IT运维管理当前面临了哪些问题？
发布网友
共2个回答
热心网友
当前，随着企业数字业务的快速发展和业务量的攀升，企业信息系统架构的升级变迁，以及企业多套业务系统的在线运营，各类监控组件和应用系统间的关系错综复杂，系统运维的难度也急剧增加，且面临着巨大挑战。
在传统运维方式下，数据规模大且离散，数据治理和全面分析能力薄弱且依赖于经验和规则，运维十分被动，解决问题效率非常低下，运维的实用性大打折扣，难以满足当前主动运营的要求。
具体来说有以下几点：
发现问题难：企业在经年累月中布局了诸多监控工具，但是监控手段阈值的设定单一，且一般都是静态阈值，而指标和告警的异常却是多样化的，这样就会造成大量的误报漏报现象。此外，目前绝大多数的监控工具，缺乏趋势预测能力，使得运维局面非常被动，导致发现问题十分困难。
根因定位难：发现问题时一般都是对问题进行定性分析，可能了解到某一告警对应的指标波动是值得关注的，但是并不能因此确定造成这种现象具体根因。而且目前的监控工具，大多缺乏综合根因定界及定位分析的手段，即便对监控进行了集中管理，也难以通过单纯的几种指标进行根因定位。
数据治理难：当数字化建设进行到一定程度的时候，被管理对象的数据量相应的也是水涨船高，数据数量大、类别多且非常分散，很难通过某一指标体系来衡量系统的健康度，也没有一个统一的视角去判断数据质量的好坏优劣。
运营分析难：现有的大多数基础监控工具，多数都是从自己的管理阈例如系统管理、网络管理出发看待问题，缺乏端到端的分析能力，没办法以业务视角从综合运营分析的角度，去看待多样化指标对系统的影响。
而智能运维是一种全新的数字化运维能力，也将是数字化转型的必备能力。智能运维相对于传统运维模式而言，能够在运维数据治理、业务数字化风险、运维人力成本和业务侧影响力四个方面有本质的效能提升。
智能运维相对于传统运维模式而言，能够在四个方面有本质的效能提升：
运维数据治理。通过高性能实时处理的数据平台广泛采集、处理和分析数字化业务运行过程中的多样化运维数据，包括告警、指标、日志、配置以及运维工单等类别，不仅提升了运维大数据的治理能力，优化了数据质量，而且为进一步激活运维数据的价值打下了良好基础；
业务数字化风险。使运维人员不仅提升了历史运维数据的分析能力并且能够对实时数据进行异常检测和问题预判，有效降低数字化业务的运行风险，提升可用性、稳定性；
运维人力成本。使真正意义上的跨域根因定位成为可能，降低对专业运维人员经验技能的依赖，迅速缩短故障排查时间并有效降低人力成本；
业务侧影响力。以业务视角利用多元化数据提高运营分析和决策能力，比如端到端的分析业务交易状态，提供给业务、客服部门及时反馈和决策支持依据，充分增强业务影响力；
智能运维发展正如火如荼，Gartner预见其为下一代运维，认为到2022年将有近50%的企业用户部署智能运维。虽然目前不少企业已经在积极投入建设，也还有一些企业处在迷茫阶段，对这种趋势不太清晰，借用著名作家威廉吉布森的话，“未来已来，只是分布不均。”
热心网友
日常IT运维管理面临诸多难题，具体体现在以下多个方面：
网络设备
在企业IT基础设施的搭建过程中，底层的网络设备厂商和类型多样且复杂。随之而来的问题是：如何将不同厂商的网络和应用管理产品在界面级、消息
级和数据级集成起来实现统一管理？如何让IT管理员了解到整个网络全局的运行情况、发展趋势和可能存在的故障隐患点，以便及时采取相应措施，实现事前管
理。
拿曾经碰到过的一个典型客户来说，它的网络中有11种厂商的路由交换设备，还有存储设备，安全设备，UPS等。同时还拥有：小型机，服务器等，上层的业务系统有OA和CRM等。这样大而复杂的一个网络环境，该怎么管呢？
科学的运维管理思路告诉我们，首先需要解决的是对IT基础设施的管理，管理范围要能覆盖到机房所有硬件设备。这一点是前提和基础。其次，才是对各种应用系统做到很好的监控。最后，才能为业务系统提供足够的保障。
网络流量
在绝大多数的企业网络中，存在不同程度的网络延迟，造成重要业务和应用时断时续，这直接成为企业业务的杀手。另外，网络的带宽也是企业关心的重
点。比如，哪个时间段很拥挤，哪个时间段很空闲，有没有规律，怎么样去调查拥塞的原因，网络带宽都是被谁占用了，是被哪些客户端、哪些应用或者异常应用所
占用了。这些都是摆在每一个企业运维管理领域中很实际的问题
