企業通過成熟的技術實施和實施IT運維管理。IT運維技術可以分四個階段逐步落地：人工運維能力、平臺化運維能力、數據化運維能力、智能化運維能力。相反，實現智能運維能力的前提是具備人工化、平臺化、數據化的能力。企業應根據自身運維發展階段和實際運維需求，分階段實施相關技術能力。

一、IT運維業務面臨挑戰

隨著中國聯通“大聯通”戰略的深入實施，業務規模快速下滑，內外部競爭日趨激烈復雜，IT技術快速演進，聯通內外部客戶提升IT運營水平和維護公司信息系統部門的管理執行效率。精細化運營管理能力提出了更高的要求和挑戰：

1.為適應新業務日新月異、日新月異的市場形勢，中國聯通提出“行節約、降本、增效”活動，引入人工智能技術，建立低成本和高效率的運營體系，推動“以信息代人”戰略的實現，以在日益激烈的同質化競爭中贏得主動。

2.在2019年IT工作思路中，中國聯通提出“以積極賦能和發展IT為主線，大力推進IT支撐向IT運營轉變”、“著力提升智能化能力運維支撐、創新發展”等“能力”要求，明確了IT運維能力重點發展目標的方向。

3.隨著信息部門系統的云化、容器化、中心化、微服務等架構調整，“系統架構與業務調用關系復雜，運維管理難度降低”的痛點"是針對這個運維系統的。還要實時跟進，不斷調整自身發展規劃，向“大運維、一體化運營、專業化業務、實踐敏捷化、運營智能化、體驗卓越”的理念演進，為生產系統提供更好的運維支持服務。

二、【痛點與難點】

· IT運維痛點：

運維系統重復建設；各域運維隔離，響應不及時；云化后的IT運維智能化程度不高，還在不斷演進。

·5G時代ICT融合運維面臨的挑戰：

5G網元的控制平面和傳輸前饋，傳統（2G/3G/4G）運維平臺難以支撐5G網絡資源的集中統一配置管理和運維；5G網絡實現SDN提供的行業切片服務，現有運維平臺無法實現端到端的部署、運維、交付；5G網絡的多層編排協同，目前還沒有可視化的運維管理；以及網絡端到端的客戶體驗和智能運維；5G大量商用，缺乏實現網絡故障預警、業務切換和故障恢復的AI手段。

三、【實踐路徑】

·智能運維系統

基于能力梳理和方向規劃，提出1個愿景、3個核心、5個階段、3個基石的“1+3+5+3”智慧運維能力體系。

（1）1愿景：IT運營創造價值是構建智能運維系統的根本愿景。

（2）穩定性與準確性、用戶滿意度和風險防范三個核心是智慧運維體系建設的三個核心價值取向。

（3）5個階段：“初始階段-標準化階段-手動化/可視化階段-中級智能階段-中級智能階段”是智慧運維體系建設中各項能力的演進路線。

（4）三大基石：崗位規劃、文化修養、能力提升是智慧運維體系建設的三大基石。

·技術運營中臺技術架構

（1）數據采集層：對于應用監控層面的采集，可以通過UDP合約傳輸、、Java等方式獲取運維指標，對業務系統影響較弱，可以也可以通過自定義Agent、業務指標等形式建立和收集。

(2）數據處理層：Flink流處理作為數據處理引擎，首創提供低延遲、高吞吐、實時處理能力，為監控、智能分析等系統提供各種應用場景完善同時，對于常用的數據預處理、清洗、過濾等需求，Flink 還支持批處理等方式。

(3）數據存儲層：各種數據根據需要和分工存儲在不同的介質上，以達到最佳的效率和最佳的匹配效果。(4）數據通道層：基于Due針對運維工作和運維數據的特點，選用分布式發布-訂閱消息中間件Kakfa作為通用數據通道，以其易于擴展、高吞吐的特點，實現各組件間數據共享和分發，可以實現微服務，是通過Kafka來實現的。

(5）微服務層：后臺功能的微服務，根據業務監控、人工運維、應用配置管理、智能分析、日志管理等定義微服務的范圍和邊界，對外開放世界通過API 網段能力。

(6）API網段層：API網段采用框架，API網段負責對外提供統一的訪問入口，對內提供合約聚合、路由分發、負載均衡、服務配置，以及為前端服務提供總線消息等功能，從而實現微服務的服務隔離、線性擴展和有效監控。（7）后端應用層：選擇輕量級、高性能、組件化的框架后端，適用于這些基于數據的驅動WEB界面的運維。

四、【實際療效】

·在人工和智能運維能力和運維場景的決策過程中，基于對風暴管理流程的回顧，構建了矩陣評價模型決策體系，同時對運營分析開發、上線、運維、優化環節的維護痛點。對相關指標進行跟蹤管理，形成閉環績效評價體系。上述系統實現了有限資源的科學合理利用，最大化運維能力it運維技術，場景建設效益。

·“微服務+能力開放”的Paas級平臺，快速建立全球支撐能力。

·一站式自助配置的場景搭建，極大地解放了人工成本。

·實現運維場景“百花齊放”，成為降低運營成本、提高效率的催化劑，實現核心業務系統運維管理100%覆蓋。

·團隊軟實力筑基，組織文化發展與科技創新形成協同效應

五、【實現IT智能化運維能力】

1.手動運維能力

日常IT運維工作中存在大量重復性任務。這些任務有的復雜冗長，有的嚴重依賴執行順序，有的需要等待各種條件滿足才能執行。雖然IT運維管理技術在不斷提高，但實際上IT運維人員并沒有真正得到解放。目前，很多企業的系統啟動和關閉、系統更新升級、應急操作等大部分工作都是手動完成的。雖然簡單的系統變更或軟件復制粘貼升級，往往需要運維人員逐一登錄各個設備進行手動更改。尤其是在云平臺、大數據、海量設備的情況下，工作量可想而知。此類變更和檢測操作在IT運維中每天都會發生，占用了大量的運維資源。通過手動操作工具，將運維人員從簡單重復的工作中解放出來，降低誤操作風險，帶來系統穩定性、安全性和效率的提升。應用場景如下：

(1）日檢手動化：日檢內容簡單但占用IT運維人員大量時間。日檢人工巡檢可以改變硬件狀態、設備負載、系統時間、C手動檢查磁盤空間、線路流量、數據庫表空間使用情況、網絡設備端口狀態、流量等，生成符合用戶要求的檢查報告。

(2）手動配置管理：手動從生產環境中提取配置庫信息，手動更新到配置庫，保持配置庫和生產環境的一致性。實現手動更新和同步配置庫，需要對應用系統進行標準化，比如標準化的安裝路徑、統一的版本等，有利于工具提取應用配置項的基本信息，最終實現配置項和屬性的手動更新.

(3）手動應用部署：使用手動平臺圖形化流程編輯器創建組件流程。根據平臺提供的插件，可實現與流行工具的集成，快速部署邏輯無需任何編程即可定義 是 使用相同的流程將相同的應用程序部署到多個環境中。這進一步有助于節省時間和提高效率，以及早期驗證應用程序和部署過程。手動平臺的分布式代理模型可以擴展到數千個部署過程在每臺機器上同時運行。

(4）容災切換操作手動化：通過容災操作流程手動批量實現容災切換流程。通過雙活數據中心為業務系統構建雙活模式實現手動切換，盡可能減少停機時間。

2.平臺運維能力

運維工作相當復雜，包括網絡、服務器、操作系統、數據庫、發布、變更、監控、故障處理、運行環境信息維護等。同時，面對日益復雜龐大的企業IT架構，IT運維需要在不同架構、不同平臺之間實現IT資源的優化配置和高效管理，從而實現企業的穩定運行。整個系統，滿足相應的企業業務場景。當需求出現時，可以應對用戶量和數據量的快速膨脹。

因此，平臺化運維的目標是針對不同的業務形態，對企業IT架構進行針對性的管控和一體化管理，利用大數據和基于PaaS的平臺能力封裝運維技術和業務。底部的能力。重量級運維技術工具體系輕量化，應用于運維APP場景，運維工具逐步融合。應用場景如下：

（1）日志采集平臺：采集各個應用形成的本地日志數據并匯總。一方面方便查看和定位問題。另一方面，平臺可以挖掘潛在價值數據和重要指標趨勢分析提供證據，有效規避風險失敗，指導決策。

（2）應用性能監控平臺：包括多級應用性能監控、快速應用性能故障定位、綜合應用性能優化三個模塊。可采用事務處理過程監控、模擬等手段實現點對點應用檢測，檢測應用系統的各個組件，快速定位系統故障，并進行維修或提出維修建議，準確分析各個組件占用的系統資源，及時了解庫存和產品生產進度，最大限度地提高好處。

（3）統一資源配置管理平臺：只有這樣才能集中管理不同環境、不同集群應用的配置，實時推送配置變更，通過統一的方式保證底層數據配置項準確無誤資源和配置管理。

(4）應用部署平臺：可部署容器和物理機，支持線上線下服務、定時任務和靜態文件的部署，提供部署資源管理、運行環境搭建、部署流程定義和部署。執行跟蹤實現金絲雀發布和藍綠部署it運維技術，應用部署平臺可以提升業務迭代速度，避免失敗，提高產品發布節奏。

3.數據化運維能力

由于用戶數和業務量的下降，數據量也處于爆發式發展階段。IT運維數據化能力由此成為企業能力發展的重要方向。IT運維數字化是利用數據采集、數據存儲、數據處理、可視化等全數據系統對運維過程進行評估，以確認IT運維目標的實現和程度。日常運維場景很多，看起來很復雜。畢竟與對穩定、安全、高效這三個基本價值的更高追求是分不開的。通過基于數據的運維能力，IT運維可為企業決策提供有力支持，實現穩定、安全、效率提升、成本合理控制。應用場景如下：

（1）知識圖譜：使用統一語言定義運維數據，通過實體與實體之間的關系表達運維對象，整合運維領域的實體關系生成知識圖譜。運維領域的關系 包括但不限于產品、服務、集群、服務器、網絡、IDC等。

（2）數據庫室：是一個面向主題的、集成的、相對穩定的、反映歷史變化的、用于支持管理決策的數據集合。數據庫室為用戶提供當前和歷史數據用于決策支持，這種數據在傳統運營數據庫中難以獲取或無法獲取。機房技術是各種技術和模塊的總稱，將運營數據有效地整合到一個統一的環境中，提供決策數據訪問。目的是讓用戶能夠查詢更快、更方便地獲取所需信息，并提供決策支持。

(3）數據中臺：建設面向運維領域的數據中臺，統一管理資源數據、告警數據、性能數據、業務數據、日志數據、工單數據、指標數據、表盤測試數據等，為下層運維分析場景提供統一的數據訪問路由、數據服務目錄、數據訪問管理、數據可視化等功能，以打破“數據孤島”，深度挖掘價值運營數據通過整合關聯和對外開放 前端數據需求，整合后端數據，處理輸出數據，搭建數據中心級數據服務共享平臺。和數據流集成，對現有數據進行處理和整合，實現數據服務的方法，實現數據監控和資源利用分析。

（4）數據可視化：通過數據的可視化，幫助運維人員直觀、方便、快速地分析問題，同時也提供了一系列工具組件供運維人員根據自身需求分析海量數據。快速進行視圖編輯、多層鉆取分析、多維度關聯分析、報表布局、縱橫數據對比等，對傳統運維體驗進行數字化改造，極大提升問題排查、風險檢測和知識積累。

4.智能運維能力

由于IT運維支持的業務規模不斷下降，越來越多的運維場景和問題難以用傳統的運維方式解決。同時，IT運維效率也逐漸無法滿足系統要求。為此，如何解放運維自身的效率，解決傳統運維方式難以解決的問題，成為企業發展轉型的一大挑戰。運維智能化能力是指將人類知識和運維經驗與大數據和機器學習技術相結合，制定出一系列智能化策略，

目前，運維的智能化應用場景主要有以下幾種：

(1）故障預測：主動容錯技術可以根據對系統歷史狀態和當前行為的分析，生成告警預測的結果模型，判斷系統是否正式形成故障，輔助系統避免故障或盡快采取故障恢復措施。故障預測可以使運維人員在日常工作中變被動為主動，提高系統整體運行質量。

(2）故障自愈：故障自愈過程包括感知、止損決策、止損三個階段。感知階段取決于監控系統的故障檢測能力，補水階段取決于在交通調度系統的調度能力上，更能提高企業的服務可用性，減少故障處理的人為投入，實現從人工處理到故障無人值守的轉變。

(3）手動擴縮容：可以根據應用負載手動調整集群容量，滿足需求。當集群有Pods因資源不足而難以調度時，手動觸發擴容，從而降低人工成本。空閑等伸縮條件是手動觸發縮容，節省資源成本。

(4）智能問答知識庫：是知識庫的最新形式，具有知識挖掘、知識管理、知識關聯、知識推理與建模、智能檢索、自學習訓練等功能。智能知識基地改變了故障的處理方式，不僅提高了故障上報的準確性，而且簡化了信息交換的中間環節，有效縮短了故障處理時間，提高了工作效率。

降低了使用門檻，提高了復用性，減少了人為錯誤。速度。

六、[未來洞察]

· 未來面向5G的IT解決方案

(1）端到端業務體驗：主要涉及客戶體驗、應用體驗、網絡體驗、接入設備體驗的工具和平臺。

（2）智能運維：針對B域和O域，提供微服務修復、編排修復、分段修復、智能預警、智能優化、故障自愈、持續集成、持續部署、持續測試；

·整個技術運營中心的管理能力

（1）運維層：三橫一豎，B域運維，O域運維，邊緣估計運維，端到端運維。

（2）能力分層：業務運維、技術運維、管理運維。