随着互联网、5G、物联网等的快速发展。数字化、智能化建设对计算能力提出了更高的要求，数据中心正向规模化、集约化、绿色化方向发展。根据ResearchAndMarkets的《全球数据中心托管服务市场机会》报告，超大规模数据中心预计将从2019年的509个增加到2025年的890个。这将改变数据中心的建设和使用方式。数据中心的规模不断扩大，大型数据中心的服务器数量已经达到10万以上的量级，这意味着对运维的难度、人力、成本、专业性提出了更高的要求。企业数据中心的运维压力正面临前所未有的挑战。打破传统运维模式，打造“监督、管理、控制、预防”的智能运维是解决问题的关键。
什么是智能运维？
首先需要了解数据中心运维的发展，主要包括人工运维、自动化运维、智能运维三个阶段。
所谓人肉运维，是指在早期，数据中心的大部分运维工作都是由运维工程师人工完成的。服务器的运行状态每天都要靠运维工程师的肉眼来定位和解决问题。每个工程师运维的上限是400台左右。这种低效的运维方式，在数据中心服务器越来越多，人力成本越来越高的时代，很难持续。
因此，自动化运维应运而生。运维工程师根据运维经验编写脚本，进行批量设备巡检，后来发展为基于任务的设备巡检，这是早期的自动化运维方式。这大大提高了发现异常设备的效率，降低了运维成本。然而，面对故障根源、故障预测、性能趋势和控制决策，自动化运维却无能为力。
根据Gartner的《2021年中国ICT技术成熟度曲线报告》，AIOps市场将持续增长，并影响整个IT运维管理市场。报告预测，AIOps将在未来2-5年内进入成熟期，并将帮助企业大幅节约成本。从服务器运维的角度，分析了服务器的智能运维。目标是收集带外信息和带内信息，利用机器学习解决上述问题，提高系统的预警能力和稳定性，降低运维成本，提高运维效率。
浪潮信息打造智能物理基础设施管理平台。
浪潮信息物理基础设施管理平台ISPIM，在异常检测、故障诊断、故障预测、故障自愈、性能预测等方面实现多维度智能运维。通过7 * 24小时纳米管监控数据中心的IT设备。
异常检测
在服务器的运维中，最根本的就是检测异常，常见的有三大数据的检测:状态指标、性能指标、日志数据。
状态指示器:当服务器状态异常时，浪潮信息ISPIM管理软件以主动/被动方式聚合服务器异常，防止重复告警和误告警，同时定位多个告警同时发生的根本原因，防止告警风暴和告警瘫痪。
性能指标:在性能指标检测方面，传统的方法是设置一个阈值，但是由于某个时刻会产生噪声数据，所以经常会出现虚警。通过重复次数、阈值抖动范围和自学习数据密度分布的方案，可以解决99%由噪声数据产生的虚警；但是面对周期性变化的数据，无法动态调整，会出现虚警，大大降低了报警的准确性。浪潮ISPIM管理软件通过AI优化，动态分析性能数据在时域、频域、能量等方面的变化。采用LSTM和随机森林进行预测，报警准确率达到98%。
日志:日志一般是半结构化数据，根据日志级别产生报警。精度不够，只能检测出已知的、明确的模式异常。浪潮ISPIM管理软件拥有4000+运维专家资源库，有助于实现服务器故障的快速诊断。同时，在智能日志故障诊断方面，将对采集的日志进行重新编码，不断深化深度学习、LSTM等算法的研究和实际应用，实现多维度的服务器异常分析，异常检测准确率高达99%。
故障诊断
为了进一步提高运维效率，浪潮信息ISPIM管理软件不仅对日志故障进行诊断，还对系统宕机后的数据进行深度分析，方便快速定位问题，提高效率。
通过分析收集到的海量数据，我们发现服务器的宕机通常是由CPU MCE的故障引起的。一般来说，MCE的来源有两个，一个是CPU本身的故障，一个是来自CPU外部的组件。浪潮ISPIM管理软件带外采集服务器CPU寄存器数据，基于MCA技术架构，定位CPU触发源，分析MC Bank，分析CSR和MSR寄存器，实现故障原因确认和故障组件精确定位，根据浪潮信息专家经验库给出故障问题专业解决方案，提升运维效率。
故障预测
据统计，数据中心由内存和硬盘引起的故障占50%以上，这主要是因为硬盘和内存量大，生命周期相对较短，利用率高。当内存或硬盘出现故障时，非常容易出现严重的停机。
就内存而言，内存产生的CE可以通过ECC机制纠正，但是频繁的CE往往会导致UCE，往往会导致系统宕机。因此，记忆衰竭的预测可以转化为UCE的预测。浪潮信息ISPIM管理软件通过多个维度对内存CE进行统计分析，包括总CE频率、固定物理地址CE频率阈值、固定单元CE频率阈值、CE在列中的分布范围和频率阈值，得出UCE与CE的相关性，从而预测UCE。
对于硬盘，大部分数据中心的存储阵列都会采用一些冗余机制，但这只能保证有限的硬盘故障场景。一旦故障磁盘的数量超过RAID冗余的限制，就有可能导致系统停机或数据丢失的风险。浪潮ISPIM管理软件通过分析SMART标准获得硬盘故障预测的关键数据特征，基于模型算法进行训练，优化模型算法，输出为推理算法模型，通过SMART索引和硬盘运行日志预测风险磁盘。同时，当硬盘预测达到换盘指标时，可以支持换盘操作。
通过这些技术的优化，浪潮信息ISPIM管理软件可以实现内存和硬盘的故障预测，大大提高系统的稳定性。
故障自愈
浪潮ISPIM管理软件在故障自愈方面可以支持内存故障的自动隔离。在操作系统级，结合MCE日志数据信息和CE故障信息，通过虚拟内存故障页面诊断算法确定内存故障的页面，在操作系统内核中执行页面离线，通过虚拟内存技术隔离对故障内存区的访问，实现内存故障隔离。在物理内存层面，基于CE故障信息，采用物理内存故障诊断算法，通过SPPR和HPPR隔离物理内存故障行，从技术上实现故障内存的永久隔离，提高操作系统的稳定性和可靠性，从而保障业务的稳定可靠运行。
性能预测
性能预测是指服务器的性能数据，通过智能算法如ARIMA、指数平滑、LSTM、Prophet等进行预测。，能够感知系统数据在未来几小时、几天或一年内的趋势、增长或周期性变化。浪潮ISPIM管理软件，依托自主研发的性能分析核心组件，可支持数万台服务器同时监测和告警秒级性能数据，帮助运维人员实时掌握设备性能状态，实现对磁盘寿命和容量的预测，准确率高达99%。
浪潮信息物理基础设施管理平台ISPIM，具有资源管理、故障监控、性能监控、能耗管理、自动部署、报表统计、网络拓扑、3D视图等功能。可以同时对上万台不同品牌的服务器、存储、网络设备进行监控、维护和告警，运维效率提升2倍。基于浪潮信息故障专家库的大数据规则故障诊断功能，可将故障诊断准确率提升至93%，在快速处理故障的同时，可大幅降低数据泄露风险，帮助用户搭建无人值守的数据中心，提高运维效率，降低运维成本，保障数据中心安全、可靠、稳定运行。
