本文是关于某运营商业务支撑系统（BSS）AIOps（Artificial Intelligence for IT Operations，智能运维）案例的分享报告，由国内最大的数字化时代IT服务管理交流社区ITIL先锋论坛提供。报告从该运营商的IT系统和运维发展、AIOps的落地与应用实践、推广方法和运维平台建设心得、对未来运维的展望四个方面，详细介绍了该运营商在AIOps领域的实践和经验。
IT系统和运维发展：
报告首先介绍了该运营商的IT系统，包括管理支撑系统（MSS）、网管支撑系统（OSS）、业务支撑系统（BSS）和业务系统及产品（SSS）。特别指出B域业务支撑系统规模大、架构复杂、正进行演进，而M域管理支撑系统规模小、数量不少、技术栈复杂。这些系统的发展催动了运维水平的提升，提供了理想的试验田。
AIOps的落地与应用实践：
报告详细介绍了AIOps的落地与应用实践，包括自主自愈无人值守、运维事件自动化、运维操作平台化、运维平台具备编排能力、部分运维场景智能化、运维平台一体化、复杂运维场景智能化、绝大部分关键场景应用自动化和智能化技术等。具体措施包括：
- 运维流程、标准等的建立和管理：流程化、标准化。
- 工具标准化管理：平台化、自动化。
- AIOPS场景预研：对异常检测、根因分析、知识图谱等经典场景开展预研，重点选取运维痛点场景优先建设。
- 自动驾驶模型对标优化：从L1~L3的水平，整体拔高到平均L3以上的水平，形成多场景全流程串联。
- 扩展生产对象及丰富场景：扩充对象、扩充场景、扩充联动，打造故障诊断、知识管理联动等高阶场景。
推广方法和运维平台建设心得：
报告分享了AIOps推广方法和运维平台建设心得，包括：
- 明确推广目标和计划：场景特点+现实痛点+推广目标+落地时间。
- 构建推广效果评估指标：AIOps场景指标体系+月报分析。
- 优化运维工作量结构：转变维护人员思维+引导+压降。
- 建立团队分工协同机制：角色分工+周报月会+双周落地复盘+持续迭代。
- 重点场景专项分析推广效果：异常检测、故障诊断、运维机器人等重点场景专题分析。
- 管控运维后台登录账号：限制后台+鼓励智能化自动化+定期统计。
对未来运维的展望：
报告展望了未来运维的方向，包括：
- 持续演进的数智化运维平台：端到端可观测中心、统一入口、流程平台、日志平台、数据库管理平台、自动化测试平台。
- 规划思路：明确分工界限，同质能力合并。
- 探索尝试应用各种AIOps场景：不断探索尝试应用各种AIOps场景，寻求应用效果不错的AIOps场景，期盼交流新技术、新理念在运维中的应用，例如元宇宙、ChatGPT。
应用成效：
报告展示了AIOps应用的成效，包括：
- 完成B域、M域核心系统接入：包括性能、业务、告警、日志等X大类在内的XXX种指标项，纳管资源XXX多项，日处理指标数据XXX条。形成故障自愈预案XXX个。
- 故障诊断准确率：XX%。
- 故障诊断运维成本降低：XX%。
- 故障处理效能提升：约XX%。
- 智能机器人工单推荐能力：智能运维机器人智能修复能力，智能机器人智能问答能力。
- 图谱知识管理：文档、数据库、申告单等不同类型数据的自动学习，图谱知识推理。
- 降本：问答、推荐使用频率X次+/月，减少X万张事件单/年，节约人力X万元/年；操作执行X万次以上，折算数据修改单X万张，每年节约人力X万元。
- 增效：以某千万用户级别地市为例，该地市每月XXX多张IT投诉工单的平均处理时长缩短了XX左右，显著提升了客户满意度。
本文为运营商的AIOps智能运维实践提供了宝贵的实践经验，展示了如何通过自主自愈无人值守、运维事件自动化、运维操作平台化、运维平台具备编排能力、部分运维场景智能化等措施，实现AIOps的落地和应用，提升运维管理的质量和效率，为其他运营商提供了可借鉴的实践路径。
转播
分享
淘帖
()