智能系统和专家系统

十多年前，一个客户和我说，你们这些专家分析问题的水平很高，我们的DBA没有可能达到你们的水平。你们能不能把分析问题的思路做成一个知识库，当我们的系统遇到类似的问题的时候，能够按照你们提示的分析方法一点点去分析。后来有朋友就组织了开发人员，为这个客户开发了一套专家系统。里面的内容有点像是一张张的思维导图，外加一些触发条件。当时这个客户如获至宝，系统也确实发挥了一些作用。不过随着他们数据库系统的升级换代，以及运维要求的不断提升，这套专家系统早就过时了。

前些年专家系统是比较高大上的，不过这些年已经没人提及了。这些年的运维自动化系统带上智能的越来越多了，好像做运维自动化系统的，不做出一个智能化的系统来都不好意思拿出来和大家见面似的。不过很多号称是智能化运维系统的，和传统的运维监控系统并没有本质上的区别，可能监控的内容更多一些，能够展示的数据也多了起来，展示数据的维度也比以前丰富。以前我们顶多用饼图折线图之类的来展示数据，现在我们可以把方差、标准差等以前大家不太看得到的数据也展现出来了。不过从本质上来看，这些依然还是数据的罗列。而事实上，运维人员更需要看到的不是这些数据，而是隐藏在这些数据之后的结论。

比如说上面这个IO分析的案例，虽然我们通过异常检测算法发现了上述的指标存在问题，似乎带上了“智能化”，但是这种智能化能力其实对我们的运维是完全不够用的。因为我们哪怕知道了哪些指标异常，如果没有强大的分析能力，依然对此无能为力。作为运维人员，我们除了希望看到罗列的指标，发现的指标异常，更需要的是告诉我们问题出在哪里了。

运维人员需要知道这些指标异常背后的知识，到底是什么引起了这些指标的异常。当然，要想十分准确地定位到上面的几个问题中的一个，还需要更深的智能化能力做支撑，我们的系统目前还达不到这个能力。不过从异常检测中发现系统问题的可能根因，已经可以为运维提供足够的支撑了。

我们再来看一个例子，优化工具中心能够为需要优化的运维对象提供工具指导，这是一个很好的专家系统，对于需要做优化的运维人员也是很有帮助的。不过专家系统如果能够带上一些智能化的能力，那就更好了。

同样是优化工具中心，智能化运维系统的实现方式是完全不同的，不仅仅能够根据专家系统预设的工具推荐PG可以使用的优化工具，并且能够自动根据当前的数据，自动对系统进行快速分析，发现其中可能存在的异常。当点击到某个运维对象的时候，可以根据专家系统推荐的优化工具，同时还会根据当前系统存在的问题，自动将可以用来检测这些异常的工具加亮后推荐给运维人员。

虽然在界面上仅仅多了几个加亮的工具条，不过隐含在这些加亮的背后，默默发挥作用的是运维知识图谱、泛路由智能知识点、社区发现算法、指标异常检测算法等专家系统+智能算法的组合体。

经常有用户问我，老白，你们号称是智能化运维工具，你们的工具的智能化体现在哪里？我怎么看不出来呢？我问他，什么样的系统才是他眼中的智能化系统。他说，你起码也得弄个卡通机器人，时不时的对上几句话，才更像是个智能化系统吧。

实际上，我觉得智能化运维系统中没必要弄的满屏都是智能化UI，也没有在系统中拉出一大屏幕的知识图谱让人来顶礼膜拜。把这些自动化，智能化的算法隐藏在一些UI的后面，让智能化的能力服务于运维人员就够了，没必要让智能化霸气侧漏到系统的每个界面上。

我和一些做投资的朋友聊过AIOPS，他们眼中的AIOPS都是以算法为核心的，而不是以专家系统为核心的。而我们建设AIOPS系统的途径和这些传统的AIOPS系统不同，我们的AIOPS系统是从专家系统起步的。首先我们把专家们积累了数十年的经验变成完全自动化的“运维知识自动化系统”，构建起第一张运维知识图谱。然后才逐渐在专家系统能力不足的地方用AI算法来补充，并通过“泛路由知识点”这种低代码的分析工具填充到知识图谱中，用以改善与提高智能诊断的能力。

专家系统和AI算法解决问题的方法是不同的，在一个企业的IT运维需求中，单单依靠某一种都是不够的。专家系统具有较为准确的深度定位能力，不过分析覆盖面不足，AI算法可以覆盖更广泛的场景，但是精准定位能力又不足。二者相结合才能弥补各自不足，获得相得益彰的效果。基于专家系统去开发AIOPS系统，可以让AIOPS系统站在巨人的肩膀上，从更高的起点出发，就像是二级火箭一样，可以飞的更高。