当企业想要部署智能运维系统的时候，常常最疑惑的是：以企业现在的IT系统/数据中心情况，应该从哪里入手，怎么做才可以人力物力的投入未来三五年持续产生应有的价值？首先能想到的方法，是上网研究一下智能运维如何建设，找相关的厂商来交流。不过因为不同的厂商，都会根据自己的优势宣传侧重点，跟着走容易跑偏。最近，我们在对多家客户调研的基础上总结了常遇到的六大困惑和锦囊妙计。这篇是锦囊一“智能运维=机器学习算法？

近期，复旦大学计算机科学技术学院教授王鹏在深圳某会的AIOps最佳实践及解决方案专场，讲述了他作为时序数据算法专家对智能运维算法场景的理解。“智能运维在国内发展已经是如火如荼，甚至出现过度炒作的现象（如宣称拥有完整的解决方案、通用的大而全的算法），但是在场景落地能力方面目前仍然十分欠缺。实际上，智能运维的落地，除了需要考虑算法的设计能力之外，还应该考虑对运维场景的理解能力，以及平台的工程化能力。算

公司更新了2020.11的《智能运维建设手册》。从建设路径到实际产品架构均有讲述。下载地址：https://download.csdn.net/download/dazuibar/13582518#智能运维# #AIOps# #IT集中监控#

越来越汹涌的数字化转型大潮袭来，让企业集中管理各种数据、加强IT运维能力变得更加重要起来。过去的10来年，很多企业建设了公有云和私有云服务器，部署了各种监控软件、CMDB系统，但在迈向智能化运维的路上，大多还在边建设边摸索的阶段。最近，我们针对百余家不同行业的企业运维管理者做了相关调研（其中部分数据来源于双态IT联盟的调研成果），就智能运维的展开路径情况做了细部征询，得出了一些实用结论。按照企业规

作者：擎创科技产品总监 Daniel本文是节选，如感兴趣可留言一起探讨。（ 我们在确定一个产品的思路和方向时，经常面临截然不同的选择。如同此文探讨的集中告警平台是否应跟集中监控平台紧绑定或松融合，具体的实战案例或许也提供一些方向。作为吃瓜群众，本博主从来支持各自发展、偶尔连接，做灵活性大的产品。且看银行客户怎么做的）

企业需要先建设DevOps吗？看起来DevOps和AIOps之间并无冲突。一个注重于将已有的运维事务标准化（做得好也不容易）；一个注重于决策选择。有标准化后的数据最好，没有也可以利用现有系统的日志、指标等来进行分析。如果企业还没有进行DevOps的建设，那可以从运维场景智能化先入手。如果企业已经有完善的DevOps，则可以在其建设中融入智能化的处理能力#老杨说运维#...

新一代全行运维一体化平台——“启明”，总体分为两个阶段建设，第一阶段：“建平台，夯实底座”，以一体化平台基础能力为核心建设内容，完成统一采控、数据治理、企业级CMDB、自动化等模块建设，并实现多云环境、信创环境适配，在场景侧优先建设统一监控、应急处置等重点应用。第二阶段：“搭场景，运营生态”，在第一阶段基础上，重点建设技术变更、灾备切换等场景，探索告警智能收敛、根因推荐等智能化应用。

风险预警场景主要面向业务系统，以风险管控为主要视角，通过风险指标、健康度风险模型、风险识别矩阵三大模块构建而成

在展会上遇到很多企业，对智能运维感兴趣，但往往一想到自己企业的IT情况，又不太敢深入研究。有些是觉得以后企业大部分系统上云了，自有云服务商来进行保障；也有些觉得自己的IT运维数据还不完善、成熟度不高，一时不敢考虑。从智能运维的建设节点来看，无论在数据处理能力维度和数据类别维度，都有各自交叉点可以做的事情。比如：只有小规模服务器数量、上面的应用也不多，那么不妨先建设监控和告警工具。等初步的系统有了之

详细介绍了如何使用LM Studio和Anything LLM工具来构建和部署本地知识库。文中首先解释了安装和配置大模型的步骤，随后展示了如何将模型部署为后台服务，并通过API进行调用。此外，文章还涉及了如何使用这些工具快速构建知识库应用，包括知识库的配置和问答系统的设置。整个过程强调了无需深厚编程知识即可实现快速部署和使用，适合业务专家和产品设计人员使用。