七牛云智能运维新品发布,何以成为行业颠覆性创新?

简介: 七牛云智能运维新品发布,何以成为行业颠覆性创新?

2021年7月9日,国内领先的企业级云服务商七牛云在上海举办新品发布会,发布其智能运维产品PISA。

PISA,即Pandora Intelligent Service Analysis,是基于七牛云的机器数据分析平台Pandora开发的智能服务分析工具。七牛云将PISA定义为Pandora上的全新应用,可见其对行业及七牛云本身的意义非同小可。

Pandora是七牛云推出的云原生的机器数据分析平台,通过平台和AI算法能力共同提供探索数据价值的核心能力,PISA是这个核心能力在智能运维领域的落地应用。通过PISA,Pandora的能力被充分地利用并开放给开发者,使得运维开发人员能够更加简单直接地根据自身业务场景灵活使用Pandora各项能力。

分析能力的开放是如何实现的?从架构上来说,PISA分为底、中、上三层。底层以Pandora 核心计算引擎为基础,输出强大、稳定、高性能、低成本的计算能力。中层依靠Pandora 开放平台,为开发者提供丰富、开放、易用的支撑功能。上层是应用层,依托七牛云丰富的AIOps 经验落地智能运维服务的应用,帮助最终用户灵活应对不同业务和IT运维分析场景。

yy.png


更智能的智能运维

既然通过PISA可以让Pandora的能力得以输出,那么我们就不得不说说PISA和Pandora结合对企业实际场景中的运维能够产生哪些帮助。

以一个实际场景——客户电话反馈银行代缴水电费出现问题为例,传统的处理方式往往是,客服提交工单给IT进行运维排查,运维排查问题并通过客服向客户反馈结果。然而此时,故障已经发生,客户体验难以挽回。在PISA和Pandora的帮助下,整个银行的运维系统可以发生根本性的转变。

首先,将事后处理变为事前发现。仍以上述案例为例,在客户致电之前,银行的IT部门就能够收到代缴费服务可能出现问题的告警。随后,相比于传统逐层、逐块排查的运维排查方式,PISA能够通过业务交易健康服务分析器迅速发现问题并修复故障。

PISA为实际运维业务流程带来的根本性改变,来自于七牛云思考方式的不同。


1、打通业务和运维,事后处理转变为事前发现

在实际场景中,业务和运维往往是两个割裂的部门。由于职业要求,业务部门一般不在意系统的底层是如何实现的,他们更重视交付。同时,两个部门一般很少交流,只有在出现故障或者业务想要争取IT资源时,才会凑在一起解决问题。

这就导致运维一直是公司的成本中心,是花钱的地方,从盈利的角度来说,自然是越花小钱办大事越好,但这也导致出问题的可能性提高。但如果让运维能够提前发现可能发生的问题,为公司减少亏损,将成本中心转变为利润中心,就是更优的运营逻辑。

七牛云认为,业务和运维要打通,这样运维才能提前预知风险,业务也才能更稳定、更安全地开展。


2、打通运维和运维,只有数据互通才能更快地修复故障

IT系统的每一个环节都可能有故障发生,然而现有的监控、运维系统往往只能关注到某一个层面,比如SkyWalking监控应用层,ZABBIX监控服务层。因此,要逐一排查非常费时费事。

并且,当企业的运维部门细分到应用运维、主机系统、网络、DBA等多条责任线时,由于数据不互通,排查更是困难。就好像破案时各部门无法将线索共享,势必会耽误进展。

因此,七牛云最底层的思考在于,数据一定要汇聚。七牛云成立于2011年,十年间,公司最重要的资产要数其建立了统一的异构数据湖,这也是Pandora得以施展拳脚的基础。


异构数据湖正发挥价值

从公司整体来看,七牛云的主营业务包括Media PaaS与Data PaaS等,所有数据会汇聚到脱胎于集合结构化、非结构化、半结构化数据的异构数据湖中。

Pandora是机器数据分析平台,负责分析任何机器或者系统所产生的数据,比如服务器、传感器、各种应用、网络设备等产生的数据。

Pandora有三大优势。首先,Pandora能够实现计算与存储的完全解耦,资源应需而变。

第二,Pandora原生支持schema on read的能力。支持采集时、索引时、搜索时三种解析方式。搜索时解析带来了极其简便的数据接入体验。

同时,Pandora使用SPL语言进行数据分析(SPL,机器数据分析的标准语言,SPL=SQL+Unix Pipeline)。SPL语言具备统一检索、分析、可视化和告警等需求的能力,支持对原始数据直接进行处理,且专为时序数据优化。

Pandora的三大优势完美地解决了复杂数据的高效智能分析问题,也与PISA结合,为智能运维的颠覆性创新带来了答案。上文所说的主动发现、数据打通,其实就是异构数据的累积与异构数据的分析能力相结合的结果。


工业互联网时代,智能运维爆发新火花

2020年8月24日,在全球因疫情影响全面线上办公的时候,Zoom停服3小时。在对用户带来不便的同时,也使其蒸蒸日上的势头遭受质疑。对于互联网和科技公司来说,服务的稳定性意味着业务本身,其重要性不言而喻。

如今,除互联网本身外,IT技术及智能技术走进了深水区。在工业及制造业,运维正发挥着前所未有的效力。预测性维护、故障预诊、远程智能运维、工业数据分析……,这些相对成熟的功能已经在工厂、电力系统、轨道系统等领域先后应用。

在这些行业,各种机器及系统时刻都在产生数据,「有数据,缺算法」是行业常态。因此,如何采集及分析机器数据,是七牛云等公司制胜智能运维的关键。从这个角度看,今日发布的PISA与Pandora结合,可谓是七牛云搅动行业浪花的一个举动。

相关文章
|
9天前
|
机器学习/深度学习 人工智能 运维
智能化运维####
本文深入探讨了智能化运维的前沿趋势与实践,通过融合大数据、人工智能等先进技术,重塑传统IT运维模式。我们分析了智能化运维的核心价值,包括提升效率、减少故障响应时间及增强系统稳定性,并通过具体案例展示了其在现代企业中的应用成效。对于追求高效、智能运维管理的组织而言,本文提供了宝贵的洞见和策略指导。 ####
|
11天前
|
机器学习/深度学习 数据采集 人工智能
智能化运维在现代IT基础设施中的应用与价值####
本文探讨了智能化运维(AIOps)在现代IT基础设施管理中的实际应用、面临的挑战及其带来的深远影响。通过引入先进的算法和机器学习模型,智能化运维不仅提高了故障检测与响应的速度,还显著优化了资源配置,降低了运营成本,为企业数字化转型提供了强有力的技术支撑。 ####
|
9天前
|
机器学习/深度学习 人工智能 运维
智能运维在现代IT系统中的应用与挑战####
本文深入探讨了智能运维(AIOps)在现代IT系统中的关键作用,通过具体案例分析,揭示了其在提升系统稳定性、优化资源配置及自动化故障处理方面的显著优势。同时,文章也指出了实施智能运维过程中面临的数据安全、技术整合及人员技能转型等挑战,并提出了相应的解决策略,为读者提供了全面而深刻的见解。 ####
35 6
|
11天前
|
机器学习/深度学习 运维 监控
智能化运维:从被动响应到主动预防的转型之路####
本文深入探讨了智能化运维(AIOps)如何引领信息技术管理从传统的被动响应模式向主动预防机制转变,强调了大数据、人工智能算法与机器学习技术在提升系统稳定性和效率中的关键作用。通过分析智能化运维的核心价值、实施策略及面临的挑战,本文为读者揭示了一个更加智能、高效且灵活的IT运维未来蓝图。 ####
|
9天前
|
人工智能 运维 监控
智能运维在现代数据中心的应用与挑战
随着云计算和大数据技术的迅猛发展,现代数据中心的运维管理面临着前所未有的挑战。本文探讨了智能运维技术在数据中心中的应用,包括自动化监控、故障预测与诊断、资源优化等方面,并分析了当前面临的主要挑战,如数据安全、系统集成复杂性等。通过实际案例分析,展示了智能运维如何帮助数据中心提高效率、降低成本,并提出了未来发展趋势和建议。
|
9天前
|
机器学习/深度学习 数据采集 人工智能
运维新纪元:AIOps引领智能运维变革####
本文探讨了人工智能与运维管理深度融合的前沿趋势——AIOps(Artificial Intelligence for Operations),它通过机器学习、大数据分析等技术手段,为现代IT运维体系带来前所未有的智能化升级。不同于传统依赖人力的运维模式,AIOps能够实现故障预测、自动化修复、性能优化等功能,大幅提升系统稳定性和运营效率。文章将深入分析AIOps的核心价值、关键技术组件、实施路径以及面临的挑战,旨在为读者揭示这一新兴领域如何重塑运维行业的未来。 ####
|
14天前
|
机器学习/深度学习 人工智能 运维
智能化运维:从被动响应到主动预防####
【10月更文挑战第29天】 本文探讨智能化运维(AIOps)如何通过融合大数据、机器学习与自动化技术,推动IT运维管理从传统的被动响应模式向主动预防机制转变。不同于传统摘要概述全文内容的方式,本文摘要旨在直接揭示智能化运维的核心价值——利用智能算法预测潜在故障,减少系统停机时间,提升运维效率与服务质量,同时强调其在现代企业IT架构中的关键作用。 ####
47 9
|
8天前
|
机器学习/深度学习 数据采集 人工智能
智能运维:从自动化到AIOps的演进与实践####
本文探讨了智能运维(AIOps)的兴起背景、核心组件及其在现代IT运维中的应用。通过对比传统运维模式,阐述了AIOps如何利用机器学习、大数据分析等技术,实现故障预测、根因分析、自动化修复等功能,从而提升系统稳定性和运维效率。文章还深入分析了实施AIOps面临的挑战与解决方案,并展望了其未来发展趋势。 ####
|
14天前
|
机器学习/深度学习 人工智能 运维
智能化运维:从传统到AIOps的转型之路####
本文探讨了智能化运维(AIOps)的兴起背景、核心价值及其对现代IT运维模式的深刻影响。通过分析传统运维面临的挑战,阐述了AIOps如何利用大数据、机器学习技术实现故障预测、自动化处理与决策支持,进而提升运维效率和服务质量。文章还概述了实施AIOps的关键步骤与面临的主要挑战,为组织向智能化运维转型提供参考路径。 ####
|
12天前
|
机器学习/深度学习 运维 监控
智能运维在现代IT架构中的转型之路####
【10月更文挑战第29天】 本文旨在探讨智能运维(AIOps)如何成为现代IT架构不可或缺的一部分,通过分析其核心价值、关键技术及实践案例,揭示AIOps在提升系统稳定性、优化资源配置及加速故障响应中的关键作用。不同于传统运维模式的被动响应,智能运维强调预测性维护与自动化处理,为企业数字化转型提供强有力的技术支撑。 ####
46 0