尝试用数字化的理解说一下运维。
首先是要将硬件都数字化，也就是机器的配置，IP，网络配置都要记录到 CMDB 中，但是实现了准确记录也只是信息化，因为最多是信息，没有做到辅助决策，如果查看机器时可以提供硬件更新提醒，例如硬盘使用生命周期快到了，并且有 20%损坏的概率，提示做备份或者更换，同时支持成本对比，那么对于设备管理员来说，就是一个有理有据的决策依据。
好的，继续聊现在流行实时报警，这个确实厉害，但是只是起到一个提醒作用，辅助决策的比重不大。难点在于数据量大和实时性之间的矛盾，但是在用户看到真实报警后往往是懵逼的，因为现在系统太复杂，提示信息往往只是原始错误的信息，很难马上判断出来根本原因以及解决方案，这个我太有感觉了，以往安装 pip 包的时候，总是各种错误，上网查找要么赌对遇到一模一样的错误，要么就是找灵感，试图从相似的错误中找到可用的解决方案，但概率不高，后来用了 GPT 效率才大幅提升，本质上 GPT 分析了错误信息，并给出了他知道的最有效的解决方案，也就是帮我做了决策，这个才是有用的。
回头继续说实时报警，理想的数字化是给出报警的可能原因（最好是准确的原因）以及有效的应对措施这才是数字化的目标，仅仅提示并不是，不论他有多快。
还有一个指标体系，本质上指标是对事物衡量的简化方式（没办法事物的维度太多，只能简化）。最重要的是指标是手段不是目的，追求指标体系是错误的，追求的应该是对事物的把握程度。那么问题来了，什么是追求的目标？
如果我现在追求系统稳定，那么性能指标就需要一大堆，用来刻画我监控的对象的性能状态。如果追求应用错误的发现速度（尤其是测试中的应用），那么错误日志以及告警速度就是关键指标。如果追求伸缩性好，那么最高最低的性能指标就是我要采集的数据，如此类推，追求什么，就采集什么，然后判断是否能够满足对目标的刻画，如果不足，就再采集。
网友评论