天旦發布開源端口鏡像工具

近日，天旦發布開源端口鏡像工具 Packet Agent，幫助運維人員通過旁路方式簡單獲取業務過程數據而不需要硬件探針設備，跨越公有云、私有云、虛擬機、物理機等各種環境。目前，天旦 Packet Agent 已公開提供免費下載（關注天旦公眾號“天旦Netis”，即可獲得）。

隨著 Iaas 的興起，越來越多的企業將自己的 IT 基建托管到專業的服務商，將自己的業務構建在服務商的公有云虛擬機中。這帶給企業極大的輕便性和敏捷性，卻給運維帶來難題：一方面，只有極少數的公有云平臺能夠提供業務數據的鏡像端口，完整的業務過程數據無從獲取，業務何時消失在了監控視野中無從察覺；另一方面，現有的工具要么開銷較大、要么功能單一，無法支持企業各種自有業務協議，甚至不支持數據的導出。天旦，作為國內領先的企業級軟件產品公司，多年來致力于業務與網絡性能管理產品的研究與開發，得益于成熟的互聯數據核心算法以及豐富的行業實踐經驗，凝結為 Packet-Agent，一款開源的虛擬機端口鏡像工具，造福運維行業、回饋社區。而這也是天旦在 AIOps 實踐中一個小小的里程碑。

AI 與 Ops

早在2016年，Gartner 就已經提出了 AIOps 的概念并宣稱，到2020年，將近50%的企業將會在他們的業務和 IT運 維方面采用 AIOps，遠遠高于今天的10%。理解 AI 與 Ops 的關系，不如從 Gartner 的理解入手。

AIOps 在 Gartner 的詞庫中是 AlgorithmicIT Operations 的縮寫，字面的解釋是一種基于 AI 算法的運維方式，Gartner 在今年發布的《Market Guide for AIOps Platforms》報告中為 AIOps 作出如下定義：AIOps 平臺是結合大數據、人工智能 (AI) 或機器學習功能的軟件系統，用以增強和部分取代廣泛應用的現有 IT 運維流程和事務，包括可用性和性能監控、事件關聯和分析，IT 服務管理以及運維自動化。簡而言之，AI 是不需要人工干預，就能幫助運維人員提高生產力的一種途徑。未來，AI 是否可以完全取代人類思考，還未可知，但至少在目前看來，這種美好的預期還必須人的智慧去創造。

另一方面，當越來越多的業務系統、新技術應用承載于 IT 系統之上，IT 系統作為基礎設施也迅速拓建和創新：從過去的物理機，到虛擬化技術帶來的虛擬機運載，到當下正熱的 LXC 軟件容器，公有云和私有云的應用，運維監控對象的數量和監控難度都呈指數級增長。

天旦一直致力于通過旁路方式實現實時、全量、精準的的業務性能監控，當一次在與國外用戶的交流溝通匯總發現，在云環境下，尤其大部分的公有云幾乎都不提供獲取流量的端口，租戶無法突破其封閉式的底層架構而獲得詳細的業務過程數據。一方面，這讓業務的性能變化過程“兩眼一抹黑”，無從即刻知曉；另一方面，一旦業務在非人為的情況下產生遷移，就會逃出運維人員的監控視野。隨著云計算的普及，這將是廣泛存在的運維盲區。天旦研發人員基于 SDPM (Software Define Performance Management) 思維，應用歷年來互聯數據引擎的核心算法積累而開發了一款開源的鏡像工具，Packet Agent。

天旦免費開源端口鏡像工具Packet Agent示意圖

Packet-Agent 端口鏡像工具，旨在幫助用戶解決在云環境、虛擬機等復雜環境下無法實時獲取完整業務過程數據，感知業務變化的問題，而不需要網絡鏡像的硬件設備，可適用于 Linux，Unix，Mac，Windows 等各種操作系統。與 PacketBeat、Splunk App for Stream 等工具比較，天旦Packet Agent 大大節省了機器開銷，并且實現了自定義化的協議支持，甚至直接導出數據包（另2種工具尚且無法實現）等功能。（關注天旦公眾號“天旦Netis”，免費獲取 Packet-Agent 端口鏡像工具）

天旦認為，技術的問題，應當交給技術來解決。用 AIOps 去解決運維中的問題，釋放運維的潛力，給予運維人更多的時間去集中思考，找到合適的方法去攻克下一個難題。

AIOps，走出“有多少人，就有多少智能”的怪圈

Gartner 在《Market Guide for AIOps Platforms》報告中指出： 過去三年，IT 運營部門分別部署了大數據和機器學習技術，以支持 IT 運營的監控。然而，在過去的6個月里，企業已經開始將面向 IT 運營的大數據和機器學習項目相結合，并將其擴展到服務臺和自動化。企業在 IT 運營 (AIOps) 平臺上使用人工智能來增強并取代傳統的應用性能監控 (APM) 和網絡性能監控與診斷 (NPMD) 工具。

人工智能算法的成長離不開隊海量案例的分析和學習，而現在許多所謂 AI 告警的定制化方案受限于缺乏充足的真實案例，需要在部署后耗費繁重的人工進行后期的調整和維護，原本想要解放勞動力的項目，卻成為了耗費人力和時間的黑洞，而且算法效果極不穩定。

天旦作為企業級軟件產品公司，通過提供通用性的產品而非定制化的解決方案，使得智能算法真正成熟產品化。多年來，陪伴120+家銀行經歷數字化轉型的整個過程，每天保障超過200億筆交易的穩定運行，積累了極其豐富的案例資源與經驗，為算法的不斷完善提供扎實的依據，并轉而進一步將成熟的智能化技術應用到產品功能的之中。

天旦業務性能管理 BPC，通過算法升級集合智能發現、智能梳理、智能告警、智能預測、智能排障五大模塊，使得運維人員只需簡單配置全面覆蓋的告警規則，結合自動故障定位和自動故障域分析，加速故障發現和分析流程，縮短故障恢復時間。

智能發現：5年自研專利解碼引擎，自動發現應用訪問關系，自動解析業務數據內容。

智能梳理：通過天旦 BPC 的核心組件 -- 服務路徑圖發現，自動梳理業務訪問關系，呈現以服務為中心的拓撲視圖，讓數以月計的業務梳理工作突破性地縮短到天。

天旦服務路徑圖發現，讓數以月計的業務梳理工作突破性地縮短到天

智能告警：將告警場景歸納為五大類型，幾乎涵蓋所有常見的高頻故障場景。運維人員僅需選擇合適的告警場景，智能告警算法將自動匹配與之對應的告警邏輯，大大提高告警的配置效率。

天旦BPC五大場景化告警，讓告警無需一一配置

智能預測：實時監控，智能算法自動根據歷史表現繪制基線，直觀發現變化趨勢。

智能排障：自動定位故障節點，一鍵解析造成故障發生的維度和指標，無需專家介入。

正所謂“科學技術是第一生產力”。天旦相信，隨著智能化運維技術的不斷演進，AIOps脫離人力干預而自動處理運維問題的能力一定會得以實現。

未來：源于“人”

盡管 Google 助手可以幫助主人像真人一般溝通交流，但無法代替主人決心的每日行程；盡管自動駕駛技術可以如真人駕駛一般控制汽車，但無法代替人決定出行的意愿。AI 的使命在于為人類解決問題，而非控制或取代人類。

李開復在 TED 2018年度大會上發表演講說，工業革命把手工工匠的工作轉化成大量常規工作（如生產線工作），但是人工智能革命將徹底取代這些生產線工作。不出十五年，駕駛、電話銷售、卡車司機甚至是放射科醫生等類似工作和事務也將被人工智能取而代之。在這場人工智能摧毀工作的浩劫中，唯有創造性工作才能從中全身而退。在所有重復性工作上，人工智能都將高出人類一籌。但我們并非因為擅長重復性工作而為人。

天旦相信，隨著數字化轉型的深入，AIOps 必將成為運維組織高效運作的關鍵所在。運維過程中瑣碎、重復的工作終將被由智能化的工具所替代，但卻無法磨滅運維人的存在使命：基于運維系統的深刻理解，做智能化運維的指揮官，謀略布局。而天旦也將繼續精進算法、積累行業經驗，將智能化的技術植根于產品研發與功能設計的細節之中，幫助“運維指揮官”釋放運維的智慧潛力，為企業在數字化轉型之路上創造更多業務可能。