尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
前言
數字化轉型大潮中，常常說到DevOps，但是其並不是數字化轉型所特有的。從一個高度及敏捷的研發團隊的角度，其是必要的技術組成部分，甚至不在於是否用不用敏捷。並隨著大數據的特有應用，衍生出DataOps；同時由於互聯網相關應用等的大規模分布式的使用，及虛擬化、容器化等等的海量集群的應用，AIOps也被冠名了。
小運維與大運維
a. 統一及集中的部門和團隊的成立，就是為了提供集中/一致/協同的管理支持，提高專業化水平。
b. 但是其不能永遠站在後面，被動的接受服務請求。
c. 其專業性和資源集中性要滲透到立項，開發，運維等的全生命周期中，協同應用及系統建設和後續工作。
d. 不管是自己內部資源，還是外部資源，第三方服務及產品，團隊應是組織與基礎設施及平台服務的唯一對接中心。
沒有邊界的高價值存在
a. 應用和系統永遠是建設在基礎設施及平台服務之上的。
b. 從立項開始，到設計及實施，一定要考慮資源的現狀，人員的能力，及日後運維的全部依賴因素。
c. 一個高效，全面，全棧，敏捷，專家/有經驗的軟硬件資源平台，管理平台，工具箱，運維包，以及相關規範手冊終將節省大量的人財物時間，為企業數字化轉型提供最有力的支持。
d. 如何充分利用已有資源和職能範圍，提升價值/創造價值/改造價值，尤為重要。
PreDev ► Dev ► Data ► AI Ops
a. 新傳統應用及系統開發的IT技術日新月異，同時開源化和輕量級等的使用，增加IT運維的壓力。
b. DevOps要求的自動化/工具化/敏捷化還沒有全部做到，企業數字化轉型有提出更高的要求。
c. 大數據和數據智能的幾何級數的增長，更需要用工具代替人，用全新的思維和方法醍醐灌頂。
d. 更大挑戰和要求還在AI，通過算法替代固定的模式和流程，從而上升到更高層次的「自動化」。
從DevOps到DataOps
a. DevOps側重於：工具，自動化，開發及運維團隊，運維是系統設計的一部分，協同。
b. DataOps側重於：數據，可視化，可追蹤，專業工具，數據分析工程師。
c. DevOps是與企業數字化轉型，IT敏捷及迭代開發等相關聯的。
d. DataOps是與專門數據處理相關的體系。
DevOps
概述
a. 基於過往大型企業項目，國外航司及IT服務公司經驗，運維是一個技術活，需要專業團隊。
b. 往往是多個角色團隊的協同。
c. 並超越單純硬件及網路的運維支持，上升到企業級及通用的服務化支持。
「開發平台即服務」與應用/系統開發團隊協同
IaaS及PaaS，和Microservice等的出現，要求IT基礎設施和服務，一定要能夠支持。
development Platform as a Service （dPaaS）則普遍變為一種潛在IT運維團隊的增值和高價值服務，並牽引開發向規範化和敏捷化發展。
後台作業可視化，自動化，管理工具化
以LH的Customer Loyalty為例，航司大量的日常工作將集中在後台作業及批處理文件的處理上。
在開發完畢交付的作業任務的管理，不僅僅只是屬於作業實例的驅動，更關鍵是一整套任務鏈的協同。
分布式集中日志及運維服務升值
結合CO/UA及DL交付經驗，一整套集中的日志系統，將會對運維和系統管理提供強有力的支持。
企業級監控框架及平台
a. 根據若干航司的案例，人財物時間的投入，將是後續運維精力優化的關鍵，尤其是管理方面。
b. 但是必須根據項目範圍，系統規模，以及NFR需求關注點，指定針對性的監控目標，而不是一應俱全的滿足4個層面。
c. 更關鍵的是某些層面，譬如連通性及系統效能等監控屬於統一的職能範圍和管理主體。
虛擬化容器化雲化運維
a. 根據航司電商與互聯網電商的對比，關鍵IT的差距就是對於虛擬技術的使用。
b. 通過構建標準鏡像，規範化第三方軟件應用的使用和技術要求。
c. 通過容器化的投放，充分發揮軟硬件資源，避免不必要的浪費。
d. 通過腳本化的規範要求，協助開發團隊在實施中就為未來運維提供基礎。
參考及實績
DataOps
a. 技術大數據技術堆棧，和實際操作要求，一整套以數據流處理為核心的平台服務是必須的。
b. 在錯綜複雜及海量的開源軟件構件的大數據IT基礎之上，找到一組相對穩定和兼容的框架軟件集是相當困難的。
c. 所以盡量採用相對官方的大數據平台明智之舉。
d. 然而在之後的大數據開發過程中，對於軟硬件資源的使用支持將是更嚴峻的工作。
AIOps
a. 算法的IT運維(Algorithmic IT Operations)，是更深層次的需求，並且已經存在。
b. ITOA到AIOps，及AIDevOps的轉變。
c. 最優實踐留給BAT和JD他們吧。
結論
不管航司航企航旅推行怎樣的新政，只要定位好自己處於那種狀態（PreDev ► Dev ► Data ► AI Ops），則可以逐步融入項目管理和開發規範的前提下，逐步制定、摸索、推進相應的Ops工作。但是對於DataOps，必須因地制宜，明確是否自己的產品及應用有數據類開發運維的特質和真實訴求。然而對於AIOps，個人認為普遍企業至少5年是根本沒有應用的可能，即使是比較大型的航司航企。
