那位IT工程师， 你也可以摆地摊走起

摆地摊，如同时下的天气迅速火爆升温，看着一条条撩人的消息推送，“城管打电话喊小贩摆摊营业”、“五菱推出地摊神车”…正在机房捯饬机器的帅哥备受鼓舞，创业风口已来，是时候搞起副业，走上人生巅峰了。

且慢，作为一个成熟稳重的 会（she）人(chu)，咱们IT的主业肯定荒废不得，得先捋捋。

近年，全球大型数据中心数量以3.6％的复合年增长率增长，数据中心服务器规模甚至达到10万级。这不仅给企业增加运维成本，也让运维工程师产生一堆问 ：如何及时发现异常设备？异常原因是什么？故障是否能自愈？是否能预测故障？如何决策？

面对加不完的班和996福 ，哪还有什么时间出摊？别急，这里有解放“人肉运维”的浪潮“智能运维”了解一下先。

服务器智能运维，目标是通过对带外信息（配置信息、状态信息、性能信息、日志等）和带内信息（配置参数、性能信息、日志信息）进行采集，通过机器学习的方式来解决运维问题，提高系统预警能力和稳定性，降低运维成本，提高运维效率。Gartner预测，2020年智能运维采用率将高达50%。

1、绝不放过任何问题！

在服务器运维中，异常检测是根本，常见的有三大监控数据：状态指标、性能指标和日志数据，状态指标一般误 率较少，而传统性能指标的设置阈值，常常某一时刻产生噪点数据而产生误 ；对于周期性变化的数据又无法进行动态调整，也常常产生误 ，大大降低了告警的准确性。日志一般是半结构化数据，根据日志级别产生告警，其准确性极差，并且只能检测到已知和确定模式的异常。

浪潮服务器智能运维采用无阈值告警，无需人为设置阈值，通过对时序数据进行去噪、升维、方差等处理后，经过神经 络、LSTM、随机森林等算法进行动态的学习，达到对监控的性能指标，自动、实时、准确的识别出异常数据。对于日志的处理，通过对单条日志的语义识别和日志文件的时序识别方式，经过自然语言、专家系统、神经 络、深度学习等算法进行训练或者维护，从而不断完善，达到日志异常的准确检测。

2、自动搞定故障，不需动手

智能故障诊断是建立在异常检测之上，有了准确的异常检测，通过综合各个异常指标进行数据的融合、过滤、权重等处理，使用神经 络、SVM、随机森林等智能算法，寻找问题根因，给出问题解决方案，使得运维工程师能够分钟级解决问题。

智能故障预测是对设备某一部件的性能数据和状态的动态检测，对原始数据进行数据挖掘，寻找特征数据建立数学模型，使用神经 络、SVM等智能算法进行在线/离线训练，形成预测模型。在部件发生故障前，感知故障，从而避免业务宕机，提高系统稳定性。

智能故障自愈是指故障确认后或者预测到故障时，无需人为干预，能够通过重启、配置或者一定的流程，使得系统能够恢复正常。故障自愈，需要维护一定的规则或者对故障进行标记，经过神经 络、SVM等算法进行训练，形成自愈模型，实现系统的故障自愈。

3、给你成熟的小建议

浪潮服务器智能运维工具可对服务器的性能数据进行预测，经过ARIMA、最小二乘法、指数平滑、LSTM等智能算法，能够感知系统在未来几个小时、几天或者一年的数据的走势、增长量或者周期性变化等，不仅为人工预测或者智能决策提供基础数据，还能够为业务系统提供优化建议。

浪潮服务器智能决策是建立在异常检测、故障诊断、故障预测、性能预测等之上，通过建立数据模型，经过神经 络、深度学习、专家系统等智能算法的不断学习，形成决策模型，无需人为干预，对服务器的配置参数进行智能调整，版本基线的升级/回退等决策，从而达到系统性能最优、异常最少、功耗最低等效果。

例如监控服务器运行的性能，在业务少的时候，可以将服务器功耗降低，在集群方式下，甚至可以进行服务器关机操作，在业务量大的时候，将服务器性能调整至最优等智能决策。在整机柜/机房中，功耗的管理，当服务器都处于满载时，服务器的功耗是否超越了整个机房或者机柜的最大功耗，超越之后如何进行智能决策等。

4、做你的靠谱小秘书

智能推荐是对平台大量数据的统计、计算、分析和挖掘等处理，建立数据模型，通过神经 络、深度学习、最小二乘法、SVM等智能算法，建立推荐模型，实现对整个数据中心进行分析和预测，来指导客户决策服务器下架、备件量、扩容量、缩容量、采购厂商等。例如某一型 服务器的故障率过高，维护费用相应增高，建议下架，又由于业务的增长，需要采购新的服务器，通过智能算法评估采购量，进行推荐。

目前，浪潮依托自身技术优势，已自主研发了一系列自动化、智能化服务器管理软件集，从服务器上架、配置、部署、监控、故障分析等实现了全生命周期运维管理。其中ISPIM（浪潮物理基础设施管理平台）突破了大规模基础设施智能管理平台的分布式 格架构、高性能数据采集框架及智能分析系统、无状态管理技术，实现大规模服务器全生命周期的智能管理。

现在，业余时间有了，至于卖什么就不用小编多说了吧。毕竟，我的摊位就要被占了。