Preface 前言

我国著名的科幻小说《三体》中有一个来自理工男作者极为天才、大胆且具有颠覆性的设想，叫作“降维攻击”。

我们可以通过学习这种思维方式来对今天的运维成本中心予以升维定位。可以认为，未来的运维中心将会成为企业的基础资源管理中心、基础能力中心和基础创新中心。

之所以有这样的定位，是因为未来企业的所有数据资源都将集中在业务数据平台和基础数据平台这两大核心平台之上，企业所有的能力、所有的创新，都需要这两大平台的支撑。而这样的升维定位也为企业运维数据资产化和运维数字化转型明确了方向。

有了这样的定位，读者就会明白未来的AIOps一定是平台化的，是具有科学方法论的，更是在全局基础数据资源统一管理基础上的创新和发展。这其实与近期提出的DataOps概念异曲同工。同时，读者也就一定能够理解本书所定义的AIOps与目前业界各运维工具类厂商所定义的根本不同。工具类的运维软件厂商会就某些业务场景开展数据分析，而这其实是算法IT运维(Algorithmic IT Operations)的范畴，AIOps应该具有体系化的理论依据与平台化的整体构思。

只有平台才能发挥数据整合的威力与能量，而数据的整合当然需要治理先行。在传统业务数据平台领域有太多由于没有开展数据治理而造成种种问题的前车之鉴，而这些教训值得运维数据平台的建设者借鉴。

然而，在构思运维数据治理体系的时候我们也曾经有很多困惑。传统的比较成熟的数据治理方法或最佳实践在运维领域很难照搬套用。比如，运维数据领域无法直接从结构化数据库中获取全量元数据，因为在套用业务数据治理理论时总是有很多不同之处。一直到我们提出了广义元数据管理、广义数据标准和广义数据模型后这些问题才迎刃而解。由此顺藤摸瓜，我们总结出运维数据治理的差异化需求和特点。这是我写这本书过程中的最大收获。所以，本书提出了业界第一版的运维概念模型，也分析出数据湖技术更为符合运维数据平台的特点和需求。

本书力求通过创新的思考帮助用户厘清思路，发现问题，确立方向，找到那条数字化转型可行的路。在书中有三大预言，我们希望与读者一起去见证未来。

本书最后一章对工业运维略作延展，因为今天方兴未艾的智能制造、工业4.0同样也需要智能工业运维的保驾护航。工业运维与IT运维具有明显的差异性，所以书中对包括数字孪生技术和时空数据技术在内的物理融合模型做了介绍和说明。我们认为，工业运维不是简单地搭建一个云平台，通过数据接口接通很多生产线的实时物联网数据，然后开展若干统计与可视化，这样的过程还不足以称为工业运维。智慧的工业运维需要在数据融合的基础上通过治理实现数据资源体系化的梳理，然后结合实际环境、具体业务场景和业务需求开展AI分析并支撑快速决策。

我们认为，工业运维可以借鉴AIOps的理论与方法，结合工业运维需求予以分析和开展。今天信息技术（Information Technology, IT）、通信技术（Communication Technology,CT）和运营技术（Operational Technology, OT）的融合已经没有技术障碍，这为在工业运维领域通过AI技术实现自动化和智能化奠定了坚实的技术基础。相信在不远的将来，智能工业运维一定会蓬勃发展。

最后，感谢在本书的完成过程中给予指导和建议的所有朋友和老师，感谢大家的支持，本书的成果离不开你们的帮助，这里一并致谢!由于是全新领域的构思，相信书中一定会有纰漏之处，我希望得到业界同行的批评指正，与大家共同创新，共同探讨运维发展之路!

汤滨