硬件 是数字社会建设的基础和前提，AI加速器计算能力的迅猛增长，毫无疑问将会有助于软件与应用等上层建筑的发展普及。在可见的未来，随着硬件性能的就绪，围绕AI展开的软件与应用开发将呈现百花齐放的姿态。

在这一大背景下，基于AI的IT运维/应用和工具模型、模式，也将会逐渐丰富并应用于生产环节。正如全球IT研究机构Gartner所预测的： “到2022年，将有40%的大型企业部署AIOps（智能运维）平台。”

人工智能时代已经来临。

博睿数据 前瞻布局AIOps

作为APM行业领导者，北京博睿宏远数据科技股份有限公司于2020年8月17日正式在上海证券交易所科创板上市（内文简称/股票简称：博睿数据，股票代码：688229） ， 利用资本市场强化主营业务，与新兴产业融合发展，拓展新领域，使得产业整合、转型升级， 实现快速高效发展。 在Gartner发布的《中国AIOps市场指南》中，博睿数据是唯一一家同时具备强大APM背景和强大数据分析/AI（人工智能）能力的厂商。

12年以来， 博睿数据始终致力于“让IT运营更加智能”这一宏伟愿景， 持续为企业用户提供具有预见性、主动性、动态灵活以及业务特征中心化的业务洞察。

如今，博睿数据正在通过AIOps技术赋能IT运营，为企业提供高效的决策支撑，从而驶上开往人工智能时代的快车道。

博睿数据提升企业IT监控成熟度

< 动态基线> 基于历史数据，利用智能算法进行深度学习，对未来一段时间内每个时间点的数值进行精准预测，将预测值作为基线来监控和告警。

<异常检测> 通过历史数据的机器学习来动态预测数据的趋势，无须手动设置阈值，可以根据指标的数据特征自动识别异常。

<故障预测> 基于历史告警消息的相关性，对当前处于故障状态的警报可能造成的影响进行预测判断 ，从而实现故障的提前预警。

<根因分析> 基于智能算法对异常或者故障的根因进行分析，给出故障的根因推荐以及深入分析结果。

<智能合并> 基于聚类算法实现告警事件的智能合并，减少冗余告警事件对运维工作的干扰。

<知识工程> 基于智能算法构建决策支持知识库，实现与事件关联的相关知识识别与推荐。

业务动态基线波图

如上图所示，绿色曲线与蓝色曲线的波动趋势不太相符，所以出现较多时段的异常数据。

IT运维人员在对业务服务数据进行问题检测时，通常会使用动态基线来对实时数据进行检验和衡量。 在实时数据与动态基线数据两条曲线的拟合度相似的情况下，则该业务是较为健康的； 若动态基线与实时数据离散程度较大，则当前业务存在问题。

应用响应异常检测

如图所示，红色线则为异常数据时段。

IT运维人员在对应用服务运行状态的检测过程中，通 过AIOps的异常事件检测算法，可以判断图中红色区域的数据即为异常事件，深灰色条状区域为可容忍 的业务波动范围。同时，运维人员也可以通过数据集特征数据，对当前时段内数据进行事件聚合，全面分析当前事件对应用的全部影响波动范围。