【观察】以平台化重构智能运维市场，必示科技突破背后的价值启示

申耀的科技观察

读懂科技，赢取未来！

我们知道，在传统的信息化时代，IT部门往往扮演着业务“跟随者”的角色，遵从业务需求支持企业的ERP、财务、OA系统的运转，而运维人员的主要工作，也只是承担封闭IT环境中硬件设备和软件系统的日常巡检、维护、升级工作，由于业务对IT的依赖程度不高，企业对运维效率的能力要求也不高。

但是，随着数字化转型不断推进，企业不仅越来越依赖IT的高效运转，IT部门的角色同样也发生了巨大的转变，由“跟随者”变成了“支撑者”甚至业务创新的“引领者”。所以，传统的IT运维工具和运维方法已无法解决企业遇到的种种问题，智能运维（AIOps）也就成了企业运维领域探索和创新的新方向。

在此背景下，成立于2016年底的必示科技，通过长时间的研究和技术沉淀，率先打造出了国内首款多场景可编排智能运维平台，该平台融合了十余种面向运维的专业算法，并可将各算法模块的效用进行编排组合，不仅满足了复杂运维场景中对多种数据进行多样化分析的需求，也彻底将运维流程中的人工分析工作变得更加智能化。

毫无疑问，在中国的智能运维市场，必示科技既是落地的实践者，更是未来的引领者，这背后无疑是必示科技凭借较强的技术研发能力，以及对中国企业用户痛点的深入洞察，使得必示科技在大量的市场成功实践中，探索出了一条差异化的智能运维之路，也真正重新定义了智能运维在中国的发展之路。

智能运维的机遇和挑战

过去几年，智能运维市场越来越受重视，它是指将人工智能应用于运维领域，并基于已有的运维数据，如日志、监控信息、应用信息等，通过机器学习的方式来进一步解决自动化运维没有办法解决的问题。

按照Gartner相关报告预测，智能运维的全球部署将从2017年的10%增加到2020年的50%，其行业应用除了互联网之外，还包括了电信、金融、电力、医疗、航空等等领域。值得一提的是，在中国市场智能运维从正式提出到实际的落地也有两三年的时间，并取得了初步的落地效果。

运维是数字世界的的基础设施级别的技术，随着支撑数字世界的软硬件系统越来越庞大、越来越复杂，运维对智能化的要求就会越来越高。因此，智能运维将会是未来运维技术发展的必然趋势。

清华大学裴丹教授曾提出：未来智能运维的发展将会有九大发展趋势，即行业多样化、产业生态化、数据多样化、场景多样化、场景精细化、算法服务化、技术平台化、落地加速化、成熟度评估的加速化，而这九大趋势也会助力AIOps在中国市场今后几年的兴起和爆发。

尽管智能运维的前景被持续看好，但在落地过程中，仍然要面对很多的困难。必示科技联合创始人兼CEO刘大鹏对此也感同身受，他说：“机器学习和运维两个行业都有几十年的历史，要把两个方向实现结合，其实面临着很大的挑战和很高的门槛。”

必示科技联合创始人兼CEO刘大鹏

一方面，是从事机器学习领域的人员，很难迅速了解智能运维的知识和场景，如各类监控数据，要梳理很长时间才能理解；而从事运维领域的人员又很难把机器学习吃透，特别是在一个大型分布式系统运行环境中找到适合机器学习能做、又对运维有帮助的事情是相当困难的，这也意味着两者之间存在着一个巨大的鸿沟。

另一方面，是智能运维中分析场景众多，维度复杂，加上运维数据多样化，导致运维数据在机器学习的应用中，往往会和理想假设的情况完全不同。一个典型的例子是，当年CNN（卷积神经网络）发明时并非专为运维场景设计，这些数据看起来能够输入到机器学习的方法中，但真正运行起来会发现效果和想象中差距甚远，也让智能运维在实际落地的时候是不可用的。

由此可见，智能运维虽然“理想很丰满，但现实却骨感”。那么，如何更好的发挥智能运维真正的价值？在此过程中，又需要解决哪些落地的难点和痛点呢？

以平台化重构智能运维

实际上，在刘大鹏看来，运维场景很复杂，很少只看一种监控数据，就能发现、定位问题。不仅如此，随着越来越多新的算法的出现，新的挑战又出现了。例如，数据和算法种类不断增加，扩展是问题，部署是问题，各种算法的配合是问题，算法和数据之间关系复杂也是问题，同时如何满足快速交付不同客户的需求，这些都是智能运维落地中需要解决的痛点和难题。

正是基于对行业需求的判断，必示科技在过去几年投入了大量的研究，并通过落地的行业实践，率先在国内打造出了首款多场景可编排的智能运维平台，该平台首次把算法、图谱、数据这三大智能运维中的关键元素结合在一起，不仅能够很好地进行数据关系的管理，也可以实现算法的编排和整合，真正以平台化的优势重构了智能运维落地过程中面临的挑战，具体来说：

首先，必示科技的智能运维平台整合了大量可开箱即用的运维算法，这些算法并不是简单的开源算法，而是在大量运维场景和运维数据中，经过长期打磨且得到了行业头部客户的实践和验证。

所以，这就让必示科技智能运维平台不仅能够通过多种算法组合，将运维场景中多样的人工分析工作进行全面智能化，且能大幅度提升复杂运维场景的解决效率；同时，精巧的算法工程化，还能让智能运维不止有质量，也有数量，可让分布式可扩展架构轻松分析十万级指标和TB级的日志；此外，算法与模型还可根据数据自学习、零配置科技运行，让客户在运维的过程中，真正告别复杂公式与模型，轻松实现开箱即用。

截止目前，必示科技智能运维平台已沉淀出10余项运维场景专用的高效算法，包括单指标异常检测、异常机器定位、日志模板智能解析、多维明细异常定位、日志异常定位、告警去噪聚合、批处理任务时间异常检测、趋势预测、调用链根因定位、智能相似事件查找、智能瓶颈报表、指标智能提取等，这些算法能够服务于运维的不同场景，解决数据治理、故障发现、故障收敛、故障定位、故障决策领域的难题，真正让平台具备了“多算法、多数据、多场景”的能力。

其次，在开箱即用的运维算法的基础上，必示科技智能运维平台又构建了强大的运维知识图谱能力。 可以说，运维知识图谱是智能运维平台底层关键的架构，是管理数据关系和编排算法的重要支撑。

据了解，必示科技把运维知识图谱规划为三个阶段。其中，第一阶段是必示科技已经100%完成的，主要实现了两个功能：第一是从外部接入数据关系（如CMDB、配置文件等），第二是可以支持多样的算法编排。

第二阶段必示科技则完成了70%，主要规划了两个功能：一是在图谱上做推理的操作，例如几百个系统之间有复杂关系，检测到50个系统出现了异常，到底是哪个系统出了问题，其实这是基于图谱的推断和查找。另外一个功能是外部知识的链接和融合，如手册中的故障信息，而这部分则需要借助外部的知识来进一步完善产品的能力。

第三阶段目前仍处于规划之中，必示科技希望在这个版本中，一方面是在1.0基于已有配置关系建立数据关系的模式变成自动的，包括图谱关系的自动补全等；另一方面则是构建“智能排障树”，让系统能根据不同的数据和关系，自动推荐算法组合。

不难看出，开箱即用的运维算法加上基于运维知识图谱的平台化，让必示科技打造出的智能运维平台，不仅真正实现了可落地，同时也把中国智能运维的技术能力提升到了一个全新的高度。

正如刘大鹏所言：“我们希望把必示智能运维平台打造成一个垂直、专业、开箱即用的产品，这是每一个智能运维领域的从业者所期待的，也是必示科技一直以来所坚持的价值主张。”

突破背后的价值与启示

正所谓高度决定视野，视野决定格局，必示科技之所以能够在短短几年时间，就能打造出国内首款多场景可编排的智能运维平台，背后则源于其优秀的人才团队，雄厚的技术研发实力，以及大量的落地实践，由此让必示科技能够在智能运维市场得以“突破”，其成长的步伐也越跑越快。

一是，从人才团队看，必示科技拥有来自清华大学计算机系的顶级算法团队；核心技术团队来自微软亚洲研究院、阿里、百度等互联网领军企业，已在国际前沿学术会议上发表论文100余篇；销售团队、交付团队和产品团队均拥有平均有10年以上行业经验的资深专家。

二是，从技术研发看，必示科技最新发布的智能运维平台，打造了一个以人工智能算法和知识图谱为支撑、具有统一算法框架，涵盖统一数据接入、算法编排、智能分析、数据存储和前台展示的专业化、一体化、功能强大、开箱即用的智能运维平台，真正将前沿算法与领域经验实现了完美融合，更证明了必示科技在发展方向和技术创新上的远见性。

三是，从资本角度看，必示科技还获得了众多一线资本的青睐，从成立之初到现在完成了三轮融资，这些一线的资本在投资时会对必示进行360度的考察，从某种程度而言，也是对必示的综合实力的把关和验证。更为关键的是，有了资本的认可和加持，更能让必示科技持续强化建设智能运维平台级产品，丰富智能运维算法，扩大智能运维团队，进一步提高产品和服务的客户价值。

最后，从落地实践看，必示科技还服务了众多头部客户，并积极去做实践检验。而这也是必示科技在中国智能运维市场中能够“脱颖而出”的关键因素。目前，必示科技的智能运维平台已赢得了交通银行、招商银行、光大银行、民生银行、广发银行、华夏银行、上海银行、光大证券等金融机构客户的认可。在客户真实IT运维场景中，必示科技研发的智能运维算法产品故障发现和定位的准确率超过90%，使平均故障解决时间减少50%以上。

总的来说，正是必示科技强大的人才优势和对运维市场的深入洞察和理解，以及不断强化自身的价值和竞争力，使得必示科技的产品和方案更加完善，也更加接地气，充分满足了中国用户的实际需求，这让必示科技的市场不断创出好成绩，更实现了与中国客户的共同成长，这也是必示科技带给中国创新公司的价值与启示。

更为重要的是，众多头部客户的选择更证明了必示科技方向的正确性。更何况，经过过去几年市场洗礼和考验的必示科技已经打造出了自身创新、并随时代不断进化的基因，这也让它未来的发展也具备了更大的想象空间。

申耀的科技观察，由科技与汽车跨界媒体人申斯基（微信号：shenyao）创办，16年媒体工作经验，拥有中美两地16万公里自驾经验，专注产业互联网、企业数字化、渠道生态以及汽车科技内容的观察和思考。