共计 1631 个字符，预计需要花费 5 分钟才能阅读完成。
清华大学裴丹传授联合过来 20 年在 AIOps 畛域与几十家企业单干、跨多种技术栈的落地教训积攒，以及 150 篇左右学术论文的算法积攒，总结出 AIOps 落地的 15 条经验性准则。这些教训分成 5 个大类准则，别离波及 AIOps 落地的大势所趋、价值路线、架构路线、算法路线、生态路线五个方面。
上一期，咱们分享了《AIOps 落地五大准则（一）》，明天咱们持续分享《AIOps 落地五大准则（二）》，围绕 AIOps“价值路线”介绍 3 条经验性准则。
准则 2（价值路线）
统筹规划、要事优先、点面结合
智能运维曾经热火朝天倒退了一段时间，很多企业都在做 AIOps 的策划，然而先做什么后做什么？Big Picture 是什么？如何做多年布局的同时又逐年有本质落地成果？上面我将根本抛开技术实现的角度，仅从 AIOps 交付的价值角度，谈一下布局的三个准则。
准则 2.a 统筹规划
首先，AIOps 在运维的五个基本要素（即品质、性能、效率、老本、平安）中都有很好的利用前景。统筹规划的优先级方面，效率（Develop）绝对独立，平安也绝对独立，那么剩下的品质、性能和老本，先关注哪个？依据以往的教训，还是要先关注品质，即零碎可用性，而后是性能，在这个根底上再进行优化老本。本文后续都聚焦在运维品质上进行探讨，而在性能和老本上的落地准则大同小异。
这里类比一下医学里驰名的扁鹊三兄弟（下图），对于目前常出故障的一个零碎来说，咱们最须要像扁鹊那样治大病的医术，其次须要像扁鹊二哥那样治小病的医术，最初须要像扁鹊大哥那样治未病的医术。具体而言：咱们首先要升高故障修复工夫，这是布局里最重要、最痛的点；其次，咱们要做缩短无故障工夫，辨认并打消那些小隐患；最初，咱们还要通过故障演练，即使日常中没有小故障产生，但通过注入故障引出问题，而后解决掉问题，不影响真正的用户。
布局中最迫切的“运维品质：升高故障修复工夫”有很多细分步骤，理论落地起来挑战重重：多源多模态且信噪比低的运维数据；关联所须要用到的依赖数据非常复杂且不易取得，有时数据品质也不高。很显然咱们无奈欲速不达，必须要统筹规划，分步骤、分阶段地施行，一直获得阶段性的成绩。
统筹规划的前提是要总结出一个绝对残缺的体系，运维品质的体系蕴含四个维度：一家企业所属行业；一家企业有哪些运维对象（如中间件、数据库、存储、利用等）；有哪些不同的故障类型及在数据中如何体现；采纳的是哪些技术架构（如集中式架构、凋谢架构）。统筹规划的施行就是在多维度组合中确定哪些先做、哪些后做。
准则 2.b 要事优先
在上述体系中，决定先做的准则是要事优先，即聚焦并串连最终导致业务故障的常见异样。这里援用一个数字，某企业 80% 的业务故障是由多数组件的多数类型的故障导致的。这其实遵循了“二八定律“，20% 的组件故障类型导致了 80% 的业务故障。因而，咱们应首先聚焦解决这些常见故障，要有全局视线，先抓重点细节，聚焦并串起导致那些业务故障的常见组件故障，这就是布局 AIOps 时从价值角度登程的“要事优先”准则。
准则 2.c 点面结合
布局落地 AIOps 时，有两种误区：一是只看有可量化价值的具体的技术“点”（如业务指标异样检测）；二是只看有可量化的端对端价值的场景（“面”，如 MTTR）；而咱们总结的准则是“点面结合”。比方，兴许因为依赖其它技术点，业务指标异样检测还没有产生端对端的成果（升高 MTTR），然而其自身有一些评估指标（相比传统办法提前 X 分钟发现故障），这能给予咱们很大的心愿。就像医院里一个医疗设施，它比原来的设施检测得准、检测得快，它的价值就应该失去认可，它的价值不能因为须要一些其它技术点能力产生残缺的端对端价值而被否定。反之，对于端对端价值的不懈谋求并且以量化形式一直掂量（如 MTTR）, 能清晰指引咱们布局须要一直冲破的技术点。因而，布局时，点和面都重要，点面要联合，都要体现可量化的价值。
以上是裴丹传授对于“AIOps 落地的价值路线”具体解读，下期将持续分享“AIOps 落地的架构路线”。
