现下，AI技术已经步入大规模应用的阶段。企业内外部系统叠加AI buff，效果往往超乎想象。在IT运维领域，AI的应用也逐步走进企业的视野，AIOps应运而生。AIOps（Artificial Intelligence for IT Operations），最早由Gartner在2017年提出，即人工智能运维，简单解释就是将人工智能技术运用于IT运维工作流程，实现自动化运维、减少故障率和降低运维成本等。
作为与系统稳定和客户体验密不可分的环节，运维工作在汇付向来备受重视。汇付已落成NOC（Network Operations Center）网络运营中心，并建立了一套完整的监控、告警、应急与预案的故障管理体系，保障系统稳定运行。
但如何让故障定位更快速？如何准确判断故障的等级和影响半径？如何迅速关联到演练预案，从而及时处置故障？种种问题仍然困扰着运维和开发人员，也意味着系统仍有优化的空间。在现有运维系统之上，汇付加入了图算法、时序算法、Dify大模型、ChatGPT、RAG（检索增强生成）等AI算法和大模型，打造了一个更高效和自动化的智能运维系统——AIOps平台。
●“智能化”故障诊断，排障快人一步
传统运维流程下，当遇到联调测试不通、系统故障时，通常需获取关联数据、整合信息，并由业务、开发、系统等多个团队的专家协同进行故障定位，效率与精度有赖于个人经验、团队配合度等因素。AIOps平台帮助运维人员穿越繁杂的告警信息“迷雾”，快速检测和智能定位故障，并进行根因分析，既减少了经验判断可能存在的误差，也节省了部分运维人力和时间成本，让故障诊断更快速、更精准。AIOps平台现已实现故障诊断5分钟完成，提升诊断效率约100%，并覆盖应用关联故障定位、资源节点故障定位等12个场景。
●提升可观测性，实现全流程“可视化”
可观测性（Observability），是IT运维领域炽手可热的概念之一，指系统或应用程序的运行状态、性能指标、日志信息等能否被监控、收集和分析。可观测性也是衡量IT运维能力的一把“尺”。AIOps平台在提升可观测性方面大有建树，且落地场景丰富，可实现全流程“可视化”。在架构迁移的场景下，支持观测网关机群迁移的情况，避免产生误操作；为提升应用程序的可用性、可扩展性和安全性，对应用程序进行拆分和多集群部署是“常规操作”。在此场景下，支持实时确认部署状态，快速规划和调整集群分配，以实现资源优化配置、故障快速恢复和系统稳定；在数据监控场景下，通过对任务状态监测和数据链路追踪，能够快速定位出错任务并及时恢复。
●故障注入，构建强大的“免疫系统”
作为一种应用测试方式，故障注入（Fault Injection, FI）如同接种“疫苗”，主动向系统或应用程序注入各类故障，模拟和复现故障场景，从而提前发现潜在风险、评估系统可靠性，增强系统“免疫力”。AIOps平台支持12类、50余种故障类型的定时注入，提供分组、分区、按应用、按百分比等多种演练方式，通过故障注入与故障诊断的“对抗演练”，逐步增强系统的抗风险能力。同时，常规化的故障注入也将训练AIOps大模型，让模型更强大，更精准地识别风险，反哺业务和系统的稳定性，助力业务应急恢复更快速。
●AI交互，智能运维助手上线
以往，当业务开发想了解系统和业务配置、查询实时状态等信息时，需要对接相应的系统负责人，耗时费力。现在，AIOps平台为所有用户打造了一个“得力”的AI运维助手，检索关键词即可快速查询和定位所需信息，让运维和开发工作事半功倍。随着大语言模型等AI技术应用的不断深入，运维助手也将增强AI交互，在不久的将来，通过动态聊天和对话，用户就能轻松获取问题诊断以及知识库问题的答案。
AIOps平台初版现已上线运行一段时间，也上交了一份高分“答卷”。期间，平台完成了3次事件快速诊断，避免严重故障的发生；32次告警事件诊断，快速及时确认告警影响范围；200次应急故障演练，验证和确保系统稳定性；同时，提升故障演练操作效率达90%。AIOps平台的上线为多个团队的日常工作提效，如帮助NOC团队快速诊断故障、为运维团队集群及容量规划提供参考、辅助业务开发团队识别风险和协助开发。AIOps平台更为系统和交易的稳定性“加码”，助力客户体验升级。
汇付始终直面AI技术带来的变革浪潮，并已在运营管理、客户服务、解决方案创新等领域试水AI应用，AIOps平台则将汇付的系统稳定性和IT运维能力推向了next level。未来，AIOps平台将持续完善和迭代，深度融合AI技术，强化与业务场景的连接，创造更大的价值。