随着企业的不断发展，业务对运维系统的可用性、性能、可扩展性提出了更高的要求，要解决这些问题便会涉及各种平台的搭建、虚拟化、容器化、持续集成等，这让运维工作面临空前的挑战。大数据与人工智能的出现，为这些运维难题提供了解决思路，由此，“智能运维”的呼声越来越高。

饶琛琳，日志易产品总监，曾任新浪微博系统架构师、大数据运维技术专家，从事运维工作 11 年，精通大规模互联网性能优化、机器数据处理分析以及监控和管理平台的部署开发。

饶琛琳认为，国内运维界在自动化方面已经达到一定的水平，但自动化和监控两部分的衔接还有一定距离。例如，当你拿到了监控类的报警，可能不清楚立马去做哪一项自动化的部署。如果能把自动化和监控这两部分有机的结合起来，运维的工作会运转得更加顺利。

另外，移动化以及微服务的趋势给运维工作带来了一些麻烦和挑战。没有出现微服务之前，运维人员在一台或者两三台机器中就可以完成问题排查。出现微服务之后，启停很方便，这些问题日志可能被拆分到几十个分布式的地方，各自输出，由此便可能遇到在排查问题时出现混淆的情况。解决这些挑战就需要智能运维。

饶琛琳认为，智能运维的理想状态，是将运维的三项工作（监控、管理和故障定位）利用“机器学习”和“人工智能”的技术有机结合起来。在大数据时代，智能运维是基于大数据之上的。运维想要把监控、管理和“故障定位”这三部分有机结合起来，就不可避免地需要用到智能算法，而智能算法则需要大量的数据去做支撑。

“日志易”能够帮助运维人员管理“海量日志数据”，对IT运维日志、业务日志实时采集、搜索、分析和可视化，并提供监控告警功能。不管业务经过多少模块处理，使用“日志易”的用户都可以将所有模块日志进行统一收集展示，进行日志的自动关联查询。“日志易”还提供“上下文查询”功能，运维人员在筛选出问题日志后，可通过“上下文查询”快速提取问题日志的前后各100条日志，实现分钟级故障定位。

日志易：智能运维需要大数据与机器学习的支撑

日志易最新发布的1.10.1版本，引入了机器学习技术，实现了基于聚类算法的日志模式发现。根据搜索结果数据间的相似度，该功能采用聚类算法对日志进行聚类合并，形成一个个包含相似数据的数据集，方便用户在查看种类繁多的搜索结果时，进行快捷的模式行为分析。饶琛琳表示，在未来，“日志易”将进一步提高运维工作效率，让运维更加智能。