
IT服务管理(ITSM)是一套帮助企业对IT系统的规划、研发、实施和运营进行有效管理的方法,是一套方法论。ITSM起源于ITIL(ITInfrastructureLibrary,IT基础架构标准库),ITIL是CCTA(英国国家电脑局)于1980年开发的一套IT服务管理标准库。它把英国在IT管理方面的方法归纳起来,变成规范,为企业的IT部门提供一套从计划、研发、实施到运维的标准方法。
专家的研究和大量企业实践表明,在IT项目的生命周期中,大约80%的时间与IT项目运营维护有关,而该阶段的投资仅占整个IT投资的20%,形成了典型的“技术高消费”、“轻服务、重技术”现象。GartnerGroup的调查发现,在经常出现的问题中,源自技术或产品(包括硬件、软件、网络、电力失常及天灾等)方面的其实只占了20%,而流程失误方面的占40%,人员疏失方面的占40%。流程失误包括变更管理没有做好、超载、没有测试等程序上的错误或不完整,人员疏失包括忘了做某些事情、训练不足、备份错误或安全疏忽等。
这就说明,IT运营方面的问题,更多的不是来自技术,而是来自管理方面。那么,如何进行IT运营管理呢?世界上许多企业和政府部门进行了长期的探索和实践。以这些企业的经验和成果为基础,逐渐形成了一种新的IT运营管理方法论,那就是ITSM(ITServiceManagement,IT服务管理)。
这套标准已经被欧洲、美洲和澳洲的很多企业采用,目前在欧洲40-60%的IT经理都知道ITSM,在美国有20-30%的IT经理了解ITSM,而在国内了解ITSM的人还很少。ITSMf的CEOAidanLawes认为,“对一个企业来说,不管其IT架构多大,都需要ITSM,目前把业务与IT能够很好集成的客户还不多,很多人首先想到的是业务,然后才是IT,而不是用IT去驱动业务。”AidanLawes认为有必要要从教育入手普及ITSM,让人们从学生时代就意识到ITSM的重要性。基于不同的出发点和侧重点,人们提出了各种各样的有关IT服务管理的定义。
国际IT领域的权威研究机构加特纳(Gartner)认为,ITSM是一套通过服务级别协议(SLA)来保证IT服务质量的协同流程,它融合了系统管理、网络管理、系统开发管理等管理活动和变更管理、资产管理、问题管理等许多流程的理论和实践。而ITSM领域的国际权威组织itSMF(国际IT服务管理论坛)则认为ITSM是一种以流程为导向、以客户为中心的方法,它通过整合IT服务与组织业务,提高组织IT服务提供和服务支持的能力及其水平。
数字化浪潮之下,运维能力也逐渐成为现代企业的竞争力之一。
在过去的数十年间,运维发展经历了数个阶段。从早期的手工运维到标准化运维、自动化运维,再到DevOps、AIOps,追溯整个历程不难发现,运维方式随着技术的不断发展,逐渐迈向智能化。
2016年,Gartner面向运维提供了一个新概念——“AIOps”,中文释义智能运维。即其是以AI等手段为核心,为运维提供更为智能和数字化的支撑。也就是说,把运维从“人”的要素抽离出来,更多的放到“数据”一侧。其中包含的场景更加丰富,包括异常告警、告警收敛、故障分析、趋势预测、故障画像等等。
所谓的AIOps,简单理解就是基于自动化运维,将AI和运维很好的结合起来。
AIOps的落地在多方面直击传统运维的痛点,AI算法承担起分析海量运维数据的重任,能够自动、准确地发现和定位问题,从决策层面提高运营效率,为企业运营和运维工作在成本、质量和效率方面的优化提供了重要支持。
市场方面,全球IT研究机构Gartner预测:“到2022年,将有40% 的大型企业部署AIOps(智能运维)平台。”
可见,AIOps 在企业中的作用正在进一步放大。但事实上,很多企业对于AIOps 能解决什么问题并不清晰,今天我们就以博睿数据的AIOps 的三大场景和算法说起。
博睿数据的AIOps 实践
作为中国领先的智能可观测平台,在AIOps实践方面,多年来博睿数据积极拥抱人工智能、机器学习等新技术变革的浪潮,并基于AI和机器学习技术,自主研发了“数据接入、处理、存储与分析技术”核心技术体系,全面布局智能基线、异常检测、智能告警、关联分析、根因分析等丰富且广泛的智能运维功能,并将AIOps能力融入端到端全栈监控产品线,可为传统企业提供强大的数据处理、存储和分析的软件工具,帮助客户整合各类IT运维监控数据,实现数据的统一存储和关联分析,打破数据孤岛,构建统一的IT运维管理平台,让企业的IT运维更加智能化、自动化。
在此基础上,博睿数据还依托完整的IT运维监控能力,利用大数据和机器学习技术持续构建先进的智能运维监控产品,2021年先后推出了搭载了AI能力的新一代APM产品Server70和新版的统一智能运维平台Dataview,不断落地智能异常检测、根因分析、故障预测等场景。基于人工智能的能力实现运维监控场景的信息整合、特征关联和业务洞察,帮助企业确保数字化业务平稳运行,并保障良好的数字化体验。
业务系统运行状况及可用性可视化
IT运维部门核心价值是保障业务系统的正常运行,而支撑业务系统的IT环境又非常复杂,涉及人力、网络、服务器、IDC、机柜、各类应用等等资源。任何一个环节出现问题,都将“牵一发而动全身”。可见,IT系统资源监控与管理非常重要。
因此,我们需要将影响应用系统稳定运行的几个要素数据可视化。比如:基础设施资源使用情况;应用性能指标及系统整体运行情况,如这个系统是否可用、整体健康度等。总体来说,可以用到的常用可视化手段有数据统计、拟物化关系、流程关系、各种图表展现以及3D动画技术等。
网络/硬件/存储/虚拟化等基础资源的可视化
IT基础资源监控涉及的范围很广,通过各种数据统计、图表组合的方式,可将各种设备的性能、容量瓶颈、故障隐患等信息统一呈现。
网络以及业务系统的可视化
网络以及业务系统的可视化,一般采用拟物化关系视图来自动发现真实设备和链路,并生成直观的物理拓扑图、地图拓扑关系图、业务关系视图等。通过这些拓扑图,可以直观查看网络设备、链路之间的关系,以及业务系统设备运行状况、设备组件资源之间的业务链接等 。同时, 不同的故障告警级别,将以不同的颜色第一时间显示在拓扑视图的关联设备和所属地域上。
网络管理物理拓扑可视化
网络管理地图拓扑可视化
业务服务拓扑透视
全物理环境的机房可视化
基于三维实时互动引擎技术的3D机房可视化,可以满足全仿真式机房运维需要,层次化递进浏览监控企业区域、园区数据中心、机房、机柜、设备、端口,想看哪里点哪里,省时省力。
运维服务流程管理的可视化
以事件处理流程为例,可以采用流程关系视图,将事件预警、故障发现、受理、应急恢复的整个过程清晰地可视化展现,以直观查看流程进度。另外,比较复杂的服务流程的考核,可以通过可视化的架构视图理清思路,也可以利用各类报表视图来综合评估。
服务流程可视化
流程考核可视化
运维自动化及运维大数据可视化
智能化运维时代,自动化管理工具对运维的帮助越来越大。关于运维自动化,我们不能忽略的一点是,它对可视化的需求与生俱来。很多自动化 *** 作场景,如果没有可视化呈现,你都没法想象自动化该如何工作!
另外,运维大数据技术涉及的关联挖掘、周期预测、行为学习、规律分析等分析行为,也可以通过各式各样的可视化手段来实现。
运维大数据可视化
最后不难看出,运维管理中监控、流程、自动化、运维大数据这几个重要环节都少不了可视化的呈现,而IT服务其实是一个IT资源、流程、团队管理等不断整合优化的过程,最终都是一个统一的服务体系。想象一下,在运维可视化大屏前体验”一览无遗,把控全局“的感觉吧!
IT服务运营简称ITSOM,全球最早提出和定义这个概念的是ITSM软件商Servicehot,他们多年来一直秉承着“让您掌控IT运营服务的每一个瞬间”的理念, 为数据中心及运维部门、IT部门实现服务的可视、可控、可管。致力于降低IT服务风险,提升IT服务效力,降低IT服务成本,呈现IT服务价值的价值观。
所谓 IT运维管理,是指单位 IT 部门采用相关的方法、手段、技术、制度、流程和文档 等,对IT 如硬运行环境(软件环境、网络环境等)、IT 业务系统和 IT 运维人员进行的综合管理。
IT 运维管理主要包括八个方面的管理内容:
1 设备管理。
对网络设备、服务器设备、 *** 作系统运行状况进行监控和管理。
2 应用服务。
对各种应用支持软件如数据库、中间件、群件以及各种通用或特定服务的监控管理,如邮件系统、DNS、Web 等的监控与管理。
3 数据存储。
对系统和业务数据进行统一存储、备份和恢复。
4 业务。
包含对企业自身核心业务系统运行情况的监控与管理,对于业务的管理, 主要关注该业务系统的 CSF(关键成功因素 Critical Success Factors)和KPI(关键绩效指 标Key Performance Indicators)。
5 目录内容。
该部分主要对于企业需要统一发布或因人定制的内容管理和对公共信息的管理。
6 资源资产。
管理企业中各 IT系统的资源资产情况,这些资源资产可以是物理存在的,也可以是逻辑存在的,并能够与企业的财务部门进行数据交互。
7 信息安全。
信息安全管理主要依据的国际标准是 ISO17799,该标准涵盖了信息安全管理的十大控制方面,36个控制目标和 127种控制方式,如企业安全组织方式、资产分类与控制、人员安全、物理与环境安全、通信与运营安全、访问控制、业务连续性管理等。
8 日常工作。
该部分主要用于规范和明确运维人员的岗位职责和工作安排、提供绩效考核量化依据、提供解决经验与知识的积累与共享手段。
以上就是关于IT服务运营是什么意思全部的内容,包括:IT服务运营是什么意思、如何看待AIOps的发展、IT运维可视化有哪些作用等相关内容解答,如果想了解更多相关内容,可以关注我们,你们的支持是我们更新的动力!
欢迎分享,转载请注明来源:内存溢出
微信扫一扫
支付宝扫一扫
评论列表(0条)