匯付AIOps平臺上線，運維效能進入Next Level
現下，AI技術已經步入大規模應用的階段。企業內外部系統疊加AI buff，效果往往超乎想象。在IT運維領域，AI的應用也逐步走進企業的視野，AIOps應運而生。AIOps（Artificial Intelligence for IT Operations），最早由Gartner在2017年提出，即人工智能運維，簡單解釋就是將人工智能技術運用于IT運維工作流程，實現自動化運維、減少故障率和降低運維成本等。
作為與系統穩定和客戶體驗密不可分的環節，運維工作在匯付向來備受重視。匯付已落成NOC（Network Operations Center）網絡運營中心，并建立了一套完整的監控、告警、應急與預案的故障管理體系，保障系統穩定運行。
但如何讓故障定位更快速？如何準確判斷故障的等級和影響半徑？如何迅速關聯到演練預案，從而及時處置故障？種種問題仍然困擾著運維和開發人員，也意味著系統仍有優化的空間。在現有運維系統之上，匯付加入了圖算法、時序算法、Dify大模型、ChatGPT、RAG（檢索增強生成）等AI算法和大模型，打造了一個更高效和自動化的智能運維系統——AIOps平臺。
●“智能化”故障診斷，排障快人一步
傳統運維流程下，當遇到聯調測試不通、系統故障時，通常需獲取關聯數據、整合信息，并由業務、開發、系統等多個團隊的專家協同進行故障定位，效率與精度有賴于個人經驗、團隊配合度等因素。AIOps平臺幫助運維人員穿越繁雜的告警信息“迷霧”，快速檢測和智能定位故障，并進行根因分析，既減少了經驗判斷可能存在的誤差，也節省了部分運維人力和時間成本，讓故障診斷更快速、更精準。AIOps平臺現已實現故障診斷5分鐘完成，提升診斷效率約100%，并覆蓋應用關聯故障定位、資源節點故障定位等12個場景。
●提升可觀測性，實現全流程“可視化”
可觀測性（Observability），是IT運維領域熾手可熱的概念之一，指系統或應用程序的運行狀態、性能指標、日志信息等能否被監控、收集和分析。可觀測性也是衡量IT運維能力的一把“尺”。AIOps平臺在提升可觀測性方面大有建樹，且落地場景豐富，可實現全流程“可視化”。在架構遷移的場景下，支持觀測網關機群遷移的情況，避免產生誤操作；為提升應用程序的可用性、可擴展性和安全性，對應用程序進行拆分和多集群部署是“常規操作”。在此場景下，支持實時確認部署狀態，快速規劃和調整集群分配，以實現資源優化配置、故障快速恢復和系統穩定；在數據監控場景下，通過對任務狀態監測和數據鏈路追蹤，能夠快速定位出錯任務并及時恢復。
●故障注入，構建強大的“免疫系統”
作為一種應用測試方式，故障注入（Fault Injection, FI）如同接種“疫苗”，主動向系統或應用程序注入各類故障，模擬和復現故障場景，從而提前發現潛在風險、評估系統可靠性，增強系統“免疫力”。AIOps平臺支持12類、50余種故障類型的定時注入，提供分組、分區、按應用、按百分比等多種演練方式，通過故障注入與故障診斷的“對抗演練”，逐步增強系統的抗風險能力。同時，常規化的故障注入也將訓練AIOps大模型，讓模型更強大，更精準地識別風險，反哺業務和系統的穩定性，助力業務應急恢復更快速。
●AI交互，智能運維助手上線
以往，當業務開發想了解系統和業務配置、查詢實時狀態等信息時，需要對接相應的系統負責人，耗時費力。現在，AIOps平臺為所有用戶打造了一個“得力”的AI運維助手，檢索關鍵詞即可快速查詢和定位所需信息，讓運維和開發工作事半功倍。隨著大語言模型等AI技術應用的不斷深入，運維助手也將增強AI交互，在不久的將來，通過動態聊天和對話，用戶就能輕松獲取問題診斷以及知識庫問題的答案。
AIOps平臺初版現已上線運行一段時間，也上交了一份高分“答卷”。期間，平臺完成了3次事件快速診斷，避免嚴重故障的發生；32次告警事件診斷，快速及時確認告警影響范圍；200次應急故障演練，驗證和確保系統穩定性；同時，提升故障演練操作效率達90%。AIOps平臺的上線為多個團隊的日常工作提效，如幫助NOC團隊快速診斷故障、為運維團隊集群及容量規劃提供參考、輔助業務開發團隊識別風險和協助開發。AIOps平臺更為系統和交易的穩定性“加碼”，助力客戶體驗升級。
匯付始終直面AI技術帶來的變革浪潮，并已在運營管理、客戶服務、解決方案創新等領域試水AI應用，AIOps平臺則將匯付的系統穩定性和IT運維能力推向了next level。未來，AIOps平臺將持續完善和迭代，深度融合AI技術，強化與業務場景的連接，創造更大的價值。
