运维智能体的可行性研究

什么是运维智能体

当今绝大多数应用系统都是基于分布式微服务构建的，这种应用系统的好处在于可以并行研发和发布，但是挑战在于稳定性保障的难度系数成倍增加。Google 确立的SRE 工程体系成为行业最佳实践之后，对于如何运营大规模分布式在线系统大家有了一致的标准，那就是基于云原生的可观测体系、容量管理体系和变更风险防控体系等三大核心体系。

分布式系统稳定版保障的难度随着规模呈指数增长，一般认为 SRE 是对整个分布式系统的可用性理解是最深刻的，对于系统 GMV、流量、QPS/TPS 等做到胸中有丘壑，在出现故障的第一时间，他们的判断是最有价值的。不得不说，在 AI 出现之前这种需要经验沉淀的工种，确实是有着天然的无法替代性。但是，AI 赋予了分布式系统的观测体系灵魂，观测体系在看到分布式系统发生了什么之后，能够理解发生这些现象的原因，并且对于如何恢复正常，可以给出超越 SRE 的专家建议。

所以，运维智能体是一种实时观察分布式系统、实时从系统的事件中学习、能够比SRE更高效率地做根因分析并给出恢复正常的可行操作指导意见的 AI Agent。

运维智能体的价值

运维的智能化是必然趋势

自从 Kubernetes 这样的运维标准化平台诞生那天起，基于流量的弹性伸缩这件事让大量的传统运维者工作量减少 80%，运维的自动化基本上成为了事实，果然云原生应用和标准的基于 Kubernetes 的应用运行平台，让云大厂全面接管了传统运维的工作，站在今天这样的一个时间节点上，我们给出的判断是运维智能化是必然趋势。

运维智能化的落地场景

运维的动作执行标准化之后，但是每一个动作之后的决策过程却是根据 SRE 多年的工作经验得来的，特别是特定行业的应用系统，如在线金融系统。运维动作对系统的影响往往是巨大的，而且动作的影响往往是执行者并不明确的，一系列的连锁反应导致系统出现预期之外的情况，大多数情况下这种意外的情况意味着故障。

智能运维的智能主要体现在：

1）能够感知全局，即某个局部的变化对全局的影响是什么，这个过程类似一个函数，函数内部是一个复杂过程，输出全局的影响面。
2）洞察事件关联，当某个局部的变更触发全局一系列事件时，可以从系统的表现中快速“推导”出这些事件之间的关联，比如某个配置参数的调整，导致支付成功率下跌，这个中间的传递链条可以快速被溯源。
3）学习过往的经验，可以从过往事件的处理过程中学习到专家经验，最终远远超出SRE 的判断力，比如通过数据库错误日志，分析出可能是哪个 SQL 出现问题，然后给出优化建议。

未完待续！