01. 运维挑战日益凸显，转型迫在眉睫
随着业务的高速发展，微服务、容器等新技术已在悄然之中快速应用创新。某省级运营商内部新老系统并行，架构和交易调用过程复杂，现存的监控手段分散，无法实现端到端交易全透明。
而智慧中台虽不断持续建设，但过程中IT新旧架构并存，IT范围从B域向大数据域、M域、O域扩张，加上IT对象多元化等变化，让运维面临的挑战日益凸显：
- 运维边界明显扩大，运维人员没有增加，如何保障业务持续稳定运行？
- 系统复杂度持续增加，如何快速定位故障？
- BOM域上中台，如何保障B\O\M域的运维需求？
- DevOps模式下，如何快速构建运维能力，赋能开发、运营等团队，创造价值？
面对巨大挑战，该运营商迫切需要全新的IT运营管理支撑体系，通过自动化+智能化+敏捷化运维支撑，以及开放共享的平台化能力，推动传统运维向“主动服务、主动运营、主动赋能”云化运维模式转型，确保IT运维、业务支撑等工作的高效协同开展。
经过不断比对与论证，该运营商最终携手嘉为蓝鲸，引入蓝鲸平台作为技术底座，沉淀集中监控、集中运维、集中操作、集中流程、集中调度运维基础能力，打造能力领先的“敏捷化、集中化、智能化”的IT运营监控平台，助力运维团队实现敏捷化、运维研发化（OpsDev）、运营数字化、运维智慧化。
同时，基于平台赋能，各专业、各域运维团队可以以更低成本、更高效率打造运维能力，携手共建运维应用场景和运维生态，推动人运维系统到人控制工具运维系统转型。
02“能力+应用”构建松耦合IT运营监控支撑体系
该运营商按照“能力+应用”的思路，打破烟囱式建设模式，构建一个可快速迭代的松耦合的IT运营监控支撑体系，实现运维数据共享、能力开发、敏捷迭代、智能运维、快速支撑。
同时基于平台能力，可快速构建专业应用及场景，满足各专业、各团队运维运营需求。
03“提智聚能”锋芒展露，团队SRE转型初见成果
运维边界扩大、人员却没有增加的情况下，如何赋能运维人员，提升运维价值？基于平台进行SRE转型，是该运营商交出的答卷。
PaaS化的技术体系，完善的前后端开发框架、调度引擎、公共组件等模块，让该运营商能够基于平台进行岗位创新，打造SRE团队，沉淀和扩展运维能力，共建运维价值生态。
例如该运营商自主研发的应急管理平台，对各业务的应急能力进行了封装，OnCall人员可以通过平台看到当前服务的状态，并且快速对服务进行上下线、应急通道切换等操作，整个过程可视、可管、可控，解决了OnCall人员切换应急效率低、易出错等问题。
目前应急管理平台已经稳定运营一年以上，故障的平均恢复时长从小时级别减少至分钟级别，应急预案覆盖率从0%提升至42%，故障处理率从0%提升至40%，同时实现了故障数量和处理时长的双压降！
在集团“提智聚能”活动中，应急管理平台等多款SaaS获评运维能力标杆，并进行全国巡展、赋能智慧中台；AIOps自动驾驶应急保障L4探索项目也成功入选集团创新试点，这标志着该运营商业务支撑创新能力进入全国前列！
04. 打通关键环节，实现运维的数字化转型
除了团队生态化能力提升，数据消费、敏捷联动、感知分析、自动执行等能力的落地，也是实现智能化运维支撑的重要前提。
通过本次IT运营监控支撑体系的构建，该运营商打通运维关键环节，落地了可供消费的统一CMDB资产管理、整合运维信息与资源的ITSM敏捷引擎、数据全面的业务可观测管理、能力齐全编排灵活的自动化执行体系，实现了运维的数字化转型，为AIOps探索转型打下夯实基础。
1）可供消费的统一CMDB资产管理
处于运维工作核心的CMDB是自动化、智能化运维的基石。该运营商构建了消费型统一CMDB资产管理，实现100%业务配置接入、自动数据采集和数据消费。
- 接入业务：
已接入业务数80+个，主机数6000+台，创建通用模型100+个，配置项实例近80000，已完成100%。 - 数据采集：
发现插件数20+个，发现任务数近20个，采集插件数近20个，采集任务数10+个，3月份执行任务数100+个。 - 数据消费：
对外开放API 100+个，提供给10+运维工具进行数据消费。
2）整合运维信息与资源的ITSM敏捷引擎
通过统一的自服务门户、流程引擎、知识库、自动化调度，全面整合信息流、管理流和执行流，成功构建敏捷的ITSM流程管理。
① 流程建设：已建敏捷流程近20个，包括SLA、日常运维、演练管理、巡检管理等；
② 工单运转：总工单数为1000+，其中SLA流程近300个，日常运维操作流程200+个，演练管理流程200+个，巡检管理流程100+个；
③ 能力对接：对外开放API 10+个，对接运维工具10+（包含自动化能力、智能化能力）。
3）数据全面的业务可观测性管理
通过全景集中监控，该运营商可观测性能力覆盖CRM前端系统、CRM后端系统、BOSS系统等，全面整合数据，实现业务可观测性管理。
① 监控成效：Metric：已接入监控的资源总数有近40000个，共20+个资源类型，采集插件40+个，监控策略配置模板10+条；Trace：部署Web端监控、App端监控、服务端监控等10+个数字化运营场景。
② 告警成效：告警总数157760，处理告警数157732，近一月的历史告警数33901；落地告警收敛策略、告警转工单策略及告警自愈策略。
4）能力齐全，编排灵活的自动化执行体系
基于强大的流程编排引擎、自动化引擎、丰富的API接口，该运营商构建了统一服务管理平台，实现巡检自动化、应用启停、应急切换等自动化执行体系。
① 基础自动化：巡检脚本数近90个，巡检模板数70+，近10类巡检对象，任务总数70+个；
已构建10+个应用系统的应用启停任务；灾切自动化，对接50+个应用，共有灾备切换任务20+条。
② 应急预案体系：应急预案覆盖近10类场景，包括BOSS、云平台、CRM、BOMC、BASS、动环、安全、其中自动化预案10+。
05. 结语
运维团队有能力，运维环节有数据，该运营商已经初步实现“运维”向“运营”转型。未来，该运营商可以在此基础上进行工作度量，实现PDCA循环演进；还可以基于数据和算法实现AI in ALL，将AI嵌入运维场景，实现运维效能的进一步优化，更加有效支撑业务高质量发展！
