關注嘉爲科技，獲取運維新知
現在大家都在講智能化運維，自動化運維已經逐漸少有提及。這是一個理念和技術演進的正常過程，自動化運維已經從一種思潮和探索正在轉變爲落地和使用。越來越多企業已經開始落地自動化運維，在真正把步子邁出去的時候，發現自動化運維原來並不是一件複雜的工程，很多企業其實早就開始建設了。
說到這裏，就要從運維的本原探討。我們這裏把運維的詞義進行狹義的思考，其實就是對服務器及應用進行維護管理，那麼所謂自動化運維就是把維護管理的動作規範化、批量化、自動化。如果從這個角度去考慮，很多企業很早就建設了自動化運維工具，如微軟補丁管理WSUS、微軟SCO等工具，只是過去我們並沒有意識到而已。
既然如此，又是什麼原因導致自動化運維突然火熱起來了呢，作者認爲如下兩個原因：
-
隨着運維規模擴大，運維工具也大幅增加，運維工具本身的管理成爲必須面對的問題，需要統一集中的運維平臺。
-
互聯網公司作爲運維技術先驅力量，在運維中應用了大數據、人工智能等技術，將運維工作引向了新的高度。
所以，從過去分散狀態的自動化運維建設正在轉變爲以平臺爲基礎的建設模式，平臺能力主要體現在：
-
平臺具備廣泛的兼容性，可納管全面的IT設備和系統
-
具備與現有運維工具集成的能力，最過往投資保護
-
在平臺上可靈活擴展到更多運維場景，而不增加平臺維護成本
-
平臺具備向數據化、智能化演進的可能性，滿足長期建設要求
進而，在很多企業中自動化運維建設分爲兩層建設：統一先進的自動化運維平臺和持續平臺上構建運維場景。我們下面分別進行探討。
一、運維平臺建設
不同規模公司在平臺建設上思路不同，總結來說有如下兩種模式：
1、自研平臺或基於開源改造
大型互聯網公司和巨頭企業多采用這種模型，專門組織一個部門開展自動化運維平臺建設。這類公司在一定程度上可以保證人員的穩定性和專業性，其業務收益也可以支撐長期的的高昂成本投入。 這種模式的優點是具備完全的自主性，在滿足自身業務的同時，也可以將自研的技術商業化，變IT成本部門爲IT利潤部門。
缺點也是顯而易見的，如此大投入、長週期，深度的技術沉澱，是絕大多數企業無法承受的。同時也需要面對失敗的風險，所謂“一榮俱榮，一損俱損”。
2、引入上述公司的產品
更多的公司採用這種建設模式，從外部引入經過考驗的成熟平臺，如騰訊的藍鯨智雲。這類產品往往是經過自身業務多年沉澱出來的解決方案，或者代表着先進性，或者代表着行業特點。這類解決方案有區別與傳統廠商產品，是經過真實生產環境淬鍊的解決方案，通常具備很強的生命力。通過平臺的快速導入，既可以快速縮短自身與前沿企業的距離，同時也可以合理控制成本投入。
其缺點主要體現在自主性上，這就要看選用產品的開放程度了。
二、持續構建運維場景
運維場景與運維平臺有很大不同之處，運維場景是多樣化的、個性化的、是無法窮舉的。話雖如此，根據不同場景的特點仍然可以分爲操作類、展示類、決策類。這裏着重分析各類運維場景的特點和構建方法。
1、操作類場景
在自動化運維建設前期此類場景最多，往往能佔比到60%~70%。這類場景明顯的特點是可以手冊化，即可將運維操作步驟一一寫出來，並按照某種邏輯順序按步執行皆可完成。諸如版本發佈、資源創建、權限開通等。有些操作流程可能很長，而大多數操作都是短流程。在梳理這類運維場景時，可以參考以下原則：
-
操作原子複用原則
-
明確輸入輸出原則
-
原子功能內聚原則
-
流程節點解耦原則
-
端到端全覆蓋原則
在建設前期可不必追求流程設計的優雅性，能確保流程的正確性和穩定性，流程節點多一些並無關係，關鍵是可以實現端到端的全流程自動化操作。
2、展示類場景
這類場景可以在運維工作中佔比到20%~30%，在面向應用的運維中應用較多，在實現邏輯上可以分爲三層：採集、處理、展示。
-
數據採集是相對複雜的工作，從實現難度可分爲：平臺數據、腳本採集和採集器採集；
-
數據處理通常根據具體業務場景具體設計，大多數邏輯是較爲簡單的邏輯運算：加、減、或、與、非等；
-
數據展示是相對容易的內容，運維常用展示形式是可以窮舉的，如餅圖、折線圖、柱形圖等；
在建設前期可選擇簡單的場景建設，逐步培養人員運維開發能力，逐步過渡實現複雜場景。
3、決策類場景
決策是自動化運維進階需求，往往需要用到大數據、機器學習等前言技術，我們後續開專題進行討論。
本文首發於微信公衆號：嘉爲科技，轉載請註明出處。