3月3日凌晨，阿里雲出現宕機故障，受宕機故障影響，華北不少互聯網公司 APP、網站紛紛癱瘓，一大波程序員、運營和運維不得不從被窩裏爬起來幹活。網友“上海藍盟網絡夏立成”調侃，“阿里雲一年一宕機，今年特別早”。
然而日常生產、生活對應用依賴程度逐漸增加導致宕機頻率和成本都在升高，人工運維投入產出卻在下降。根據專業評測機構 downdetector.com 統計，2018年，Facebook 系統全年宕機200次，Youtube 宕機 140 次，Google 宕機 100 次。每次宕機損失至少 100 萬美元！某些事故對企業的影響將是災難性的，對於金融、互聯網、電信等信息化成熟度較高的行業更是如此。
軟件系統帶來的複雜度提升，還需要軟件來應對。人工智能(AI)技術結合運維(Ops)場景，已成爲目前業界看到的唯一應對之道 -AIOps。然而，落地 AIOps 並不簡單，首先需要從改進現有運維流程，升級監管裝備入手。當前，大多企業的人工爲主，基於 Zabbix、Nagios、Prometheus 等開源、商業數據採集系統建設的諸多監控採集展現數據的方式，會隨着監控對象和數據採集量激增而失控。
隨着信息系統加速升級演進，運維也正在遵循人肉運維>工具化運維>自動化運維>智能化運維轉變歷程。因此，新一代運維體系，理念上首先需要站在運維人員角度將複雜變簡單，人工轉智能。要達成此目標，我們需要完成以下四階段運維繫統升級。
應用全景監控
整合分散、孤島監控系統數據，實現全景監控視圖：整合已經建設的基礎設施、網絡、中間件、應用監控系統，形成以風險感知爲核心的監控系統。
運維大數據分析
轉數據監控爲信息監控，基於大數據分析能力構建運維信息檢索平臺：融合指標、日誌、代碼執行堆棧、網絡嗅探數據，全量存儲、索引、融合海量低價值密度的運維大數據，爲運維人員提供便捷的信息查詢入口。
智能化運維
用算法積累運維經驗，轉人工數據篩查爲智能化分析：利用知識庫、規則引擎、概率圖模型等手段積累運維專家經驗，集成異常檢測、因果關係判斷、根因定位分析等算法引擎輔助人工篩選海量數據，探測、解釋異常。
運維可視化
運維數據可視化，自然人機交互：將實時、歷史信息可視化，利用更直觀、自然的人機交互界面連接人腦和計算機，實現敏捷高效運維。
東軟 RealSight APM請添加鏈接描述 應用智能運維平臺在傳統應用性能管理(Application Performance Management, APM)類產品基礎上升級設計理念，引入先進技術，打造了全景化監控視圖，運維大數據分析、智能化異常檢測分析等能力。爲保障政府、企業數字信息系統高效、穩定運行提供必要支撐。
如今，產品已經在社保、醫療、汽車、運營商、金融、快消、保險等多個行業客戶得到應用。服務於寶馬中國、寶馬金融、中國航空、蒙牛集團、宜昌三峽運、上海教委、北京東城區、中翼航食、吉林人社等。
產品在行業中的應用場景
互聯網
全景監控態勢，保障客戶數字體驗，提升客戶轉化率
金融
預測規避風險，提升核心系統穩定性，降低運維成本
汽車
監控車聯網車機端、雲端全鏈條健康狀態，提升行車安全保障
醫療
提升患者就醫客戶數字體驗，爲互聯網醫療建設提供運維支撐
政府
保障信息系統穩定，爲民生工程、公共管理提供高效可靠數字平臺支撐