知識(shí)圖譜在IT智能運(yùn)維中的應(yīng)用探析

劉映霓

（中國(guó)人民大學(xué) 信息資源管理學(xué)院，北京 100872)

0 引言

銀行數(shù)據(jù)中心傳統(tǒng)IT 運(yùn)維工作的問(wèn)題和挑戰(zhàn)主要表現(xiàn)為：主要依靠運(yùn)維人員的技能經(jīng)驗(yàn)，IT 運(yùn)維工作壓力和強(qiáng)度很大、風(fēng)險(xiǎn)高、效率低、責(zé)任重大。因此，如何實(shí)現(xiàn)快速、高效的IT運(yùn)維管理，成為銀行數(shù)據(jù)中心IT 運(yùn)維領(lǐng)域的關(guān)鍵問(wèn)題；尤其在大數(shù)據(jù)、云計(jì)算等技術(shù)快速發(fā)展的今天，銀行新形態(tài)業(yè)務(wù)對(duì)可用性、穩(wěn)定性、可靠性等的要求進(jìn)一步提高，使得IT 運(yùn)維問(wèn)題和挑戰(zhàn)更為突出。

中國(guó)人民銀行在其發(fā)布的《金融科技發(fā)展規(guī)劃(2022—2025年）》中指出：“建立健全金融數(shù)據(jù)中心智能化運(yùn)維機(jī)制，加強(qiáng)多場(chǎng)景協(xié)同聯(lián)動(dòng)、多節(jié)點(diǎn)一體管控，提升節(jié)點(diǎn)感知、異常發(fā)現(xiàn)和故障預(yù)測(cè)能力，降低人工操作風(fēng)險(xiǎn)，推動(dòng)運(yùn)維管理模式轉(zhuǎn)型升級(jí)?！睘榱私鉀Q傳統(tǒng)IT 運(yùn)維問(wèn)題，近年來(lái)，銀行數(shù)據(jù)中心遵循人行的規(guī)劃要領(lǐng)，在智能運(yùn)維(AIOps) 方面發(fā)力，將傳統(tǒng)運(yùn)維中的關(guān)鍵、突出和典型的運(yùn)維問(wèn)題逐漸納入智能運(yùn)維框架下進(jìn)行探索處理，以推動(dòng)IT運(yùn)維向數(shù)字化和智能化轉(zhuǎn)型。智能運(yùn)維依托的是人工智能技術(shù)，知識(shí)圖譜作為人工智能的重要組成部分，在智能運(yùn)維發(fā)展中的基石作用日益凸顯。

知識(shí)圖譜技術(shù)雖然已廣泛應(yīng)用于互聯(lián)網(wǎng)、電商、醫(yī)療、金融、教育等行業(yè)中，但在銀行IT運(yùn)維領(lǐng)域還處于比較初級(jí)的階段。本文從知識(shí)圖譜的概念和在IT運(yùn)維領(lǐng)域的應(yīng)用特點(diǎn)出發(fā)，基于智能運(yùn)維中的知識(shí)圖譜研究現(xiàn)狀，根據(jù)IT運(yùn)維的實(shí)際需求和面臨的問(wèn)題，探討知識(shí)圖譜在銀行數(shù)據(jù)中心IT運(yùn)維領(lǐng)域的應(yīng)用場(chǎng)景、應(yīng)用方向、應(yīng)用前景及發(fā)展重點(diǎn)，以期對(duì)知識(shí)圖譜在銀行數(shù)據(jù)中心智能運(yùn)維的應(yīng)用方面有一個(gè)全面認(rèn)識(shí)。

1 知識(shí)圖譜在IT智能運(yùn)維領(lǐng)域的應(yīng)用特點(diǎn)

“知識(shí)圖譜”是Google 公司在2012 年提出的概念，目的是能夠更快更簡(jiǎn)單地發(fā)現(xiàn)新的信息和知識(shí)，搜索結(jié)果也能體現(xiàn)一定的層次結(jié)構(gòu)。知識(shí)圖譜本質(zhì)上是一種語(yǔ)義網(wǎng)絡(luò)，是結(jié)構(gòu)化的語(yǔ)義知識(shí)庫(kù)，由“實(shí)體-關(guān)系-實(shí)體”或者“實(shí)體-屬性-屬性值”這樣的三元組構(gòu)成，通過(guò)圖的形式呈現(xiàn)，圖中的節(jié)點(diǎn)表示概念或?qū)嶓w，邊表示事物的關(guān)系或?qū)傩?。?gòu)建知識(shí)圖譜的知識(shí)源來(lái)自相關(guān)的結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)。知識(shí)圖譜分為通用知識(shí)圖譜和領(lǐng)域知識(shí)圖譜，通用知識(shí)圖譜涉及常識(shí)性知識(shí)，展現(xiàn)知識(shí)的廣度；而領(lǐng)域知識(shí)圖譜則涉及特定領(lǐng)域知識(shí)，體現(xiàn)知識(shí)的深度，運(yùn)維知識(shí)圖譜是典型的領(lǐng)域知識(shí)圖譜。

知識(shí)圖譜的邏輯結(jié)構(gòu)包括模式層(schema) 和數(shù)據(jù)層(data) 兩個(gè)層次，其構(gòu)建方法有兩種：自頂向下（先模式層后數(shù)據(jù)層）和自底向上（先數(shù)據(jù)層后模式層）兩種方法；領(lǐng)域知識(shí)圖譜大多采用自頂向下的方法進(jìn)行構(gòu)建，主要因?yàn)轭I(lǐng)域知識(shí)圖譜所涉及的概念、定義、框架等經(jīng)過(guò)長(zhǎng)期積累和反復(fù)實(shí)踐已基本成為穩(wěn)定的經(jīng)驗(yàn)?zāi)Ｊ健＿\(yùn)維領(lǐng)域知識(shí)圖譜的構(gòu)建過(guò)程主要包括知識(shí)建模、知識(shí)獲取和抽取、知識(shí)融合、知識(shí)存儲(chǔ)、知識(shí)推理等。知識(shí)圖譜的主要特點(diǎn)是：1) 知識(shí)圖譜對(duì)各種數(shù)據(jù)和知識(shí)的表達(dá)形式統(tǒng)一，為不同來(lái)源知識(shí)的有效融合奠定了基礎(chǔ)。2) 知識(shí)圖譜以圖結(jié)構(gòu)格式存儲(chǔ)知識(shí)，有利于快速進(jìn)行知識(shí)的遍歷檢索并支持高效智能的知識(shí)推理。因此，知識(shí)圖譜已經(jīng)成為實(shí)現(xiàn)智能運(yùn)維的關(guān)鍵技術(shù)之一。

圖1 領(lǐng)域知識(shí)圖譜技術(shù)體系

在銀行數(shù)據(jù)中心IT運(yùn)維中，知識(shí)圖譜的應(yīng)用特點(diǎn)如下：

1) 具有典型的領(lǐng)域性和很強(qiáng)的專業(yè)特性。

2) 具備長(zhǎng)期積累的運(yùn)維大數(shù)據(jù)可利用。

3) 具備現(xiàn)成的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)所帶來(lái)的初步構(gòu)建的便利性。

4) 需要運(yùn)維領(lǐng)域?qū)＜医?jīng)驗(yàn)知識(shí)的指導(dǎo)和融合。

5) 需要能支持快速檢索和高效推理的數(shù)據(jù)庫(kù)來(lái)存儲(chǔ)運(yùn)維知識(shí)。

6) 多采用自頂向下的構(gòu)建方式。

知識(shí)圖譜應(yīng)用于銀行數(shù)據(jù)中心的IT運(yùn)維，就是將長(zhǎng)期積累的IT運(yùn)維大數(shù)據(jù)進(jìn)行有效地抽取、處理并以實(shí)體、屬性、事件和相互之間的關(guān)聯(lián)關(guān)系為元素存儲(chǔ)到相應(yīng)的數(shù)據(jù)庫(kù)中，進(jìn)而形成運(yùn)維知識(shí)圖譜。構(gòu)建完善的運(yùn)維知識(shí)圖譜既可用于緊急運(yùn)維事件和故障的輔助處理以加快問(wèn)題分析、故障診斷和根因定位的進(jìn)度，也可用于日常運(yùn)維知識(shí)的展現(xiàn)、知識(shí)管理和IT 設(shè)施健康狀態(tài)評(píng)估等，對(duì)提高IT 運(yùn)維工作的質(zhì)量和效率、促進(jìn)IT 運(yùn)維的良性發(fā)展、為銀行業(yè)務(wù)提供更加穩(wěn)定和安全的運(yùn)行保障具有十分重要的意義。

2 知識(shí)圖譜在IT智能運(yùn)維領(lǐng)域的應(yīng)用探索

銀行數(shù)據(jù)中心的各種IT 設(shè)備、系統(tǒng)、應(yīng)用涉及不同廠家，不同廠商提供各自的監(jiān)控管理平臺(tái)和系統(tǒng)，導(dǎo)致所產(chǎn)生的海量運(yùn)維數(shù)據(jù)基本處于相互獨(dú)立分散的狀態(tài)，在傳統(tǒng)運(yùn)維中，這些運(yùn)維數(shù)據(jù)對(duì)IT 運(yùn)維管理未能充分發(fā)揮系統(tǒng)性的作用；而在智能運(yùn)維的框架下，通過(guò)人工智能技術(shù)特別是知識(shí)圖譜技術(shù)的應(yīng)用，把這些分散的運(yùn)維大數(shù)據(jù)組織起來(lái)，進(jìn)行有效處理和邏輯關(guān)聯(lián)，構(gòu)成具有網(wǎng)狀存儲(chǔ)特點(diǎn)的運(yùn)維知識(shí)圖譜，以協(xié)助加快解決傳統(tǒng)運(yùn)維的問(wèn)題。

2.1 運(yùn)維知識(shí)圖譜的基本構(gòu)建流程

銀行數(shù)據(jù)中心IT 管理中的配置管理數(shù)據(jù)庫(kù)(CMDB) 和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為構(gòu)建IT運(yùn)維知識(shí)圖譜提供了便利和優(yōu)勢(shì)，也是快速構(gòu)建IT 運(yùn)維知識(shí)圖譜的基礎(chǔ)。IT運(yùn)維知識(shí)圖譜的基本構(gòu)建流程如圖2。

圖2 運(yùn)維知識(shí)圖譜構(gòu)建流程

1) 運(yùn)維需求分析：結(jié)合傳統(tǒng)IT 運(yùn)維問(wèn)題，對(duì)緊急事件處理和日常運(yùn)維管理方面相關(guān)的應(yīng)用場(chǎng)景進(jìn)行需求分析。

2) 運(yùn)維知識(shí)圖譜建模：在IT運(yùn)維領(lǐng)域?qū)＜医?jīng)驗(yàn)的基礎(chǔ)之上，以運(yùn)維實(shí)體、事件為出發(fā)點(diǎn)，對(duì)IT設(shè)備和系統(tǒng)的基礎(chǔ)信息、狀態(tài)信息、性能指標(biāo)、告警信息、運(yùn)維信息以及各種關(guān)聯(lián)關(guān)系等進(jìn)行梳理、定義和表達(dá)，建立“實(shí)體-關(guān)系-實(shí)體”“實(shí)體-屬性-屬性值”的三元組形式和以事件為核心的多元組形式相結(jié)合的運(yùn)維知識(shí)圖譜的模式，這個(gè)過(guò)程的結(jié)果需要人工反復(fù)核驗(yàn)，以保證模式框架的正確性。

3) 運(yùn)維知識(shí)抽取/轉(zhuǎn)換：根據(jù)第一步建好的運(yùn)維知識(shí)圖譜的模式，選擇所需的現(xiàn)有結(jié)構(gòu)化（如CMDB) 、半結(jié)構(gòu)化（如日志）和非結(jié)構(gòu)化（如產(chǎn)品文檔）的運(yùn)維數(shù)據(jù)進(jìn)行知識(shí)轉(zhuǎn)換或抽取，并結(jié)合運(yùn)維專家的經(jīng)驗(yàn)，具化運(yùn)維知識(shí)圖譜模式。

4) 運(yùn)維知識(shí)融合：對(duì)知識(shí)抽取階段來(lái)自多個(gè)信息數(shù)據(jù)源的知識(shí)進(jìn)行實(shí)體、屬性、概念的對(duì)齊、消歧、統(tǒng)一以及合并等知識(shí)融合工作，形成初步的運(yùn)維知識(shí)圖譜的知識(shí)庫(kù)。在此融合階段就開始相關(guān)的質(zhì)量審核，以確保已有的運(yùn)維知識(shí)圖譜內(nèi)容的一致性和準(zhǔn)確性，為形成能有效協(xié)助和支持實(shí)際運(yùn)維工作的運(yùn)維知識(shí)圖譜奠定基礎(chǔ)。

5) 運(yùn)維知識(shí)存儲(chǔ)：把經(jīng)過(guò)以上抽取并融合的運(yùn)維知識(shí)圖譜的知識(shí)庫(kù)存儲(chǔ)到所選擇的相應(yīng)數(shù)據(jù)庫(kù)中。

6) 運(yùn)維知識(shí)加工：知識(shí)加工主要包括知識(shí)推理和全面的質(zhì)量評(píng)估。在知識(shí)融合之后，運(yùn)維知識(shí)圖譜就初步形成了，但可能知識(shí)內(nèi)容缺失不全，可以通過(guò)知識(shí)推理技術(shù)進(jìn)一步發(fā)現(xiàn)潛在的知識(shí)并補(bǔ)全或更新。因?yàn)殂y行數(shù)據(jù)中心運(yùn)維知識(shí)圖譜的重要性，構(gòu)建完的知識(shí)圖譜在投入應(yīng)用之前需要做全面的質(zhì)量審核與評(píng)估，以確保其準(zhǔn)確性、一致性和完整性。

7) 運(yùn)維知識(shí)應(yīng)用：運(yùn)維知識(shí)圖譜可以展示出物理設(shè)備、虛擬機(jī)、系統(tǒng)、應(yīng)用、進(jìn)程、服務(wù)之間的邏輯關(guān)系等，能用于緊急事件或故障的輔助運(yùn)維處理和日常運(yùn)維管理工作，可以結(jié)合銀行數(shù)據(jù)中心實(shí)際運(yùn)維應(yīng)用需求，落實(shí)相應(yīng)的應(yīng)用場(chǎng)景的設(shè)計(jì)和使用。

2.2 運(yùn)維知識(shí)圖譜的應(yīng)用場(chǎng)景

在知識(shí)圖譜構(gòu)建完成后，可以基于知識(shí)圖譜設(shè)計(jì)和開發(fā)所需的運(yùn)維應(yīng)用。從目前銀行業(yè)智能運(yùn)維知識(shí)圖譜的應(yīng)用研究、實(shí)踐和發(fā)展來(lái)看，主要有兩方面的應(yīng)用：1) 面向緊急事件或故障處理的應(yīng)用；2) 面向日常運(yùn)維的應(yīng)用。

2.2.1 面向緊急事件或故障處理的應(yīng)用

面向緊急事件或故障處理的應(yīng)用主要包括故障原因分析、故障影響范圍、系統(tǒng)告警收斂方面。

1) 故障原因分析

當(dāng)IT 系統(tǒng)和網(wǎng)絡(luò)發(fā)生故障時(shí)，傳統(tǒng)的排障過(guò)程是：故障發(fā)生→產(chǎn)生日志和告警→運(yùn)維人員分析處理→原因定位→排除故障，故障處理的效果和結(jié)果，主要取決于運(yùn)維人員的經(jīng)驗(yàn)和技能，效率不能保障。應(yīng)用知識(shí)圖譜后，重點(diǎn)在于運(yùn)維知識(shí)圖譜能協(xié)助運(yùn)維人員進(jìn)行故障信息的分析和處理，正常情況下，構(gòu)建完整的運(yùn)維知識(shí)圖譜融合了運(yùn)維領(lǐng)域內(nèi)專家的重要經(jīng)驗(yàn)、設(shè)備和系統(tǒng)知識(shí)、網(wǎng)絡(luò)知識(shí)、完備的關(guān)聯(lián)關(guān)系、規(guī)則知識(shí)、案例知識(shí)等；當(dāng)故障發(fā)生時(shí)，知識(shí)圖譜的推理功能將依據(jù)這些知識(shí)和規(guī)則對(duì)故障日志告警信息進(jìn)行更為精細(xì)的分析推理，給出推理結(jié)果，幫助運(yùn)維人員盡快找到故障原因。因此，應(yīng)用運(yùn)維知識(shí)圖譜能從根本上加快故障處理進(jìn)程，提高故障處理的效率。

2) 異常事件的影響范圍

當(dāng)異常事件或者故障發(fā)生時(shí)，會(huì)產(chǎn)生相應(yīng)的日志、告警等，運(yùn)維知識(shí)圖譜基于知識(shí)庫(kù)中的關(guān)聯(lián)關(guān)系和規(guī)則等知識(shí)能推理出異常事件或故障的波及范圍，并把結(jié)果推送到前臺(tái)，運(yùn)維人員可以據(jù)此采用自動(dòng)化或半自動(dòng)化的方法調(diào)出與異常事件或故障相關(guān)的子圖，供進(jìn)一步研判。

3) 系統(tǒng)告警收斂

在傳統(tǒng)運(yùn)維過(guò)程中，當(dāng)異常事件或故障發(fā)生時(shí)，會(huì)產(chǎn)生大量的相關(guān)日志和告警等，這極大降低了運(yùn)維人員處理故障和事件的效率；應(yīng)用知識(shí)圖譜后，運(yùn)維知識(shí)圖譜的推理功能可以基于知識(shí)庫(kù)的相關(guān)知識(shí)對(duì)告警傳播路徑進(jìn)行推理分析過(guò)濾，可以有效屏蔽無(wú)關(guān)告警、大幅減少告警數(shù)量，使重要的核心告警容易“脫穎而出”，大大提高了異常事件或故障的分析速度。

2.2.2 面向日常運(yùn)維的應(yīng)用

面向日常運(yùn)維的應(yīng)用主要包括故障案例庫(kù)知識(shí)管理和IT設(shè)備管理方面。

1) 案例庫(kù)知識(shí)管理

在多年的運(yùn)維工作中，銀行數(shù)據(jù)中心IT運(yùn)維人員積累了豐富的運(yùn)維經(jīng)驗(yàn)，這些經(jīng)驗(yàn)?zāi)Y(jié)成了一個(gè)個(gè)的運(yùn)維案例，傳統(tǒng)是以手冊(cè)或者電子文檔的形式保存，但實(shí)際受各種情況和條件的限制，總有漏記未存的經(jīng)驗(yàn)知識(shí)，而且在緊急情況下，查手冊(cè)和文檔并不方便。當(dāng)以知識(shí)圖譜的方式梳理運(yùn)維案例時(shí)，就“激活”了這些運(yùn)維案例，這種智能化的技術(shù)手段不僅解決了運(yùn)維經(jīng)驗(yàn)的高效使用和分享問(wèn)題，也促進(jìn)了運(yùn)維人員技能的快速普遍提高。

2) IT設(shè)備管理

在知識(shí)圖譜構(gòu)建過(guò)程中，IT設(shè)備的性能、容量、狀態(tài)、產(chǎn)品信息等也作為基礎(chǔ)知識(shí)被抽取出來(lái)存入知識(shí)庫(kù)，供運(yùn)維知識(shí)圖譜分析推理之用，也可結(jié)合預(yù)先設(shè)置的規(guī)則、閾值和關(guān)聯(lián)關(guān)系等對(duì)異常事件進(jìn)行預(yù)警，提示運(yùn)維人員在問(wèn)題出現(xiàn)之前及時(shí)采取相應(yīng)措施以規(guī)避風(fēng)險(xiǎn)。運(yùn)維知識(shí)圖譜可以根據(jù)構(gòu)建時(shí)的設(shè)置情況自動(dòng)產(chǎn)生設(shè)備狀況報(bào)表，或者人工進(jìn)行知識(shí)查詢獲得相關(guān)運(yùn)維信息，使運(yùn)維人員能及時(shí)掌握IT設(shè)備運(yùn)行情況。

3 知識(shí)圖譜在銀行IT運(yùn)維領(lǐng)域的發(fā)展前景

基于知識(shí)圖譜的IT 運(yùn)維方法徹底改變了傳統(tǒng)的主要依賴于人的運(yùn)維方式，得益于運(yùn)維知識(shí)圖譜的知識(shí)推理、知識(shí)查詢、人工交互等功能與技術(shù)的運(yùn)用，實(shí)現(xiàn)了IT 運(yùn)維管理的自動(dòng)化和智能化。在目前銀行數(shù)據(jù)中心IT運(yùn)維知識(shí)圖譜應(yīng)用探索和實(shí)踐的基礎(chǔ)之上，可以在運(yùn)維知識(shí)管理、故障預(yù)警、故障解決自愈等應(yīng)用方向上繼續(xù)發(fā)揮知識(shí)圖譜的重要作用。

傳統(tǒng)IT 運(yùn)維知識(shí)管理主要以文檔和文件的形式保存和管理，包括紙質(zhì)文檔，電子文件文檔等，積累量大，利用率和共享率低，經(jīng)驗(yàn)知識(shí)沉淀不足，大量運(yùn)維數(shù)據(jù)中的隱藏知識(shí)有待挖掘。基于知識(shí)圖譜進(jìn)行運(yùn)維知識(shí)管理，可以使用圖的形式表達(dá)運(yùn)維概念、知識(shí)點(diǎn)和知識(shí)點(diǎn)之間的關(guān)系等，利用知識(shí)圖譜的推理功能挖掘出運(yùn)維數(shù)據(jù)中的潛在知識(shí)；圖形式表達(dá)的直觀性，有利于提高運(yùn)維知識(shí)的利用率和共享率，潛在知識(shí)的挖掘有助于運(yùn)維知識(shí)體系的完善和運(yùn)維工作效率的提高。

傳統(tǒng)運(yùn)維中，沒(méi)有系統(tǒng)性的方法進(jìn)行故障預(yù)警。應(yīng)用知識(shí)圖譜后，可以收集和處理IT 設(shè)備、系統(tǒng)、網(wǎng)絡(luò)、應(yīng)用等的日志、告警信息以及相關(guān)性能、容量、狀態(tài)、負(fù)載等數(shù)據(jù)，結(jié)合常見和重點(diǎn)的IT故障場(chǎng)景，構(gòu)建故障預(yù)警知識(shí)圖譜，通過(guò)知識(shí)圖譜的可視化功能展示出哪些IT因素及其變化與相關(guān)故障的關(guān)聯(lián)性，幫助運(yùn)維人員預(yù)判異常事件或故障觸發(fā)的可能性、提前采取相應(yīng)措施消除隱患，盡可能規(guī)避故障的產(chǎn)生，減少IT故障率和影響，提高IT運(yùn)維質(zhì)量。

故障自愈不僅是故障解決過(guò)程中的一個(gè)自動(dòng)化環(huán)節(jié)，也是減輕運(yùn)維人員壓力的重要手段之一。對(duì)于無(wú)須人工干預(yù)的安全級(jí)別較低的普通故障，可以設(shè)計(jì)相應(yīng)的故障自愈程序進(jìn)行關(guān)聯(lián)，當(dāng)運(yùn)維知識(shí)圖譜完成故障原因定位并確定故障影響和安全級(jí)別后，自動(dòng)觸發(fā)運(yùn)行預(yù)先設(shè)置好的故障自愈程序，修復(fù)故障，恢復(fù)正常。雖然故障自愈是運(yùn)維管理的一種理想狀態(tài)，但由于銀行業(yè)務(wù)要求的重要性和安全性很高，不適宜在生產(chǎn)運(yùn)維中采用，而在測(cè)試中心等非生產(chǎn)環(huán)境的運(yùn)維中可以嘗試采納，并人工復(fù)核結(jié)果。盡管如此，故障自愈在盡可能解放運(yùn)維人力方面值得深入研究和探索。

可以看到，知識(shí)圖譜在銀行數(shù)據(jù)中心IT運(yùn)維管理中的應(yīng)用前景是廣闊的，同時(shí)還有很長(zhǎng)的路要走。在學(xué)術(shù)界不斷研究和各行各業(yè)積極探索應(yīng)用知識(shí)圖譜的大背景下，銀行數(shù)據(jù)中心可以結(jié)合智能運(yùn)維管理工作的重點(diǎn)和難點(diǎn)，順勢(shì)深挖研討知識(shí)圖譜技術(shù)，應(yīng)用知識(shí)圖譜到運(yùn)維管理的各個(gè)契合點(diǎn)，從根本上解決傳統(tǒng)IT運(yùn)維的問(wèn)題。

4 結(jié)束語(yǔ)

隨著人工智能技術(shù)在銀行數(shù)據(jù)中心IT 運(yùn)維中的使用，知識(shí)圖譜在智能運(yùn)維中的應(yīng)用逐漸深入；銀行數(shù)據(jù)中心大數(shù)據(jù)的特性和典型的應(yīng)用場(chǎng)景，使得知識(shí)圖譜在智能運(yùn)維中的應(yīng)用價(jià)值突出，從而高效助力銀行數(shù)據(jù)中心智能化IT運(yùn)維。

基于知識(shí)圖譜的智能運(yùn)維將使銀行數(shù)據(jù)中心IT運(yùn)維的技術(shù)和手段從以產(chǎn)品和廠家為特點(diǎn)的離散獨(dú)立狀態(tài)整合為自動(dòng)化智能化的邏輯統(tǒng)一體。運(yùn)維工作逐漸從以“人”為中心轉(zhuǎn)為以智能化“體系”為中心，使IT 運(yùn)維人員逐漸從一些重復(fù)性的運(yùn)維工作中解脫出來(lái)，有更多精力自我提升、從事創(chuàng)新工作，這有利于進(jìn)一步推動(dòng)IT運(yùn)維體系的智能化發(fā)展，從而盡可能地減少被動(dòng)運(yùn)維，提升主動(dòng)運(yùn)維能力，達(dá)到運(yùn)維人員、運(yùn)維工作、運(yùn)維體系的良性循環(huán)。