代运维平台：底层数据的全面打通、高度产品化的数据治理能力和高度灵活的数据开放能力

• 算法赋能：经过实践验证的算法赋能运维场景，现有智能运维7大场景，20+最佳实践算法范型开箱即用，多行业头部企业AIOps落地应用；

• 柔性产品特性：千人千面，可以根据不同运维角色的需求，即确保运维工作的统一性，不重复建设，又实现了针对一线运维人员实用体验的个性化，使平台好用易用；