| RK | 企業(yè) |
|---|---|
| 1 | 華為 |
| 2 | 阿里 |
| 3 | 騰訊 |
| 4 | 百度 |
| 5 | 中興通訊 |
| 6 | 寶信軟件 |
| 7 | 用友 |
| 8 | 中國軟件 |
| 9 | 東軟集團 |
| 10 | 軟通動力 |
| 11 | 太極股份 |
| 12 | 亞信科技 |
| 13 | 神州數(shù)碼 |
| 14 | 愛數(shù) |
| 15 | 海量數(shù)據(jù) |
| 16 | 銳捷網(wǎng)絡(luò) |
| 17 | 容知日新 |
| 18 | 銀信科技 |
| 19 | 天璣科技 |
| 20 | 聽云 |
| 21 | 金蝶 |
| 22 | 新炬網(wǎng)絡(luò) |
| 23 | 浪潮軟件 |
| 24 | 榮聯(lián)科技 |
| 25 | 博睿數(shù)據(jù) |
| 26 | 首都信息 |
| 27 | 神州泰岳 |
| 28 | 新華三 |
| 29 | 易事特 |
| 30 | 廣通信達 |
| 31 | 奧哲網(wǎng)絡(luò) |
| 32 | 擎創(chuàng)科技 |
| 33 | 海信網(wǎng)絡(luò)科技 |
| 34 | 云智慧 |
| 35 | 研華科技 |
| 36 | 博銳尚格 |
| 37 | 科來網(wǎng)絡(luò) |
| 38 | 優(yōu)锘科技 |
| 39 | 同創(chuàng)永益 |
| 40 | OneAPM |
| 41 | 必示科技 |
| 42 | LinkedSee靈犀 |
| 43 | 騫云科技 |
| 44 | 嘉為科技 |
| 45 | 壹沓科技 |
| 46 | 林科斯拉 |
| 47 | 日志易 |
| 48 | 佳訊飛鴻 |
| 49 | 睿象云 |
| 50 | e運維 |
| 2022.05互聯(lián)網(wǎng)周刊/eNet研究院/德本咨詢聯(lián)調(diào) | |
近幾年IT行業(yè)發(fā)生的一個明顯變化是，數(shù)據(jù)中心逐步向云計算轉(zhuǎn)型，軟件和軟件工業(yè)由人工方式轉(zhuǎn)向大數(shù)據(jù)和人工智能驅(qū)動，相應(yīng)地，軟件的設(shè)計、開發(fā)、運維也順應(yīng)數(shù)字化轉(zhuǎn)型的思路開始向智能化轉(zhuǎn)移。
而其中在企業(yè)生產(chǎn)經(jīng)營中扮演“救火隊員”角色的運維隨著云計算的迅猛發(fā)展及服務(wù)器、軟件模塊等的急劇增長從手工運維迅速向智能運維迭代，從安全保障向提升生產(chǎn)力推進，儼然已成為數(shù)字化浪潮下新一輪企業(yè)競爭、資本投資的新風(fēng)向。
從邊緣走向核心
因為不是生產(chǎn)力部門，運維環(huán)節(jié)在之前并沒有受到太大重視，有的企業(yè)甚至沒有專職的運維崗位，而由于缺乏運維工具和操作指南，早期運維工作只能由運維人員手工開展，依靠多名運維人員共同完成產(chǎn)品運行狀態(tài)、產(chǎn)品性能指標(biāo)、產(chǎn)品上線與變更服務(wù)等的監(jiān)控。
而隨著全球數(shù)字化進程的推進，服務(wù)器、軟件模塊、訪問數(shù)據(jù)激增，IT系統(tǒng)的數(shù)量和復(fù)雜程度加劇，原先的運維體系難以承受巨大的運維壓力，監(jiān)控項目顧及不來，事故發(fā)生無法準(zhǔn)確定位，迫切要求運維工作向自動化、智能化轉(zhuǎn)變。
智能運維AIOps在此背景下興起，其基本邏輯是以大數(shù)據(jù)和人工智能的方式，替代原先人工對數(shù)據(jù)中心的運維方式。此前的運維方式經(jīng)歷過自動化運維、運維開發(fā)一體化階段的演進，但依舊很依賴人工，即必須由長期在一個行業(yè)從事運維的專家手動將重復(fù)出現(xiàn)的、有跡可循的現(xiàn)象總結(jié)出來，并形成規(guī)則，才能完成自動化運維。
而智能運維很重要的一個突破，就是進行自學(xué)習(xí)的“去規(guī)則化”改造，通過機器學(xué)習(xí)算法自動地從海量運維數(shù)據(jù)（包括事件本身以及運維人員的人工處理日志）中不斷地學(xué)習(xí)、提煉并總結(jié)規(guī)則，也就是將人工總結(jié)運維規(guī)則的過程變?yōu)樽詣訉W(xué)習(xí)的過程，緩解人力壓力的同時，將極大提升運維工作的效率和質(zhì)量。
在日常系統(tǒng)運維工作中，經(jīng)常遇到的兩個場景便是異常行為檢測和預(yù)警。傳統(tǒng)運維在工作過程中，往往會出現(xiàn)告警分析不夠智能、問題難定位、根因難確定等問題，AIOps的落地將極大改善這些現(xiàn)象，多方面直擊痛點，自動、及時、準(zhǔn)確地發(fā)現(xiàn)和定位問題。
不僅如此，智能運維將在質(zhì)量保障（包括異常檢測、故障診斷、故障預(yù)測、故障自愈等）、成本管理（包括指標(biāo)監(jiān)控、異常檢測、資源優(yōu)化、容量規(guī)劃、性能優(yōu)化等）和效率提升（包括智能變更、聊天機器人）等場景中為企業(yè)全方面保駕護航，除了安全保障工作的完成，將逐漸深入企業(yè)業(yè)務(wù)，推動企業(yè)智能化生產(chǎn)和服務(wù)。
韌性與挑戰(zhàn)
智能運維的運用空間廣闊，除了互聯(lián)網(wǎng)，在金融、物聯(lián)網(wǎng)、醫(yī)療、通信、工業(yè)等領(lǐng)域均表現(xiàn)出對智能運維的強烈需求。不久前，擔(dān)任冬奧會、冬殘奧會主火炬氫能保供任務(wù)的燕山石化高溫油泵突發(fā)異常，設(shè)備監(jiān)測系統(tǒng)觸發(fā)報警后，之所以5分鐘內(nèi)把安全隱患排除在萌芽中便得益于容知日新的智能運維系統(tǒng)。
在數(shù)字經(jīng)濟發(fā)展的大背景下，機器學(xué)習(xí)和人工智能為智能運維提供技術(shù)支撐，而云計算特別是公有云的發(fā)展，改變了過去數(shù)據(jù)中心小而分散的局面，能為人工智能分析提供全量、全面的大數(shù)據(jù)，智能運維將進入快速發(fā)展時期。
數(shù)據(jù)顯示，2020年中國IT智能運維市場規(guī)模為560.8億元，年復(fù)合增速為20.1%。預(yù)計未來以15.9%復(fù)合增速擴張，2025年市場規(guī)模達1093.5億元。盡管只是互聯(lián)網(wǎng)經(jīng)濟一個細分賽道，但智能運維已經(jīng)成為資本爭奪的新風(fēng)口，智能運維未來發(fā)展表現(xiàn)出強勁的韌性。
政府部門也陸續(xù)出臺《推動企業(yè)上云實施指南（2018-2020年）》《國家新一代人工智能標(biāo)準(zhǔn)體系建設(shè)指南》等一系列政策推動智能運維的發(fā)展。
目前，中國的IT運維服務(wù)商主要由原廠運維服務(wù)商、第三方運維服務(wù)商、ITOM/ITOA廠商和IT基礎(chǔ)架構(gòu)系統(tǒng)集成商組成，正在朝著高效、專業(yè)的方向演變。
但也需承認(rèn)的是，我國智能運維還處在起步階段，未來還有廣闊的發(fā)展空間。挑戰(zhàn)在于智能運維需要高質(zhì)量的標(biāo)注數(shù)據(jù)，高效的數(shù)據(jù)標(biāo)注方案才能減少人力、時間等成本的消耗，事半功倍。其次，在線系統(tǒng)本身具有規(guī)模性和復(fù)雜性，是需要長期投入的研究領(lǐng)域，未來任重道遠。
結(jié)語
通往進步的路必然是滄桑的，但因其為后面的人造福，引無數(shù)人前往。
