AIOps中的四大金刚都是谁，职责和技能有哪些变化？

如单机房故障自愈场景中的介绍，运维AI工程师需要具备机器学习知识并将其在运维领域落地的能力。运维AI工程师的职责如下：

平台研发工程师

在单机房故障自愈场景中，平台研发工程师需要关注三类平台的建设。如图所示：

基础运维平台：提供单机房故障自愈场景中的依赖平台，如：监控平台和流量调度平台。在日常运维中提供标准化运维数据获取和运维操作的基础，而在AIOps中，这部分接口需要能够同时支持人工和自动的数据获取和运维操作。

智能运维平台：提供对AI能力的支持，如：统一的数据服务(运维知识库)、运维开发框架，以及给AI策略实验和运行的运维策略框架等。

故障自愈机器人：针对单个业务场景进行平台化抽象，使之成为一个基础服务，基于AIOps平台研发和运行。

AIOps时代的职责和技能变化

平台研发工程师负责运维平台及基础组件的研发与建设。

在传统运维场景中，平台研发工程师负责平台、基础组件、类库和工具的研发工作。在针对运维的场景中，会覆盖与运维相关的服务管理、监控、变更、流量调度等平台。

这部分平台是运维的基础，在AIOps时代仍然需要依赖于这些平台的建设。

同时在AIOps场景中，数据成为了中心，，运维各种状态信息转换为大数据，机器学习则作用在大数据上进行分析。在百度AIOps的实践中，运维开发框架、运维知识库、运维策略框架共同组成了完整的智能运维平台，三大平台的建设和实施离不开大数据、机器学习架构的引入。

这就要求平台研发工程师具备大数据、机器学习平台架构师的多重身份，具备流式计算、分布式存储、机器学习平台、算法策略平台等一系列大数据和机器学习平台架构能力。

运维研发工程师

基于多个业务线场景抽象出的单机房故障自愈解决方案，能够满足大部分场景需求，但并不意味着可以直接提供给各个业务线来使用。原因如下：

策略和参数需要进行调整

流量调度、容灾策略等策略，针对不同的业务线，配置并不相同。例如某些业务对响应时间敏感，跨地域的调度会带来较大的延迟，影响用户体验，这时就需要根据业务情况配置机房之间的跨机房流量调度延迟系数，来实现流量优先调度到延迟系数最低的机房。

通用框架无法满足所有需求

部分业务线需要对原有的策略进行部分重写才能够满足需求。例如，部分业务在流量调度时，需要联动服务降级来满足容量需求，这就需要额外增加服务降级联动的逻辑。

那么，就需要运维研发工程师出手来解决这个问题。根据业务线的实际情况，对策略和参数进行配置和调优，对通用框架无法满足的需求，进行定制化研发，使得单机房故障自愈方案能够实际应用在不同业务线上。

AIOps时代的职责和技能变化

（编辑：宿州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!