和远(图)-轮船AR远程指导平台-轮船AR远程指导

数字化运维面临的问题

由于运维对象、运维工具、运维需求的快速变化，导致金融机构有少则几套监控工具，多则数十套监控工具，而这些监控工具通常是在不同时期建设的，所以他们之间往往数据没有打通，技术栈也有较大的区别，形成了一座座运维数据的孤岛。

运维人员日常需要在众多的监控工具之间切换来切换去，导致故障的发现困难，故障的定位耗时耗力，故障的解决重复劳动，无法形成有效的知识积累。

并且以前基于固定阈值的告警规则无法满足海量监控指标的设置和管理，轮船AR远程指导平台，需要将人工智能技术与运维工作结合到一起。随着智能运维（AIOps）的快速发展，机器学习的算法、模型等对运维数据的规范化提出了更高的要求。

数字化运维需要有哪些技术方向的突破？

1.企业运维希望能够对风险有一定的预知能力，尤其当安全风险越来越需要全局视角的当下，风险的可预知，可以减轻运维部门很多的压力。

2.在安全领域，态势感知是一个大家熟知的技术。它是基于环境的、动态、整体地洞悉安全风险的能力，依托的是大数据，轮船AR远程指导系统，也是从全局视角发现识别并响应处置。很明显，运维与安全有很多想通之处，所以态势可感知也将是数字化运维不可或缺的技术项。

3.运维与运营虽然只有一字之隔，轮船AR远程指导方案，但意义却完全不同。运营是建立在良好的运维之上，从“稳定活着”走向“主动经营”的IT管理模式。从运维向运营转型，是每个运维部门的愿景。

数字化运维-数据增强

数据汇聚：首先我们需要把摄入的数据能够汇集到统一的位置，保证能够通过统一的方式能够在需要时访问到。

这个过程中的一个重要方法是通过建立运维数据命名空间的标签体系，能够对集成的数据进行标注。

另外数据平台提供了单元化的数据存取模块，实现了对底层集成的静态历史数据和动态实时流式数据多模存储复杂性的隔离，为后续的数据处理单元扫清障碍。

数据过滤：大部分的 AI 算法及数据仓库的构建都要求对输入的数据进行过滤。如数据仓库的 ETL 过程中的数据清洗、转换，AI 场景下特征工程中的大部分的工作都涉及到数据过滤的内容。

数据过滤可以在数据汇聚之前进行，轮船AR远程指导，也可以在数据汇聚之后进行，甚至在数据汇聚的过程同时进行过滤操作。但是一般来说，在完成数据汇聚之后执行数据过滤操作往往更有意义。