傳統運維其實比較突出的弊端就在于——它是比較依賴于人的經驗和人工操作的。人的經驗傳承存在不可完全復制性，而手工操作又存在效率瓶頸和錯誤率高的問題。

比如傳統運維模式下，在監控、問題發現、告警和故障處理等多個環節都需要依賴人的經驗來做判斷，而在數據采集、故障分析、故障處理等方面的效率也存在提升瓶頸。

智能運維通過將人工智能的能力與運維相結合，通過機器學習的方法來提升運維效率。使得數據采集更準確，更智能，通過腳本、命令、定時任務、執行計劃等將諸多工作由機器來完成，既減輕了人員的操作工作量，也提升了準確性，且自動執行的這部分工作也相當于已經將過往的成熟經驗沉淀。

智能運維的核心是數據運維，通過對長期的、大量的設備運行數據與運維管理數據進行機器學習與訓練，形成智能運維策略。依托智維策略，使用者可以提高運維分析、操作效率，提升管理水平。

與傳統運維相比，出色的智能運維工具，在保障業務穩定的基礎上，可以為使用者省時間、省人力、省資源，包括但不限于：

（1）讓雜而亂的信息變清晰，用戶不用費力去理，比如，自動發現資產及配置變更、自動分析梳理網絡流量構成等；

（2）讓看不見的東西變直觀，用戶不用費力去找，比如，各種自定義圖形組件，可以讓用戶自由選擇搭配圖形及后臺數據源；

（3）讓動腦筋的事情變簡單，用戶不用費力去想，比如，自動告警定位、故障影響分析、內置處置經驗等；

（4）讓耗時間的工作變快速，用戶不用耗時去等，比如，新設備新指標快速增加、自動化巡檢、IP快速定位工具等。

舉個實用例子，智能運維是如何幫助運維人員從“被動運維”轉向“主動運維”的

智能運維平臺/工具以大數據為基礎，通過智能基線和智維規則，輔助運維人員事前發現運維異常情況，并以智維策略為指導解決運維異常。

將過去以“如何快速、方便設置告警，發現異常事件后再考慮如何處理”，“以事件為中心”的被動服務日常運維工作模式，真正轉變為，以“大數據分析為中心”，提供智能基線規則匹配和自動分析，“發現異常的同時，系統智能分析并提供解決分析建議”的主動服務運維工作方式。

同時，通過對越來越有價值的大數據分析，系統能夠更好的提供針對用戶實際運維環境的自動化智能分析，做到事前解決運維中異常隱患，體現運維工作價值；而不是過去以解決多少事件問題為核心的價值體現。

推薦閱讀：

《2022年后，“智能運維”發展趨勢如何？》

北塔軟件BTNM產品 免費試用

• 產品試用申請
• BTSO自助試用注冊
• BTNM自助試用