陸興海

推薦序一
推薦序二
推薦序三
推薦序四
自序
前言
 
概念篇
第1章運維數字世界2
1.1元宇宙與數字世界3
1.2全球範圍內的數位化時代已至4
1.3數位化世界面臨的崩塌風險5
1.4IT與運維的價值傳遞和創造5
1.5數位化時代的運維挑戰9
1.6從人力運維（HIOps）到智能運維（AIOps）13
 
第2章運維資料治理是數位化運維的新課題18
2.1資料、演算法、場景：工程化的“三駕馬車”18
2.2當前廣泛認知的企業資料治理20
2.2.1國家標準：GB/T36073—201822
2.2.2國家標準：GB/T34960.5—201824
2.2.3國際標準：ISO/IEC38505-126
2.2.4DAMA-DMBOK2資料管理知識體系指南27
2.2.5DGI資料治理模型29
2.3運維資料治理面臨的新挑戰30
2.3.1業務資料及其治理的應用場景32
2.3.2對狹義運維資料的抽象認識34
2.3.3運維資料治理的特色之一：配置管理CMDB36
2.3.4運維資料治理的特色之二：運維指標體系管理38
2.3.5運維資料治理的特色之三：調用鏈路及其應用場景40
2.3.6運維資料治理呼喚新思考和新方法43
2.4運維資料治理模型44
 
方法篇
第3章數據昇華之路：從運維數據到資產50
3.1認識運維資料原材料51
3.1.1運維數據全景51
3.1.2運維資料類型聚焦資料應用53
3.1.3運維資料形式聚焦平臺化建設57
3.1.4運維資料載體抽象資料處理技術65
3.2運維數據資產化之路68
3.2.1面臨的問題68
3.2.2運維數據資產化70
3.3運維資料平臺72
3.4小結73
 
第4章運維數字地圖：中繼資料74
4.1認識運維數位世界75
4.1.1運維早已身處數字世界75
4.1.2數位地圖描述運維數位世界77
4.1.3運維中繼資料模型80
4.2中繼資料描述運維物件81
4.2.1運維物件是運維數位世界的基本原材料81
4.2.2CMDB描述運維物件82
4.2.3中繼資料賦予CMDB步入新的階段84
4.3中繼資料描述運維指標86
4.3.1運維指標的構建目的86
4.3.2運維指標需要中繼資料管理87
4.3.3基於運維指標體系建立指標中繼資料管理88
4.4構建系統架構關係89
4.4.1架構與架構資產化89
4.4.2串聯運維物件的橫縱關係92
4.5運維中繼資料管理技術架構94
4.5.1中繼資料的採集與存儲94
4.5.2中繼資料的監控與管理96
4.5.3中繼資料的分析與服務96
4.6運維知識管理97
4.7小結98
 
第5章主數據之魂：運維指標體系100
5.1運維主資料管理思路101
5.2不同領域指標體系的建設經驗102
5.2.1國外指標體系理論方法趨於成熟102
5.2.2國內積極探索指標體系建設方法104
5.3指標體系的概念和類型108
5.3.1認識指標108
5.3.2指標體系的類型112
5.3.3構建運維指標體系的價值112
5.4數位化運維指標體系構建的方法論114
5.4.1D-CREAM模型114
5.4.2指標體系實施步驟116
5.4.3數位化運維指標涵蓋的內容118
5.4.4IT卓越運營指標118
5.4.5指標的生產與管理121
5.5小結125
 
第6章標準化先行：運維資料標準前移126
6.1標準化概述以及資料標準的內涵127
6.1.1統一的共識：資料標準定義127
6.1.2資料標準的典型分類方式128
6.1.3國內資料標準和規範概況129
6.2運維資料標準面臨的挑戰及落地方法130
6.2.1面臨的挑戰130
6.2.2落地運維標準的系統化方法131
6.3運維資料標準落地實踐133
6.3.1運維資料之日誌標準化的範圍134
6.3.2運維資料之日誌標準化的投入分析136
6.3.3運維資料之日誌標準化的執行方案137
6.3.4運維資料之日誌標準化的技術賦能139
6.3.5運維資料之日誌標準化的標準運營141
6.4小結143
 
第7章運維資料安全管理144
7.1資料安全治理概述145
7.1.1資料安全正面臨更多的嚴峻挑戰145
7.1.2資料安全治理已經受到高度重視146
7.1.3運維資料安全治理的定義及內涵147
7.2運維資料安全分析148
7.2.1資料安全的五個影響階段148
7.2.2運維資料安全形勢解析149
7.2.3運維資料安全治理原則150
7.3運維資料安全治理體系151
7.3.1運維資料安全體系的架構151
7.3.2運維資料安全的組織保障152
7.3.3運維資料安全的流程保障153
7.3.4運維資料安全的技術平臺154
7.3.5運維資料安全的實施路線157
7.4小結158
 
第8章運維資料品質治理159
8.1資料品質治理概述160
8.1.1運維資料品質管理釋義160
8.1.2運維資料品質面臨的挑戰161
8.1.3影響運維資料品質的因素162
8.2運維資料品質管理分析指標163
8.3運維資料品質管理方法165
8.3.1構建三位一體的運維資料品質管理165
8.3.2建立體系化的運維資料品質組織管理167
8.3.3制定資料品質管理流程閉環169
8.3.4資料品質全生命週期的技術平臺思路171
8.4探討運維資料品質監測平臺的技術實現173
8.4.1品質監測平臺建設思路173
8.4.2資料品質保障174
8.4.3資料安全保障177
8.5小結178
 
實施篇
第9章策劃階段182
9.1謀定而後動：策劃先行182
9.2價值主張為最終價值服務183
9.3發展基線的現狀梳理185
9.4擘畫戰略藍圖186
9.5指引實施的路線規劃187
9.6小結189
 
第10章建設階段190
10.1圍繞“四位一體”的建設工作190
10.2面向敏捷協作的組織架構191
10.3制度流程是建設保障195
10.4落地支撐與賦能：技術平臺198
10.5面向不同類別的治理場景200
10.6小結202
 
第11章運營階段203
11.1面向持續改進的治理運營203
11.2發現“不匹配”：品質監測204
11.2.1運維資料品質感知204
11.2.2制定異常優化決策206
11.2.3跟蹤決策執行落地207
11.3運維數據的視覺化208
11.4實施資料治理的資源保障211
11.5小結212
 
案例篇
第12章某股份制銀行運維指標體系管理實踐216
12.1新運維對運維指標管理的新挑戰216
12.2指標體系管理的建設目標218
12.3建設方案和落地實踐220
12.3.1指標管理體系的頂層設計規劃220
12.3.2“三階段”實現指標體系落地221
12.4運維指標體系建設價值成果226
 
第13章某省級運營商新一代配置管理建設227
13.1新一代配置管理面臨的挑戰227
13.2新一代CMDB的建設目標229
13.3建設方案和落地實踐231
13.3.1新一代配置管理的總體規劃231
13.3.2配置管理的落地實踐233
13.4建設價值成果241
 
第14章某大型移動支付企業資料平臺建設實踐243
14.1運維資料平臺建設帶來的挑戰243
14.2運維資料平臺建設的原則及目標244
14.2.1建設目標：打破IT數據孤島244
14.2.2建設中考慮的多個原則246
14.3建設方案和落地實踐248
14.3.1基於資料管理需求的資料平臺建設方案248
14.3.2運維資料平臺功能架構250
14.3.3基於流程指標的資料運營254
14.4建設價值特色與成果260
致謝261

上古時期：結繩記事

山西朔州峙峪遺址，距今二萬八千年前，就已經有了結繩記事的記載。《周易注》提及：“結繩為約，事大，大結其繩，事小，小結其繩。”就是說根據事件的大小、類型和數量來結系不同的繩結，這說明在古代，人們就可以用“結繩記事”的形式對事物進行有效記錄。

如今：元宇宙

美國東部時間2021年10月28日，在名為Facebook Connect的年度大會上，社交領域的巨頭Facebook宣佈改名為Meta，全力進軍元宇宙領域。首席執行官馬克·紮克伯格解釋說，這家科技巨頭將從一家社交媒體公司轉變為“一家元宇宙公司”,在一個“實體互聯網”中運作,比以往任何時候都更加融合現實和虛擬世界。

穿越三萬年，將以上兩個事件聯繫在一起的要素只有兩個字：數據。

在21世紀，資料比歷史任何時期都更加迅猛而深刻地改變著我們所認知的世界的一切：工作、學習、娛樂、健身、購物，甚至死亡和戰爭。我們比任何時候都更依賴資料，就像依賴空氣和水。

就像大氣治理和水治理一樣，資料也需要治理。治理的本質是讓事物從混沌走向清晰，不斷克服“熵增”給人們帶來的不確定性和恐懼心理。放到企業資料治理這個課題中，企業資料治理這個已經存在將近20年的領域，就是不斷通過各種創新的模型方法和體系標準，制定和實施針對整個企業內資料的商業應用和技術管理的體系，包括組織、制度、流程和工具，它是企業實現數字戰略的基礎，也是資料價值實現的基本保障手段。

2016年是智慧運維（AIOps）的元年，自全球著名的IT諮詢機構Gartner在2016年正式提出AIOps以來，國內外各個企業與廠商都在積極探索與嘗試利用大資料、機器學習等技術來改進和增強傳統的IT運維能力（如在監控、自動化和服務管理等方向）。關於智慧運維，業界有很多的定義、理解和解釋，但筆者在2019年年底參加的Gartner全球I&O大會上，分析師Charley Rich一語道破了其本質：“智慧運維的另外一個名字就是資料分析。”（My name is AIOps, but you can call me Data Analytics）所以，撥開迷霧，除了各種各樣的資料應用場景、各種高深複雜的演算法和各種各樣酷炫的視覺化，最基礎的部分就是資料——運維資料是構建和落地智慧運維的基石。

運維資料作為一類特殊的企業資料，自然也需要治理。

不幸的是，經過數年來的實踐與摸爬滾打，人們發現，簡單用面向“企業業務資料治理”的方法來解決“面向智慧運維的運維資料治理”任務時，出現了很多的挑戰和困難，這種挑戰來自業務資料和運維資料的固有屬性、資料模型以及上層資料消費場景的差異性，所以需要思考，用什麼樣的模型和方案能夠更好地解決面向運維的資料治理問題。

需要靠心思和實戰，還有時間來解決。

筆者供職的雲智慧公司，在構建智慧運維解決方案、產品技術平臺以及多個專案的實施實踐中，獲得了一些有益的思考和感悟；在與華盛以及智慧運維國家標準編寫組的各位專家探討“智慧運維通用標準”以及“運維資料治理與管理標準體系建設”兩個課題的時候，也得到了很多業界專家的很好的啟發。所以，我和華盛一起商量著編寫一本關於運維領域資料治理的專著，我們希望能夠通過理念導入，讓大家認知運維資料和運維資料治理這個領域的獨特性及其與傳統的資料治理之間的關係和差異。運維資料治理並不是全新的課題，它必須能夠繼承企業資料治理模型或者標準（如DAMA、DGI資料治理模型、GB/T 36073—2018等），以及好的頂層架構設計，在此基礎上做戰略對齊和執行規劃。我們希望通過提出的理念和方法論以及實施層面的模型，能夠對廣大的IT技術人員和運維及運維研發人員有一個方法層面的幫助；基於這個參考對本企業的運維資料治理做規劃設計的時候，能夠充分考慮到運維場景以及運維資料的特殊性，並能將這些思考點融入每個階段的實施過程中。當然，我們也給出了以往在一些項目中積累的實踐案例，他山之石，可以攻玉，真心希望能對各位讀者有所啟發。

誠然，本書提出的各種觀點和方法未必成熟，僅僅是我們對“運維資料治理”這一課題的淺薄理解和認知。我們也希望這個課題得到更多專家的關心與關注，就像軟體產品一樣，得到大家的幫助之後不斷“敏捷反覆運算”式優化。所以，很期待對本書進行再版。

陸興海
2022年1月1日