前言
????????數(shù)字化轉(zhuǎn)型大潮中傻铣，常常說到DevOps，但是其并不是數(shù)字化轉(zhuǎn)型所特有的祥绞。從一個高度及敏捷的研發(fā)團隊的角度非洲，其是必要的技術(shù)組成部分，甚至不在于是否用不用敏捷蜕径。并隨著大數(shù)據(jù)的特有應用两踏，衍生出DataOps；同時由于互聯(lián)網(wǎng)相關(guān)應用等的大規(guī)模分布式的使用兜喻，及虛擬化梦染、容器化等等的海量集群的應用，AIOps也被冠名了。
小運維與大運維
a. 統(tǒng)一及集中的部門和團隊的成立帕识，就是為了提供集中/一致/協(xié)同的管理支持泛粹，提高專業(yè)化水平。
b. 但是其不能永遠站在后面肮疗，被動的接受服務(wù)請求晶姊。
c. 其專業(yè)性和資源集中性要滲透到立項，開發(fā)伪货，運維等的全生命周期中们衙，協(xié)同應用及系統(tǒng)建設(shè)和后續(xù)工作。
d. 不管是自己內(nèi)部資源碱呼，還是外部資源蒙挑，第三方服務(wù)及產(chǎn)品，團隊應是組織與基礎(chǔ)設(shè)施及平臺服務(wù)的唯一對接中心愚臀。
沒有邊界的高價值存在
a. 應用和系統(tǒng)永遠是建設(shè)在基礎(chǔ)設(shè)施及平臺服務(wù)之上的忆蚀。
b. 從立項開始，到設(shè)計及實施懊悯，一定要考慮資源的現(xiàn)狀蜓谋，人員的能力梦皮，及日后運維的全部依賴因素炭分。
c. 一個高效，全面剑肯，全棧捧毛，敏捷，專家/有經(jīng)驗的軟硬件資源平臺让网，管理平臺呀忧，工具箱，運維包溃睹，以及相關(guān)規(guī)范手冊終將節(jié)省大量的人財物時間而账，為企業(yè)數(shù)字化轉(zhuǎn)型提供最有力的支持。
d. 如何充分利用已有資源和職能范圍因篇，提升價值/創(chuàng)造價值/改造價值泞辐，尤為重要。
PreDev ? Dev ? Data ? AI Ops
a. 新傳統(tǒng)應用及系統(tǒng)開發(fā)的IT技術(shù)日新月異竞滓，同時開源化和輕量級等的使用咐吼，增加IT運維的壓力。
b. DevOps要求的自動化/工具化/敏捷化還沒有全部實現(xiàn)商佑，企業(yè)數(shù)字化轉(zhuǎn)型有提出更高的要求锯茄。
c. 大數(shù)據(jù)和數(shù)據(jù)智能的幾何級數(shù)的增長，更需要用工具代替人，用全新的思維和方法醍醐灌頂肌幽。
d. 更大挑戰(zhàn)和要求還在AI晚碾，通過算法替代固定的模式和流程，從而上升到更高層次的“自動化”喂急。
從DevOps到DataOps
a. DevOps側(cè)重于：工具迄薄，自動化，開發(fā)及運維團隊煮岁，運維是系統(tǒng)設(shè)計的一部分讥蔽，協(xié)同。
b. DataOps側(cè)重于：數(shù)據(jù)画机，可視化冶伞，可追蹤，專業(yè)工具步氏，數(shù)據(jù)分析工程師响禽。
c. DevOps是與企業(yè)數(shù)字化轉(zhuǎn)型，IT敏捷及迭代開發(fā)等相關(guān)聯(lián)的荚醒。
d. DataOps是與專門數(shù)據(jù)處理相關(guān)的體系芋类。
DevOps
概述
a. 基于過往大型企業(yè)項目，國外航司及IT服務(wù)公司經(jīng)驗界阁，運維是一個技術(shù)活侯繁，需要專業(yè)團隊。
b. 往往是多個角色團隊的協(xié)同泡躯。
c. 并超越單純硬件及網(wǎng)絡(luò)的運維支持贮竟，上升到企業(yè)級及通用的服務(wù)化支持。
“開發(fā)平臺即服務(wù)”與應用/系統(tǒng)開發(fā)團隊協(xié)同
IaaS及PaaS较剃，和Microservice等的出現(xiàn)咕别，要求IT基礎(chǔ)設(shè)施和服務(wù)，一定要能夠支持写穴。
development Platform as a Service （dPaaS）則普遍變?yōu)橐环N潛在IT運維團隊的增值和高價值服務(wù)惰拱，并牽引開發(fā)向規(guī)范化和敏捷化發(fā)展。
后臺作業(yè)可視化啊送，自動化偿短，管理工具化
以LH的Customer Loyalty為例，航司大量的日常工作將集中在后臺作業(yè)及批處理文件的處理上删掀。
在開發(fā)完畢交付的作業(yè)任務(wù)的管理翔冀，不僅僅只是屬于作業(yè)實例的驅(qū)動，更關(guān)鍵是一整套任務(wù)鏈的協(xié)同披泪。
分布式集中日志及運維服務(wù)升值
結(jié)合CO/UA及DL交付經(jīng)驗纤子，一整套集中的日志系統(tǒng)，將會對運維和系統(tǒng)管理提供強有力的支持。
企業(yè)級監(jiān)控框架及平臺
a. 根據(jù)若干航司的案例控硼，人財物時間的投入泽论，將是后續(xù)運維精力優(yōu)化的關(guān)鍵，尤其是管理方面卡乾。
b. 但是必須根據(jù)項目范圍翼悴，系統(tǒng)規(guī)模，以及NFR需求關(guān)注點幔妨，指定針對性的監(jiān)控目標鹦赎，而不是一應俱全的滿足4個層面。
c. 更關(guān)鍵的是某些層面误堡，譬如連通性及系統(tǒng)效能等監(jiān)控屬于統(tǒng)一的職能范圍和管理主體古话。
虛擬化容器化云化運維
a. 根據(jù)航司電商與互聯(lián)網(wǎng)電商的對比，關(guān)鍵IT的差距就是對于虛擬技術(shù)的使用锁施。
b. 通過構(gòu)建標準鏡像陪踩，規(guī)范化第三方軟件應用的使用和技術(shù)要求。
c. 通過容器化的投放悉抵，充分發(fā)揮軟硬件資源肩狂，避免不必要的浪費。
d. 通過腳本化的規(guī)范要求姥饰，協(xié)助開發(fā)團隊在實施中就為未來運維提供基礎(chǔ)傻谁。
參考及實績
DataOps
a. 技術(shù)大數(shù)據(jù)技術(shù)堆棧，和實際操作要求媳否，一整套以數(shù)據(jù)流處理為核心的平臺服務(wù)是必須的栅螟。
b. 在錯綜復雜及海量的開源軟件構(gòu)件的大數(shù)據(jù)IT基礎(chǔ)之上荆秦，找到一組相對穩(wěn)定和兼容的框架軟件集是相當困難的篱竭。
c. 所以盡量采用相對官方的大數(shù)據(jù)平臺明智之舉。
d. 然而在之后的大數(shù)據(jù)開發(fā)過程中步绸，對于軟硬件資源的使用支持將是更嚴峻的工作掺逼。
AIOps
a. 算法的IT運維(Algorithmic IT Operations)，是更深層次的需求瓤介，并且已經(jīng)存在吕喘。
b. ITOA到AIOps，及AIDevOps的轉(zhuǎn)變刑桑。
c. 最優(yōu)實踐留給BAT和JD他們吧氯质。
結(jié)論
????????不管航司航企航旅推行怎樣的新政，只要定位好自己處于那種狀態(tài)（PreDev ? Dev ? Data ? AI Ops）祠斧，則可以逐步融入項目管理和開發(fā)規(guī)范的前提下闻察，逐步制定、摸索、推進相應的Ops工作辕漂。但是對于DataOps呢灶，必須因地制宜，明確是否自己的產(chǎn)品及應用有數(shù)據(jù)類開發(fā)運維的特質(zhì)和真實訴求钉嘹。然而對于AIOps鸯乃，個人認為普遍企業(yè)至少5年是根本沒有應用的可能，即使是比較大型的航司航企跋涣。
