关于作者

新居网络首席架构师梁明图，在数据库运维、数据分析、数据库设计和系统规划建设方面拥有10多年的经验，对数据架构管理和数据资产管理有深入的研究。

随着企业IT信息化的不断深入，企业对IT系统的依赖程度与日俱增。面对越来越多样化的IT系统，企业中的各级IT人员可谓是又爱又恨。我喜欢的是▼企业的各种IT系统已经成为企业业务的助推器，提高了企业业务和管理的效率。可恨的是，随着企业越来越离←不开IT系统，IT运维被推到了风口浪尖。如何保证IT系统高效、稳定、持续，甚至24/7全天候提供服务，已成为企业各级IT人员亟待解决的问题。

IT运维是指企业IT部门运用相关方法、手段、技术、系统等，对IT软硬件运行环境、IT业务系统和IT运维人员进行综合管理。随着技术的发展， IT运维近年来也发生了翻天覆地的变化。下面总结⊙了近年来IT运维的发展，展望了↙未来IT运维的∮大趋势。

一、IT技术架构：从“IOE架构”到“互联网架构”

1、IOE 架构

为什么要从技术架构开始？政治经济学是这样概括的：“经济基础决定上层建筑”，我想IT行业也是如此。技术架构的基本演进会从根本上导致其他领域的变化，当然也包括我们讨论的IT运维层面。

曾几何时，以IBM为代表的商用小型机、以IBM为代表的商用数据库、以EMC为代表的高端存储设计，是◥高端企业IT系统的标准。十多年前我参观过一家省级运营商的机房，几乎都是〒黑压压的IBM小型机；他们的系统数据库是企业级数据库，无论大小和用途如何。

回◢过头来看，当时的企业为什么会倾向于这种IOE架构？当时，企业的选择是可以理解的。就连被称为“去IOE”的阿里，也是最具攻击性的。当年原来的技术架构其实是IOE。在当时分布式技术还不成熟的前提下，国外成熟的商用软硬件产品IOE确实带来了与同期其他产品相比无与伦比的单机稳定性和高性能。

曾☆经在客户现场看到一台即将下线的旧小机器。我在关闭并离线之前检查╳了启动时间。惊讶的发现，这台机器上一次开机的时间是3000多天前，也就是说，据说这台小机器已经服役了近十年，没有出现故障，没有停机。正是为了这种稳定性和性能，很多企业付出了不小的代价，因为对于IT运营商来说，“稳定性压倒一切”是他们的根本需求。

此外，考虑到技术因素，在IT系统运维仍以人力资源为主的时代，系统技术栈的单一组成∩也有利于开发运维团队的形成和培养。比如一两个再加上一些中低级的DBA就可以处理所有数据库相〓关的问题，这显然是一个非常划算的选择。

但随着技术的发展，传统的基♂于“IOE”架构提供的纵向扩展技术为高端商业产品设计的集中式系统架构已经遇到瓶颈。尤其是对互联网公司技术架构的不断深入研究，给IT行业带来了新的技术模式变革。互联网企业掀起轰轰烈烈的科技革命，背后的原因无外乎以下几点：

2、互联网架构

随着技术的发展，这种基于云的、分布式的、开源的技术架构开始进入传统企业的视线。2014年9月，银监会★发布第39号文《关于应用安全可控信息技术加强银行网络安全和信息化建设的指导意见》。随后几年，又掀起了一股传统企业去IOE学习互联网架构的浪潮。

互联网架构其实并不神秘。可以总结如下：

因此，在互联网架构、云计算、大数据等新兴技术的冲击下，企业的IT技术架〇构逐渐开始变革，从原来单一的IOE架构向x86、云架构开放源解决方案。各种技术架构的变化（见图 1-1））。这种技术架构的创新必然会带来运维领域其他关键因素的创新，推动“运维”行业▲的发展。

图1-1 从IOE架构到“互联网架构”

二、运维系统：从ITIL到

1、ITIL

企业技术↘架构的不断创新，推动了IT运维管理模式的运维体系从稳态向敏感态转变。

随着企业信息化的深入，IT系统越来越多，企业IT运维人员的数量也在增加。许多企业信息化部门专门成立运维团队，开展IT系统运维工作。IT团队内部对运维人员的各种活动进行管理是自然而然的事情。ITIL 为企业 IT 服务管●理提供了一个客观、严谨和可量化的最佳实践标准和规范。我想，长期以来，正是ITIL提出的这些标准和规范，为我国很多企业的运维体系建设指明了方向。

ITIL强调流程：以ITIL理念为核心的各类ITSM系统的运维操作。事件管理、问题管理、变更管理、配置管理，我们都按流程行事，杜绝一切头脑风暴决策和盲目操作。

ITIL强调规范：运维人员按照组织的流程进行各种标准化的运维操作。约束本身就是为了保证大家的行为不偏离方向，少犯错误。

ITIL强调分工：运维人员按技能有效分ξ工，有的负责服务台的一线响应，有的负责二线事件和问题处〖理，有的负责配△置管理，一些负责变更审批等。运维团队各司其职，相互配合。

这种管理机制非常适合IOE技术架构时代。这种中心化的技术架构结构相对简单，显然需要更稳定的运维操作。毕竟，所有的鸡蛋都放在这些篮子里；此外，在这种集中式架构下，业务变化并没有那么频繁。动辄要经过一个过程有点麻烦，但由于频率低，还可以接受。

2、

但是，随着企业IT技术架构逐渐进入互联网架构，业务快速发展，强调IT更好地随需ξ　而变，强调更敏捷地响应业务需求，ITIL系统与现实有些●格格不入。这时，这个词走进了人们的视野（见图1-2）.

图 1-2 运维系统从 ITIL 迁移到

（英文和中文的组合）是一组流程、方法和系统的统称，用于促进开发（应用程序/软件工程）、技术运营和质量保证（QA）部门之间的沟通、协作和集成。随着软件行业『越来越认识到，为了按时交付软件产品和服务，开发和运营必须紧密合作，这一々点应运而生。

思路自然与ITIL不同

流程压缩，响应敏捷，效率大幅提升：

ITIL强调流程，但也带来了效◇率的下降。在IOE时代，企业业务的变化并没有那么频繁，这种效率的下〒降并不明显。但在互联网架构下，这种负面影响会被无限放大。

例如，运营商发布新的系统版本时，往往要经过源代码提交、编译、打包、发布到测试环境、UAT测试、bug修改、重测，最后上线发布的过程。这个过程通常要经过 3 -4 天。所以运营商的版本发布一般只能以月为单位，最快也只能以周为单位。与互联网︼行业以天为单位的商业周期相比，这个系统对业务变化的响应速度太慢了。

因此，该系统更加强调效率。在持☆续集成、持续自动化测试、持续部署平台、三维监控、技术架构优化等各种自动化工具的支持下，版本发布和运维的过程被大大压缩，效率大大降低。大大改善。应用版本发布频率可以用天甚至几小时来衡量。这种为了效率而选择性地抛弃一些拖拖拉拉的流程管》理，是IT运维管理适应IT更好的按需变化的更好选择，强调对业务需求的更敏捷◥响应。

自动化取代了受冗长流程控制的规范流程：

另一方面，ITIL强调规范性，但是这种建立在流程上的规范性仍然存在很多缺陷。

按照上面运营商的例※子，即使有完善的流程控制和规范，谁也不能保证版本上线一定没有问题。各个版本上线前后，运维团队的成员依然面目全非，战战兢兢。

原因在于，当技术架构的复杂性发展到一定阶段时，过程往往是无用的，甚至流于形式。在大规模、多类型软硬件设施运维的情况下，单纯依靠人的运维体系最终将成为整个IT运维的瓶▅颈。在这种情况下，很多企业尝试将规范的操作细化为各种自动化的操作↘场景，比如上面提到的持续集成、持续自动化测试、持续部署、自动化监控和运维等工具和平台。这些高效、标准化的自动化，彻底解放了运维人员的压力，

以 为例，他们的 SRE 工程师要求他们只有 30% 的时间花在事务性工作上，例如 on call，而 70% 的时间花在各种自╱动化工具的开发上，例如自动化发布系统、监控系统、日志系统、服务器资源分配和编排等。这些工具需要自己开发和维护。这种在自动化工具下的高效率自动化操作，取代了在冗长流程控制下的规范，这也是系统比较明显的一∞个特点。

开发运维一体化：

同时，ITIL背景下的分工也带来了很多负面问题。例如，运营团队的感知和认同感较差。企业高层领导认为，运维工作没有亮点和价值，是成本部门；大部分运维团队也认为自己是“背锅侠”。这么多」年前，我在做一个项目的时候，听到某甲方运维团队核心成员的抱怨：“年轻强者不努力，老板做运营和维护。”

这可能也是大多数运营商的心声。诚然存在运维工作成果难以量化、企业高层重★视不够等因素，但这种壁垒太明显的开发运维分工是也是重要原因之一。

企业开发团队与运维团队之间形成的鸿沟，使得开发团队在规划设计研发过程中过于关注功能的实现，在一定程度上忽视了稳定性、性能、可用??性以及运维团队关心的其他因素。

同时，运维团队在开发初期没有反馈和修复这些问题的渠道。结果，运维』团队不断沦为“救火员”和“弯腰”，团队士气低落，人才流失，运ξ维质量下降，形成恶性循环。

因此，系统强调开发与运维一体化。

开发运维一体化使得开发和运维的信息透明化，运维过程中遇到的问题更有效的反馈给〓开发团队。同时，运维的责任主体由单一的运维团队向开发运维团队转变。这使得开发团队也对运维中遇到的故障负责，因此开发团队也需要将部分精力和资源投入到与运维相关的稳定性、性能和可用性的研发上。

当然，这并不意味着ITIL系统完全过时，而是需要将两者结合企业的开发运维特点，形成更有效的适合企业自身的开发运维体系。只有适合你的才是最好的。

三、运维平台：从ITOM到AIOps

“要想做好工作，必须先利好工具。” 运维工具是我们实现各种运维操作的有效帮手。它解放了运维人员，让他们可以维护更多更好的各种IT系统。运维系统的发展当然离不开运维工具的发展。

1、手动操作维护

20多年前，企业IT信息化刚刚起步，IT运维基本上还处于刀耕火种的时代。没有所谓的运维工具，也没有意识到它的必要性。几个小姑娘定时在终端『上敲命令，把读数一丝不苟地记录在纸质表格上，在当时算是比较规范的运维实践。原因是在那个年代，需要维护的IT系统数量很少，一个人就能看到。

在以IOE架构为主导的时代，运维团队的人工维护仍占绝大多数。当然，他们中的一些人开始总结自己的运维操作，把一些常用的操作写成大量的脚本，以便在从事一些机械重复的事情时可以“偷懒”。但是，人工运维仍占现阶段大部分工作量。

2、ITOM

在IOE架构时代后期，互联网架构开始普及，同时随着企业IT信息化的不断深入，企业IT设备数量呈现爆发◎式增长，并开始逐渐成︽为单靠人力是无法解决的。

以我服务过的一家运营商的客户为例。最初的业务支持部门负责维护其核心系统。当时只有 20 台主机和几个数据库。然而，在接下来的几年里，维护系统的规模增长了十倍，运维团队的规模也只有不到一倍。维护规模和运维团队的能力只会形成越来越明显的剪刀差，成为运维管理的核心矛盾。

然后，当企业开始↓尝试引入互联网架构时，系统的复杂性急剧增加，维护目标迅速增加。按照传统的人工或半自动维护，更是不可能做到的。因此，为解决ω这一问题，企业尝试引入各种运维工具，通过自动化手段解决运维人力和能力不足的问题，IT运维管理应运而生。

IT运维管理(ITOM)是指对IT基础设施和软件应用等对象的运行情况进行实时监控和管理，并提供反馈服务，确保监控对象保持最佳运行状态。ITOM 领域的工具主要分为三大类，即：

IT运维管理（ITOM）将从原来的手动加被动响应转变为更高效、自动化的运维系统。

以上述运营商客户为例，由于运维№人力的增长无法与IT系统规模的增长速度相匹配，企业很难对所有IT系统设备进行例行状态检查每天早上大规模手术前。维持。

为了解决这个矛盾，我们专门部署实施了自动化监控运维平台，将大量的日常操作交给机器。就像日常的检查动作一样，只要定义了相关的检查模板，机器就会按照我们定义的规范进行十年的各种检查操作。

如果检查结果有异常，运维人员手机上会出现报警信息，并通知相关运维人员╲进行处理。这种自动化运维工具系统的本质是让机器管理机器，将大量重复性、机械性的运维工作交给机器执行→，有效降低了运维人力资源的投入，也解放了运维人员的精力。并投资于更重要的领域。

最近和运维组的负责人聊了聊，了解到他们其实是把80%的运维操作交给机器自动完成。最后，他笑着说道：“其实我们现在的运维团队除了处理突发的系统故障之外，最常见的事务其实就是为应用系统中的各个人员创建账户和分配权限。企业，我们现在正在开发代码↑也可以自动执行此操作。”

3、基于运维数→据分析ITOA

ITOM系统为运维带来自动化，使IT运维更加高效。然而，ITOM仍然未能打破运维工作对操作者经验的依赖，往往缺乏分析能力。它虽然可以收集运维数据，但无法洞察这些数据中包含的信息，更不可能对数据做出认知。转型的本质。

比如在处理分析各种故障的过程中，我们仍然依靠操作人员的经验甚至直觉来分析处理it运维技术，在运维决策过程中头脑风暴的例子层出不穷。这是因为传统的 ITOM 工具往往缺乏数据分析能力。虽然可以采集部分运维数据，但由于数据采『集不完整，缺乏数据整合，数据之间缺乏联系※和分析手段，运维人员无法洞察其中包含的信息。这些数据，并不能对运维背后的知识进行本质的提升。

因此，运维人员开始探索基于运维数据分析≡的ITOA。大数据技术的成熟，使得海量运维数据的分析成为可能。参考业务分析领域的例子，我们从运维数据的采集、处理、分析、可视化等方面着手建立综合运维数据分析体系。我们的运维IT系统无时无刻不在产生海量数据，其产生的数据量甚至可能超过我们的应用系统。因此，运维分析自然是大数据的应用场景。

基于运维数据实现ITOA

首先要解决的是数据收集问题：

由于运维系统中的数据是多种多样的，既有监控系统直接采集的结构化数据，也有各种应用日志、机器日志等非结构化数据。

为了方便我们后续的数据分析，我们需「要将难以分析的非结构化数据转化为结构化数据进行存储。比如图1-3是Web日志中的一行¤记录，里面包含了很多有用的信息，比如客户端的IP，客户端使用的客户端，访问□的页面信息，以及访问时间等关键信息。

图 1-3 Web 日志中的一行

我们利用有效的工具对这些信息进行分割，形成结构化的信息，持续存储在运维大数据中心，如图1-4所示：

图 1-4 结构化信息

大数据技术的发展也为我们提供了存储海量运维数据的基础：

我们可以通过大数据平台建设我们的运维大数据中心，从我们整个运维IT环境中采集的运维数据将在此ㄨ基础上进行存储和整合。这样，我们就可以改变ITOM系统中数据分散，难以关联分析的缺陷，因为数据需要更多的联系和关联，才能充分发挥其背后的价值。

例如，ITSM 系统中的一个孤立事件可能很难看到，但从操作数据分析的角度来看，它可能会与历史上一系列相同的事件进行比较，以发现在附近点的各种数据指标之间的差异。时间。种类。运维人员层层♀筛选和分析，最终通过分析找出运维数据背后的规律，最后总结成知识库和相关的★优化动作。这是所有用数据说话，用数据分析代替经验决策的好结果。

数据检索能力和数据可视化能力提供保障：

当然，运维数据分析除了简单地提供◣大数据存储和分析的载体外，还需要一些必要的能力来保证运维人员能够更好地利用运维数据：

平台需要具备强大的数据检索能力。运维数据分析平台存储大量运维数据。运维人员在尝试建立和验证探索性场景时，往往会反复检索◣和查询特定数据。如果运维数据分析平台的数据查询速度很慢或者查询角度很少，那么运维人员搭建场景的时间就会延长甚至ぷ不可能。因此，运维人员可以通过平台实现关键词、统计功能、单条件、多条件、模糊多维搜〓索功能it运维技术，实现海量数∑据的秒级查询，

该平台需要强大的数据可视化能力。人们常说“一张图抵千言”。运维人员经常通过各个系统的运维数据进行统计分析并生成各种实时报表，对各类运维数据（如应用日志、事务日志、系统日志）进行统计分析. 多维度、多角度的深度分析和可视化，将自己〗的分析结果和经验表达和推广给他人。因此，平台中具有各种旋转数据透视表和定期报告功能非常重要。

可应【用于多种业务场景：

另外，运维数据分析不仅用在运维范围内，在我们的经验中，还可以用在√风险分析、审计、情感分析等业务场景中。通过收集当前环境下的运维数据，整合现有ITOM工具，利用大→数据和数据分析技术，快速定位、排查和预测IT系统各方面的问题。对业务环节各个分布式系统的数据进行整体分析，合理优化IT服务，挖掘关键业务KPI指标，反馈业务方，帮助其做出明智的决策。

4、AIOps

艾瑞研究院分析预测，到2020年ITOM/ITOA市场⌒　规模将达到1.14.5亿元（见图1-5），但增速逐渐放缓，AIOps就是ITOM , ITOA 延续。

图1-5 艾瑞预测2020年中国ITOM/ITOA市场规模将达到1.14.5亿元

通过大数据和人工智能技术↑分析日志和运维数据，发现更多运维人员没有意识到的潜在系统安全和运维问题。

在2016年发布的报告中，首次提出了基于大数据和算法（IT）的IT运维概念。随着人工智能的迅速崛起，AIOps的概念已经从基于数据的分析扩展到基于人工智能，期望通过大■数据、现代机器学习和更先进的分析技术提供主动、人性化和动态的可视化。或间接提升当前传统IT运维（监控、自动化、服务台）能力。

AIOps真正的应用和实现时间还很短。从目前的应用来看，主要是基于运维数据的集▽中化，以及机器学习算法在各种数据分析和挖掘工作中的应用。主要应用场景『包括：

当然，AIOps的应用场景远不止这些。正是因为这个概念出现的时间不长，所以我们有更多的空间去详细探索。总的来说，从人工运维、ITOM、ITOA、AIOps的发展路＠径，体现了运维自动化、数据化、智能化的主要发展趋势。

四、运维核心：从关注平台到数据资产

企业技术架构的变化导致〗运维管理方式的变化，运维工具也在不断与时俱进。

总体而言，IT系统运维正⌒　朝着自动化、智能化方向发展。作为IT运维工作本身，相信运维工作的难度在降低，运维的工作量也在降低。毕竟大部分工作都是交给机器来完成的。作为IT运营商，我们未来的方向是什么，或者说未来的出路在哪里？

1、关注平台

在经典的企业架构中，虽然不同的企业架构框架理论有不同的视角，但它们对企业□　架构内容的划分大体是一致的，基本上从以下几个方面（或者至少包括以下几个方面）对企业架构进行了描述：

一般来说，从上到下会分为业务架构、应用架构、数据架构和△基础技术架构。传统上，IT系统运维的主要对象是企业IT环境中的各种硬件和软件平台，如各种主机、存储、数据库、中间件等。企业IT运维团队一般关注技术架构层面和少数应用架构级别（见图 1-6）.

图 1-6 TOGAF 开放组架构框架的企业 IT 架构模型

2、数据资产

然而，时代在不断前进，企业的基础技术架构也在不断创新。云化、开源、高弹性的互◥联网架构技术架构逐渐成为企业架构的主流。大量新技术的出现和应用，使得集中式系统架构被打破，系统架构▂越来越云化、分布式。

首先，分布式架构和基于云的架构使系统的ㄨ单点崩溃。随着整体数据稳定性的提高，对单台设备稳定性的要求降低。在这个前提下，数据架构的工作更加重要，需要更多的数据架构师和运维人员参与到早期的系统业务架构分析、数据架构规划、数据架构设计、数据模型设计等工作中。

其次，如前所述，运维相关的工具和产品不断完善】，不足。集中化、自动化、智能化运维产品和工具的出现，使IT系统运维智♀能化、自动化成为可能，使运维人员从重复性机械工作中解放出来，减∩少运维人员的工作量，让运维人员承担更重要的工作。

此外，各种软硬产品也在不断的完善自己。各种软硬件产品的使用和维护“和”已成为一种趋势：

最后，随着信息技术特别是物联网的广泛应用，以及网络购物、移动支付、共享经济、智能家居等新业态新模式的蓬勃发展，全球数据呈现爆发式增长和海量聚合。随着数据量更大、维度更丰富，需要更好的数据管理方法和更好的数据利用，构建以数据为核心的数字经济。核心是数据资◥产管理。

在数据资产化趋势下，企业IT系统运维的重点必须从ぷ单一的稳定性保障转变为数据资产变现、增值等更高的数据资产管理和运营要求。

业务侧数据资产应用存在诸多问题

但是，制约企业数据资产应用的问题还很多。

企业数据变现能力薄弱，数据应用和运营的专业技术能力不足，难以完成预测数据的应用场景。

运维人员的未来趋势

运维人员作为IT技术与业务█的接口，必然要求运维人员向上移动到数据资产管】理的层面。

数据资产管理是将数据作为企业资产进行计划、控制和提供的一组业务功能，包括与要控制的数据相关的计划、政策、计划、项目、流程、计划和程序的开发、执行和监督、保护、交付和增加数据资产的价值。没有高质量的数据，企业很难做出明智有效的决策。

在大数据时代，数据资产管理比传统时代更为重要。为企业提供透明、可靠、优质的数据环境。它将成为企业的核心竞争力，帮助企业提供更精准的产品和服务，降低成本。和控≡制风险。我们将企业数据资产管理概括为数据资产管＠ 理的五星级模型，分为五个相互关联的层次，即数据架构、数据治理、数据运营、数据共享和数据变现（见图1-7） .

图1-7 新居网络数据资产管理五星级模型

时代在变，运维人员的工作重点也需要随着时代的变化而变化。这是一个不变的规则。以数据资产为核心，以治理和运营为手段，以共享∮和变现为目标，是未来企业运维人员从基础设施运维向以数据资产为中心的运维的■大趋势。

五、总结

经过近几年的发展，企业IT应用系统的建设和运维逐渐从以业务为导向向以客户为导向转变。传统的IT架构、运维模式、运维体系，甚至运维对象都受到不同程度的冲击和改造。

在这一转型过程中，企业IT运维面临着业务需求不断叠加、应用需求交付周期不断缩短、用户体验需求不断提升、数据资产价值不断提升等问题。随需应变已成为当前企业应用系统转型的主题，这要求企业拥有更灵活、可扩展性更高的IT技术架构、更敏捷高效的运维系统、更智能的运维。工具系统能够更快速地响应用户●端的业务需求，把满足用户的核心需求作为整︻个企业的共同愿景。

同时，智能运维工具系统基于数据化运维。通过大数据、机器学习和更先进的人工智能等分析技术，直接或间接地提供主动性、人性化和动态可视化的能力。提升现有IT运维能力，以更自动化的运维操作解放运维人员，让运维人员更多地投入到数据分析等其他工作中，促进企业核心╳业务发展.

最后，企业IT系统运维的重点从技术架构回归到信息本身。企业的决策支持、运营管理、风险控制、产品供应、营销活动和其他服□　务都需要高质量和可靠的数据。运维人员在角色上处于技术与业务的交界处，是企业数据资产的理想管理者和推动者。未来，运维人员的工作重心将在很大程度上从技术架构转向数据架构。