近期，國際權(quán)威研究機(jī)構(gòu)高德納（Gartner）發(fā)布中國AIOps市場指南報(bào)告《Market Guide for AIOps, China》，報(bào)告從數(shù)據(jù)中心運(yùn)維需求變化、技術(shù)影響等角度，為中國的組織和I&O領(lǐng)導(dǎo)在采用或推進(jìn)AIOps提供了深刻見解和實(shí)施建議。其中，浪潮信息InManage作為唯一的一款服務(wù)器廠商軟件產(chǎn)品，憑借領(lǐng)先的AI能力，以及多個行業(yè)數(shù)據(jù)中心智能化運(yùn)維的成功經(jīng)驗(yàn)，獲評AIOps標(biāo)桿。

大模型對數(shù)據(jù)中心運(yùn)維帶來全新挑戰(zhàn)

在AIGC等大模型創(chuàng)新技術(shù)的驅(qū)動下，算力成為了行業(yè)關(guān)注的焦點(diǎn)。為滿足數(shù)字經(jīng)濟(jì)對于多元算力的旺盛需求，算力規(guī)模迅速增長，給數(shù)據(jù)中心運(yùn)維帶來全新挑戰(zhàn)，構(gòu)建智能化的運(yùn)維管理AIOps 能力勢在必行。

首先，數(shù)據(jù)中心運(yùn)維的難度與質(zhì)量要求不斷提升。在大模型訓(xùn)練等負(fù)載的驅(qū)動下，數(shù)據(jù)中心部署了越來越多的設(shè)備與應(yīng)用，這些設(shè)備與應(yīng)用在架構(gòu)、管理接口等方面存在很大差異，因此系統(tǒng)的復(fù)雜性與數(shù)據(jù)中心的不確定性增大，可能會對數(shù)據(jù)中心業(yè)務(wù)穩(wěn)定性造成嚴(yán)重的影響。

其次是數(shù)據(jù)中心運(yùn)維效率亟待提升。伴隨著數(shù)據(jù)中心設(shè)備規(guī)模的不斷增長與運(yùn)維難度的提升，運(yùn)維的工作量呈現(xiàn)出大幅增長趨勢，大量重復(fù)冗余的工作不僅容易出錯，也降低數(shù)據(jù)中心運(yùn)維效率，亟需將運(yùn)維人員從復(fù)雜、依賴人工的告警和修復(fù)等運(yùn)維工作中解放出來。

再次是對數(shù)據(jù)中心設(shè)備故障智能診斷、預(yù)測性運(yùn)維需求的提升。為保障數(shù)據(jù)中心穩(wěn)定運(yùn)行，需要盡可能地降低設(shè)備的故障率，通過精準(zhǔn)的故障預(yù)警、預(yù)測性運(yùn)維等方式，提前解決潛在隱患，提升數(shù)據(jù)中心各類 IT 資產(chǎn)的使用率。

同時，如何完善數(shù)據(jù)中心IT設(shè)備能耗管理是運(yùn)維要考慮的一個關(guān)鍵。由于人工智能、數(shù)據(jù)分析、數(shù)據(jù)庫等工作負(fù)載對計(jì)算能力的需求不斷增長，以及半導(dǎo)體工藝的巨大改進(jìn)，CPU、GPU等多元芯片已經(jīng)集成了極多的晶體管。盡管單核功耗因工藝技術(shù)的改進(jìn)而不斷下降，但芯片的熱設(shè)計(jì)功率 (TDP) 卻由于性能大幅度的增長而在不斷增加，數(shù)據(jù)中心能耗管理的不完善可能會導(dǎo)致部分設(shè)備隨機(jī)斷電或由于功率不足而出現(xiàn)性能降低等問題。

AIOps引領(lǐng)數(shù)據(jù)中心運(yùn)維的進(jìn)化之路

面對數(shù)據(jù)中心的多重運(yùn)維挑戰(zhàn)，AIOps即智能運(yùn)維已被業(yè)界廣泛使用。早在2016年，Gartner就已將AIOps納入中國ICT技術(shù)成熟度曲線的關(guān)鍵技術(shù)，指出在人工智能、大模型等新技術(shù)的促進(jìn)下，AIOps成為未來數(shù)據(jù)中心運(yùn)維發(fā)展的重要方向，并呈現(xiàn)出快速替代傳統(tǒng)運(yùn)維的趨勢。以軟件定義、API驅(qū)動的AIOps模塊化平臺架構(gòu)將有助于實(shí)現(xiàn)快速產(chǎn)品創(chuàng)新，將基礎(chǔ)設(shè)施、運(yùn)維納入統(tǒng)一發(fā)展方向規(guī)劃，具備統(tǒng)一數(shù)據(jù)采集、存儲，強(qiáng)大的數(shù)據(jù)分析和機(jī)器學(xué)習(xí)能力，提供自動化運(yùn)維和決策支持的能力并具備可視化的操作界面。

對于如今數(shù)據(jù)中心發(fā)展面臨的挑戰(zhàn)，AIOps提供了如下關(guān)鍵優(yōu)勢：

通過智能化的響應(yīng)流程，以及數(shù)據(jù)驅(qū)動的決策支持，AIOps將極大將提升核心業(yè)務(wù)的穩(wěn)定性和可靠性，保證業(yè)務(wù)持續(xù)運(yùn)行，提升業(yè)務(wù)價值。同時，運(yùn)維效率提升和成本降低將為企業(yè)釋放更多的資源，用于核心業(yè)務(wù)的創(chuàng)新和發(fā)展。

在基于故障、告警觸發(fā)的被動響應(yīng)式運(yùn)維的基礎(chǔ)上，AIOps提供了主動智能止損、主動定位故障等能力，將引領(lǐng)數(shù)據(jù)中心運(yùn)維從被動響應(yīng)向主動預(yù)防、從主動預(yù)防向智能化預(yù)防不斷演進(jìn)。

AIOps將不斷引入異常情況模擬等混沌工程能力，助力評估智能運(yùn)維系統(tǒng)在故障發(fā)生時的彈性和可恢復(fù)性，監(jiān)控系統(tǒng)在異常情況下的行為，有效識別和收集關(guān)鍵的運(yùn)維指標(biāo)和管理數(shù)據(jù)，從而通過迭代和改進(jìn)來不斷提高系統(tǒng)的運(yùn)維能力和韌性。

隨著人工智能等技術(shù)的不斷發(fā)展，AIOps 還在不斷進(jìn)化之中，憑借著長期運(yùn)維所積累的海量數(shù)據(jù)，以及飛速發(fā)展的大模型等應(yīng)用，AIOps面臨著新一輪技術(shù)創(chuàng)新的契機(jī)。例如，大模型在云事件管理、根因定位具體場景中的應(yīng)用為AIOps開辟了新的領(lǐng)域，大模型的涌現(xiàn)能力，也在為AIOps技術(shù)的革新、提高AIOps運(yùn)維效率提供了有效的支撐。

浪潮信息InManage 打造數(shù)據(jù)中心智能管理行業(yè)標(biāo)桿

浪潮信息數(shù)據(jù)中心管理平臺InManage順應(yīng)AIOps發(fā)展趨勢，依托自研的面向基礎(chǔ)設(shè)施的AIOps平臺，有效解決局部硬件概率性故障下系統(tǒng)容錯的問題，智能故障診斷和故障根因定位故障診斷率達(dá)到95%以上，硬盤故障預(yù)測可提前15天感知風(fēng)險，內(nèi)存故障預(yù)測準(zhǔn)確率提高30%，此外，結(jié)合AI算法進(jìn)行性能和容量預(yù)測，實(shí)現(xiàn)精準(zhǔn)算力調(diào)配，讓用戶數(shù)據(jù)中心更加高效、穩(wěn)定、可靠。

同時，InManage還在資產(chǎn)管理、監(jiān)控管理、配置管理和能效管理方面提供一系列的智能化管理能力，幫助企業(yè)用戶統(tǒng)一運(yùn)維服務(wù)器、存儲、網(wǎng)絡(luò)等基礎(chǔ)設(shè)施，提升運(yùn)維效率和質(zhì)量、降低運(yùn)維成本：

智能資產(chǎn)管理：InManage結(jié)合智能網(wǎng)絡(luò)自動發(fā)現(xiàn)技術(shù)和RFID射頻識別技術(shù)，能夠精準(zhǔn)搜索和識別整機(jī)型和部件型資產(chǎn)，可以納管400多種不同品牌不同類型的資產(chǎn)設(shè)備。借助自動拓?fù)渑c3D建模技術(shù)，InManage能夠幫助用戶構(gòu)建數(shù)字孿生式資產(chǎn)可視化，清晰展示資產(chǎn)的網(wǎng)絡(luò)架構(gòu)、空間位置和關(guān)聯(lián)關(guān)系，沉浸式了解資產(chǎn)狀況。同時，InManage采用基于物聯(lián)網(wǎng)（IoT）的技術(shù)方案，實(shí)現(xiàn)自動化的線上線下資產(chǎn)管理，支持自動巡檢、資產(chǎn)報(bào)表、維保管理、出入庫管控等功能，打通采購、使用、審計(jì)、財(cái)務(wù)壁壘，全面滿足企業(yè)管理需求，運(yùn)維工作量降低40%，資產(chǎn)管理效率提升90%。

智能監(jiān)控管理：InManage通過"一中心多網(wǎng)格"的分布式設(shè)計(jì)，突破海量基礎(chǔ)設(shè)施數(shù)據(jù)收集和分析的性能瓶頸，支持10萬級IT設(shè)備的統(tǒng)一納管。同時為保障數(shù)據(jù)中心穩(wěn)定運(yùn)行，InManage基于日志、指標(biāo)、關(guān)系鏈等高維數(shù)據(jù)，能夠進(jìn)行特征構(gòu)建、算法優(yōu)化及模型訓(xùn)練、結(jié)合業(yè)界領(lǐng)先的運(yùn)維專家?guī)?，?shí)現(xiàn)對CPU、內(nèi)存、硬盤，PCIe等設(shè)備故障的精準(zhǔn)定位和故障預(yù)測，故障診斷率達(dá)到95%以上，其中，硬盤故障預(yù)測可提前15天感知風(fēng)險，內(nèi)存故障預(yù)測準(zhǔn)確率提高30%。InManage基于自研的ETF無閾值告警算法，支持服務(wù)器集群性能和容量無閾值告警，告警準(zhǔn)確率高達(dá)95.26%，極大提升數(shù)據(jù)中心運(yùn)維效率。

智能配置管理：InManage 基于在線鏡像平臺實(shí)現(xiàn)服務(wù)器全量固件智能匹配和自動推送，遵循業(yè)務(wù)策略智能升級，實(shí)現(xiàn)零人工干預(yù)，升級效率800%。依托多年服務(wù)器運(yùn)維經(jīng)驗(yàn)和多行業(yè)客戶需求，內(nèi)置數(shù)百種開箱即用模板，涵蓋全量固件升級、BIOS/BMC/RAID配置、電源策略、操作系統(tǒng)安裝、壓力測試、應(yīng)用部署等運(yùn)維場景，基于可視化編排，實(shí)現(xiàn)大規(guī)模服務(wù)器一站式智能上架和業(yè)務(wù)自動上線交付，有效地保障數(shù)據(jù)中心快速投產(chǎn)、可靠運(yùn)行。

智能化能耗分析：InManage打通動環(huán)和IT能耗數(shù)據(jù)，通過多種智能化算法和模型，提供豐富的功耗策略，完成數(shù)據(jù)中心能耗優(yōu)化和碳排放管理，實(shí)現(xiàn)機(jī)架密度優(yōu)化，數(shù)據(jù)中心能耗調(diào)整可視化。同時InManage可分析用戶服務(wù)器功耗和溫度分布范圍提供制冷方案，優(yōu)化機(jī)房環(huán)境；分析數(shù)據(jù)中心空載服務(wù)器及服務(wù)器負(fù)載運(yùn)行時間分布，優(yōu)化業(yè)務(wù)系統(tǒng)；優(yōu)化配置能源使用策略，管理服務(wù)器的功耗，能耗降低 15-20%。有效降低數(shù)據(jù)中心PUE，助力數(shù)據(jù)中心碳中和目標(biāo)，推動綠色數(shù)據(jù)中心建設(shè)。

目前，浪潮信息InManage在海內(nèi)外收獲了廣泛的客戶認(rèn)可，正在為全球互聯(lián)網(wǎng)、金融、通信、IT、教科研等用戶的數(shù)據(jù)中心提供全程無憂的運(yùn)維服務(wù)。在科研高校，借助InManage平臺，助力高校數(shù)據(jù)中心實(shí)現(xiàn)了服務(wù)器的智能化、一體化管理，運(yùn)維成本降低50%，但整個數(shù)據(jù)中心的運(yùn)維效率提高了10倍以上。在某世界TOP級銀行巨頭的數(shù)據(jù)中心，浪潮信息以"主備HA模式"部署InManage平臺，管理規(guī)模超過10萬節(jié)點(diǎn)，管理各項(xiàng)參數(shù)指標(biāo)超過300萬，覆蓋了數(shù)據(jù)中心設(shè)備的所有組件，幫助該行數(shù)據(jù)中心運(yùn)維效率實(shí)現(xiàn)3倍提升，保障業(yè)務(wù)穩(wěn)定可靠運(yùn)行。

在日新月異的數(shù)字化創(chuàng)新環(huán)境中，浪潮信息正在持續(xù)推進(jìn)InManage的技術(shù)創(chuàng)新與場景化落地，助力數(shù)據(jù)中心運(yùn)維效率、質(zhì)量的提升，為更多企業(yè)的數(shù)字化轉(zhuǎn)型賦能。

審核編輯：湯梓紅