2022中国AIOps现状调查报告

中国AIOps现状调查报告（2022年） 中国AIOps现状调查报告 （2022年） 2022年7月28日 版权声明 本调查报告版权属于云计算开源产业联盟，并受法律保护。转载、摘编或利用其它方式使用本调查报告文字或者观点的，应注明“来源：云计算开源产业联盟”。违反上述声明者，本联盟将追究其相关法律责任。 报告目录 前言3 核心观点摘要6 一、调查背景9 （一）调查方法及样本9 1、调查方法9 2、样本描述9 3、样本说明12 （二）报告术语界定13 二、AIOps发展现状14 （一）AIOps能力建设基本情况14 （二）AIOps场景应用情况29 （三）AIOps发展趋势与挑战37 三、AIOps实践案例40 （一）运营商篇40 （二）银行证券篇49 （三）服务提供商篇63 前言 随着互联网与信息技术的快速发展、企业数字化转型、以及在大数据、云计算、人工智能等新技术的加持下，近年来，智能运维正成为企业高效管控种类繁多数量庞大的物理设备、精准定位故障信息、实时防护网络攻击、快速迭代需求变更等新时代运维场景下不可或缺的科技力量和解决方案。 国务院关于印发《“十四五”数字经济发展规划的通知》中指出，数据的爆发增长为智能化发展带来了新的机遇。加快推动智能化应用建设，促进各环节智能化升级，提升基础设施网络化、智能化、服务化、协同化水平，加快优化智能化产品和服务运营。产业数字化的经营理念在各行业持续渗透，激励着越来越多的企业提升信息化建设的战略地位、增加数字化投入，这也将进一步突出IT运维对于企业管理和业务创新的重要意义。 为进一步了解中国AIOps产业发展现状，梳理中国AIOps产业发展脉络，云计算开源产业联盟开展了2022年度AIOps现状调查。问卷以中国信息通信研究院牵头编制的《智能化运维（AIOps）能力成熟度模型》系列标准为参考，聚焦中国AIOps能力建设成熟度现状，对AIOps产业发展现状、未来AIOps发展趋势、企业当前面临的困难与挑战等情况进行了调查，共收回有效问卷1807份。本报告以调查结果为基础，结合行业专家的深度访谈、研讨，力争详实客观地反映企业对AIOps落地实践的需求，为广大关注AIOps的从业人员、专家学者和研究机构提供真实可信的数据支撑。 本次调查由中国信息通信研究院联合近60家企业共同发起，包括中国工商银行、中国农业银行、建信金科、浦发银行、平安银行、交通银行太平洋信用卡中心、华泰证券、安信证券、深圳证券通信有限公司、中国联通软件研究院、中国移动集团、中国铁塔、腾讯、阿里巴巴集团、阿里云、蚂蚁集团、京东科技、华为云、苏宁消费金融、亚信科技、浪潮云、博睿数据、广通优云、宇信科技、擎创科技、必示科技、浩鲸科技、IBM、BMC中国公司、戴 尔科技集团、爱数、润建股份、北京华佑科技、新炬网络、东软集团、金蝶天燕、云杉网络、华青融天、紫羚云、思特奇、宝兰德、绿盟科技、北京基调网络、西骏数据、鼎茂科技、嘉为科技、普元信息、LinkedSee灵犀、星汉未来、烽火通信、金山云、创新奇智、同创永益、上海叠念、金现代、日志易、云新信息、高效运维社区、dbaplus社群等，各地AIOps实践企业和社会各界也给予了大力支持，在此，谨表示最衷心的感谢！同时也对参与中国AIOps现状调查访问的企业朋友表示最诚挚的谢意！ 云计算开源产业联盟 2022年7月 参与编写单位：中国信息通信研究院、中国工商银行、中国农业银行、建信金科、浦发银行、平安银行、交通银行太平洋信用卡中心、华泰证券、安信证券、深圳证券通信有限公司、中国联通软件研究院、中国移动集团、中国铁塔、腾讯、阿里巴巴集团、阿里云、蚂蚁集团、京东科技、华为云、苏宁消费金融、亚信科技、浪潮云、博睿数据、广通优云、宇信科技、擎创科技、必示科技、浩鲸科技、IBM、BMC中国公司、戴尔科技集团、爱数、润建股份、北京华佑科技、新炬网络、东软集团、金蝶天燕、云杉网络、华青融天、紫羚云、思特奇、宝兰德、绿盟科技、北京基调网络、西骏数据、鼎茂科技、嘉为科技、普元信息、LinkedSee灵犀、星汉未来、烽火通信、金山云、创新奇智、同创永益、上海叠念、金现代、日志易、云新信息、高效运维社区、dbaplus社群。 参与编写人员：杨玲玲、牛晓玲、尚梦宸、白瀚雄、刘凯铃、刘昭炜、任政、耿鹏、马琳、陈俊、金艳、洪磊、周东杰、权宁升、曹家豪、盘隆、董善东、张颖莹、王月凡、张宪波、蔡小刚、顾黄亮、李红霞、张永皋、孙光涛、李骅宸、任志强、葛晓波、曹立、赵成栋、刘渝、李康、胡永乐、陈刚、梁铭图、罗先桥、李飞、包彤、刘玉节、刘亚军、张润滋、徐国忠、何亮亮、何永进、胡忠想、吴伟峰、李庆焐、李启明、董彦广、黄国标。 核心观点摘要 AIOps能力建设基本情况 多数企业近年来在运维方面的资金投入仍处于增长阶段。近4成企业运维方面年平均投资规模超5000万元，投资规模在5000万元-1亿元的企业占比11.24%，1亿元-5亿元的企业占比13.45%。 超半数企业在实现自动化运维、自动化部署的基础上进一步增强监控、运维智能化能力。根据本次调查显示，61.21%的企业选择优先关注和投资DevOps自动化部署，52%的企业选择优先关注和投资升级监控和AIOps。 以结果为导向的IT运维KPI指标是当前企业关注的重点，企业对于用户体验的关注正在持续升温。根据本次调查显示，60.04%的企业最关注“可用性、正常运行时间和性能”指标。用户满意度也获得了44.66%的关注，这反应了企业对于用户体验的持续升温。 智能运维已经在各行业逐步落地应用，特别是在科技、互联网、金融、电信几大领域应用效果十分显著。根据本次调查结果，科技和互联网行业受访者所在企业表示已建立了智能运维平台并形成了相关评价体系分别占比49.64%和37.96%，其次是银行占比28.99%和电信企业占比25.97%。 内外双修，智能运维系统/工具/平台既可用于增强企业自身运维能力，同时也可以对外输出产品能力。根据调查显示，企业的智能运维系统/工具/平台同时具备行业特性，如48.29%的科技公司和43.64%的互联网企业，主要对外提供智能运维产品及解决方案，50.36%的金融企业则更多面向内部使用。 超半数企业以自主研发的方式建设AIOps能力。根据本次调查结果，超过半数（57.83%）的受访者所在团队主要以自研的方式搭建智能运维平台/工具，22.98%的受访者所在团队 采用共研方式搭建智能运维平台/工具，另外还有19.20%的受访者所在团队选择采购第三方解决方案搭建智能运维平台/工具。 多数企业内部组建了专职团队负责AIOps能力建设。根据本次调查结果，25.84%的受访者所在企业组建了专职团队/部门负责智能运维能力建设，此外还有由多个团队/部门联合组建（13.17%），各团队/部门分别建设（13.06%）和联合第三方厂商/外包组建（12.45%）等多种团队模式。 将现有监控平台、大数据平台等多种数据源接入智能运维工具/平台，进行多场景数据融合是当前比较常用的智能运维实践方式。目前近一半(46.21%)的企业采用数据接入方式，同时还有37.85%的企业智能运维工具/平台具备数据采集能力。 持续完善数据能力，搭建计算分析引擎，进行数据分析和模型构建是智能运维能力中不可或缺的一部分。根据本次调查结果统计，目前76.93%的受访者所在企业均已搭建了计算能力引擎，主要以自研（36.86%）和采用第三方提供（40.07%）两种方式为主。 AIOps场景应用情况 AIOps仍处于初期发展阶段，受访者对目前AIOps能力水平的评价与期望超过其所在企业实际应用的情况。从整体来看，30.27%的企业自评目前处于辅助智能化运维阶段，28.61%的企业自评处于进阶智能化运维阶段。 智能运维在质量、成本、效率、安全四大运维领域均已开展部署和应用，其中质量领域最为关注。调查显示，54.79%的企业当前着重关注智能运维的质量领域(包括异常检测、告警收敛、根因分析、故障处置等)能力建设，其次45.77%的企业关注效率领域，45.49%的企业关注成本领域，30.82%的企业关注安全领域。 大部分企业在数据分析和算法模型分析方面已经逐步开始场景探索。并且已有15.61%和11.07%的受访者所在企业将数据分析方法和算法模型应用与大部分业务场景。 通过使用智能运维算法，可快速提升运维智能化、自动化水平，大幅降低故障平均检测时间，加速平均修复时长。通过调查发现，目前已经有11.95%的企业核心系统故障服务恢复时长可以达到10分钟内的水平，11.23%的企业已经达到15分钟内完成系统故障恢复。 AIOps发展趋势与挑战 多数企业领导层已经对智能运维能力建设加以重视并付诸行动，但在智能运维的建设过程中仍有诸多困难与挑战。根据调查统计，目前遇到的困难和挑战主要在不同运维场景中的实践探索中产生的，比如“能力定制化，难以跨业务应用或泛化成本高”（35.81%），“场景有限，大量运维场景没有成熟的方案”（33.98%），“新场景建设周期长”（30.71%）。 需求驱动能力升级，除普遍关注的质量场景，安全场景成为更多企业未来关注和提升的方向。根据本次调查结果，质量场景仍然是主要提升方向。36.75%的企业在未来将提升故障的根因定位效率，32.82%的企业将会提升故障修复速度，31.82%的企业将完善故障预测能力以及23.52%的企业将会建立故障处理流程规范。安全场景得到更多的关注，40.79%的企业将加强对安全事件的快速响应以及相应的防范措施的建设。 未来趋势：加强人员与技术方面投入，持续探索智能运维场景，持续优化现有场景能力，提升稳定性，易用性。47.76%的企业将在目前已有的智能运维场景中继续优化改进，提升效果。44.71%的企业将在易用性、可用性、稳定性等方面持续改进。 一、调查背景 （一）调查方法及样本 1、调查方法 本次调查报告采用在线问卷调查方式，共收集到有效问卷1807份。 2、样本描述 参与调查企业所在行业：包括互联网、科技、电信、银行、能源、证券、教育、咨询与服务、零售等行业。 数据来源：中国信息通信研究院 图1行业分布 参与调查企业规模：人员规模在500人以上的企业占比接近六成。近四成的受访企业资 产规模在1亿元以上。 数据来源：中国信息通信研究院 图2企业人员规模 数据来源：中国信息通信研究院 图3企业资产规模 参与调查人员地域分布：覆盖全国31个省级行政区近90个城市。 数据来源：中国信息通信研究院 图4个人地域分布 参与调查个人职位：超过5成的受访者来自运维与研发部门，其中28.33%的受访者来自运维部门，28.22%的受访者来自研发部门，12.68%的受访者来自技术及架构相关部门。 数据来源：中国信息通信研究院 图5个人职业分布 参与调查个人工作经验：超过半数的受访者工作经验在4年以上，工作经验为6至10 数据来源：中国信息通信研究院 图6个人工作经验 3、样本说明 1 N=1807 样本总量 序号N值说明 年的受访者居多，5.31%的受访者工作经验超过20年。 （二）报告术语界定 智能运维概念：智能运维（AIOps）是将大数据，AI机器学习和其他技术相结合，通过主动，个性化和动态的洞察力，用以增强和辅助主要的IT运维工作，是企业级DevOps在运维（技术运营）侧的高阶实现。 智能运维系统/工具：具备数据处理、智能计算能力，采用智能化方法解决某种运维场景问题（如质量域下的异常检测场景等，成本域的资源优化场景等）。 智能运维平台：具备数据处理、智能计算能力并且能力已覆盖了多个传统运维领域（质量、成本、效率、安全）场景的智能运维系统/工具。 二、AIOps发展现状 （一）AIOps能力建设基本情况 在当前数字化转型的浪潮下，企业IT运维方面的投资规模将逐步增加，IT运维的关注方向也将逐步从自动化运