01 越來越多的企業IT系統採用微服務架構
當前，企業的IT系統基本上都屬於傳統的MVC架構，所有業務子模塊都集成在JVM中。雖然利於統一管理，但是當產品規模越來越大時，項目變得十分臃腫，維護困難，資源無法隔離，拓展性也很差。而微服務（Microservice）的出現，剛好解決了單體系統（Monolithic）所帶來的一些列問題。
顯然，微服務已經成爲IT發展趨勢之一，從IT系統模塊化中便能知曉一二。作爲模塊化的成果，IT組件越來越小型化，基本上會用更少代碼和功能來構建應用程序。微服務技術由於天生支持快速迭代、彈性擴展的特點，使企業能夠在不確定性下提升發展速度及抗風險能力，受到了越來越多的關注。
但是，如果系統性能或關鍵事件出現了問題，由於IT系統的複雜性，微服務的排障過程可能變得十分複雜。
02 微服務可能會讓系統變得更加複雜
微服務是種簡單的單個應用程序，能夠在IT開發和基礎架構中保持高度的靈活性和敏捷性。企業把環境遷移到微服務中時，一般存在多種原因。最大的原因，可能是系統越模塊化，DevOps團隊就越易更改系統來適應不斷變化的業務需求。這樣，只需根據需求進行本地更改就可，不必過多擔心繫統其他部分出現問題。從性能的角度來看，組件的模塊化能夠更容易適應各種架構。
例如，如果你所在的企業決定將基礎架構遷移到雲端，那麼哪些組件可以保留在本地，而哪些組件遷移到雲中？如何在各種雲架構上分發這些組件？又或是在管理相對單一的系統時，如何避免受到約束？
但是，天下沒有免費的午餐。構建的系統靈活性越高，架構就越複雜。開發系統、更改系統或是在架構上分發系統越容易，系統也就越複雜。在這種情況下，“複雜性”意味着增加了系統設計的“熵值”，而“熵”的一個狹義定義是缺乏可預測性。
03 微服務之高熵，讓傳統監控和排障變得更爲困難
模塊化的轉變，會增加IT系統的熵值。在高熵系統中，每個數據點都包含大量信息；而在低熵系統中，信息會非常少。因此，要保持高靈活性的系統，維護就會變得分外困難，也會讓IT系統管理工作變得更加複雜。
在微服務環境中，使用幾個單部件構建的系統，便可以推斷出整個系統的狀況。複雜的系統，往往是由許多獨立的部分組成，這些部分雖然能夠同步工作，但是耦合卻很鬆散，因此預測系統狀態會變得更加困難。這樣就必須監控幾乎所有組件，才能查看端到端的狀態，再進行系統畫像。而這也會導致監控工具與系統架構的不匹配。
許多傳統的IT監控工具，都會默認設置成低熵系統，也就造成在高熵系統無法使用，微服務環境下的監控和故障排除工作會更加複雜。毫無疑問，微服務架構會十分複雜，但是微服務卻同樣有利於開發和運營團隊，複雜性是可以通過其他方式解決的。
04 AIOps對微服務數據進行智能分析，快速獲取根因
許多企業都會通過大數據平臺採集數據，從存儲的角度來看是值得肯定的。但是不幸的是，許多企業認爲這是故事的結尾。“我們擁有所有數據，也可以隨時訪問這些數據，我們的工作基本上就完成了。”實際上，他們只是把這些大數據匯聚到一塊而已，並沒有對這些數據進行深加工，數據的價值並沒有有效利用起來。而這恰好是AIOps所擅長的。
IT系統中，一些模式和事件故障，會破壞端到端系統。加上系統的複雜性和高熵，要想發現並分析這些模式相當困難。即使以後能夠做到這一點，我們仍然需要找出系統中斷的根本原因，這樣才能從根本上解決困擾系統的問題。
但是AIOps可以做到，因爲它可以從大型數據庫中快速採集和處理數據，並能從中識別出可能存在的問題。AIOps在處理這些數據時，還能發掘出這些數據的模式特徵，並提供相應的解決方案以有效解決問題。
05 AIOps亦是排除微服務故障的良藥
在微服務環境下，如果使用自動編排技術，其配置應該能夠快速響應特定的業務和技術要求。AIOps能夠使得系統快速識別問題，分析後提出相應的解決方案，將其提供給編排引擎。
在IT高熵環境中，應用程序編排引擎的相關操作等，都會導致系統複雜度陡升。但是AIOps可以全面排查IT環境，並提供相應的解決方案，其中便包括業務流程引擎的影響，這僅是AIOps排除微服務中故障問題的功能之一。
06微服務正推動AIOps快速發展
微服務，包括一系列複雜且易變化的組件，而最大的問題便是難以確定微服務之間的因果關係。出現問題時，便會陷入巨大的困境。爲了能夠在微服務中排障時做到有效分析，AIOps借用拓撲和圖形的方式，這種方式在因果關係處理上將會十分有效。
拓撲，這種基於圖形的分析方式，也逐漸成爲AIOps的核心部分之一。當前的AIOps供應商都基本上認識到這一點，並開發出了相應的拓撲算法，這條路還有很長一段時間要要走。在不久的將來，拓撲結構將會轉移到中心位置，以便更好應對微服務帶來的複雜狀況。
微服務中部署AIOps十分必要，而AIOps反過來也可以幫助微服務快速排障，提高系統性能。這種技術的共生，將有助於微服務從前沿技術，過渡到主流解決方案。而微服務，將有利於AIOps打開更廣闊的市場，促進IT智能化的快速發展。
作者：Will Cappelli
來源：國外網站
編譯：林含飛
編譯過程中有所刪減