运维数据治理：构筑智能运维的基石
本书对运维数据治理的概念进行深入的说明，构建了面向运维数据特点的数据治理方法框架，介绍了构建平台的相关采集、处理、计算、服务等各方面的技术实现手段和方法。
基本信息
【插图】
内容简介
目录
推荐序一
推荐序二
推荐序三
推荐序四
自序
前言
概念篇
第1章 运维数字世界2
1.1 元宇宙与数字世界3
1.2 全球范围内的数字化时代已至4
1.3 数字化世界面临的崩塌风险5
1.4 IT与运维的价值传递和创造5
1.5 数字化时代的运维挑战9
1.6 从人力运维（HIOps）到智能运维（AIOps）13
第2章 运维数据治理是数字化运维的新课题18
2.1 数据、算法、场景：工程化的“三驾马车”18
2.2 当前广泛认知的企业数据治理20
2.2.1 国家标准：GB/T 36073—201822
2.2.2 国家标准：GB/T 34960.5—201824
2.2.3 国际标准：ISO/IEC 38505-126
推荐序二
推荐序三
推荐序四
自序
前言
概念篇
第1章 运维数字世界2
1.1 元宇宙与数字世界3
1.2 全球范围内的数字化时代已至4
1.3 数字化世界面临的崩塌风险5
1.4 IT与运维的价值传递和创造5
1.5 数字化时代的运维挑战9
1.6 从人力运维（HIOps）到智能运维（AIOps）13
第2章 运维数据治理是数字化运维的新课题18
2.1 数据、算法、场景：工程化的“三驾马车”18
2.2 当前广泛认知的企业数据治理20
2.2.1 国家标准：GB/T 36073—201822
2.2.2 国家标准：GB/T 34960.5—201824
2.2.3 国际标准：ISO/IEC 38505-126
前言
上古时期：结绳记事
山西朔州峙峪遗址，距今二万八千年前，就已经有了结绳记事的记载。《周易注》提及：“结绳为约，事大，大结其绳，事小，小结其绳。”就是说根据事件的大小、类型和数量来结系不同的绳结，这说明在古代，人们就可以用“结绳记事”的形式对事物进行有效记录。
如今：元宇宙
美国东部时间2021年10月28日，在名为Facebook Connect的年度大会上，社交领域的巨头Facebook宣布改名为Meta，全力进军元宇宙领域。首席执行官马克·扎克伯格解释说，这家科技巨头将从一家社交媒体公司转变为“一家元宇宙公司”,在一个“实体互联网”中运作,比以往任何时候都更加融合现实和虚拟世界。
穿越三万年，将以上两个事件联系在一起的要素只有两个字：数据。
在21世纪，数据比历史任何时期都更加迅猛而深刻地改变着我们所认知的世界的一切：工作、学习、娱乐、健身、购物，甚至死亡和战争。我们比任何时候都更依赖数据，就像依赖空气和水。
就像大气治理和水治理一样，数据也需要治理。治理的本质是让事物从混沌走向清晰，不断克服“熵增”给人们带来的不确定性和恐惧心理。放到企业数据治理这个课题中，企业数据治理这个已经存在将近20年的领域，就是不断通过各种创新的模型方法和体系标准，制定和实施针对整个企业内数据的商业应用和技术管理的体系，包括组织、制度、流程和工具，它是企业实现数字战略的基础，也是数据价值实现的基本保障手段。
2016年是智能运维（AIOps）的元年，自全球著名的IT咨询机构Gartner在2016年正式提出AIOps以来，国内外各个企业与厂商都在积极探索与尝试利用大数据、机器学习等技术来改进和增强传统的IT运维能力（如在监控、自动化和服务管理等方向）。关于智能运维，业界有很多的定义、理解和解释，但笔者在2019年年底参加的Gartner全球I&O大会上，分析师Charley Rich一语道破了其本质：“智能运维的另外一个名字就是数据分析。”（My name is AIOps, but you can call me Data Analytics）所以，拨开迷雾，除了各种各样的数据应用场景、各种高深复杂的算法和各种各样酷炫的可视化，最基础的部分就是数据——运维数据是构建和落地智能运维的基石。
运维数据作为一类特殊的企业数据，自然也需要治理。
不幸的是，经过数年来的实践与摸爬滚打，人们发现，简单用面向“企业业务数据治理”的方法来解决“面向智能运维的运维数据治理”任务时，出现了很多的挑战和困难，这种挑战来自业务数据和运维数据的固有属性、数据模型以及上层数据消费场景的差异性，所以需要思考，用什么样的模型和方案能够更好地解决面向运维的数据治理问题。
需要靠心思和实战，还有时间来解决。
笔者供职的云智慧公司，在构建智能运维解决方案、产品技术平台以及多个项目的实施实践中，获得了一些有益的思考和感悟；在与华盛以及智能运维国家标准编写组的各位专家探讨“智能运维通用标准”以及“运维数据治理与管理标准体系建设”两个课题的时候，也得到了很多业界专家的很好的启发。所以，我和华盛一起商量着编写一本关于运维领域数据治理的专著，我们希望能够通过理念导入，让大家认知运维数据和运维数据治理这个领域的独特性及其与传统的数据治理之间的关系和差异。运维数据治理并不是全新的课题，它必须能够继承企业数据治理模型或者标准（如DAMA、DGI数据治理模型、GB/T 36073—2018等），以及好的顶层架构设计，在此基础上做战略对齐和执行规划。我们希望通过提出的理念和方法论以及实施层面的模型，能够对广大的IT技术人员和运维及运维研发人员有一个方法层面的帮助；基于这个参考对本企业的运维数据治理做规划设计的时候，能够充分考虑到运维场景以及运维数据的特殊性，并能将这些思考点融入每个阶段的实施过程中。当然，我们也给出了以往在一些项目中积累的实践案例，他山之石，可以攻玉，真心希望能对各位读者有所启发。
诚然，本书提出的各种观点和方法未必成熟，仅仅是我们对“运维数据治理”这一课题的浅薄理解和认知。我们也希望这个课题得到更多专家的关心与关注，就像软件产品一样，得到大家的帮助之后不断“敏捷迭代”式优化。所以，很期待对本书进行再版。
陆兴海
2022年1月1日
山西朔州峙峪遗址，距今二万八千年前，就已经有了结绳记事的记载。《周易注》提及：“结绳为约，事大，大结其绳，事小，小结其绳。”就是说根据事件的大小、类型和数量来结系不同的绳结，这说明在古代，人们就可以用“结绳记事”的形式对事物进行有效记录。
如今：元宇宙
美国东部时间2021年10月28日，在名为Facebook Connect的年度大会上，社交领域的巨头Facebook宣布改名为Meta，全力进军元宇宙领域。首席执行官马克·扎克伯格解释说，这家科技巨头将从一家社交媒体公司转变为“一家元宇宙公司”,在一个“实体互联网”中运作,比以往任何时候都更加融合现实和虚拟世界。
穿越三万年，将以上两个事件联系在一起的要素只有两个字：数据。
在21世纪，数据比历史任何时期都更加迅猛而深刻地改变着我们所认知的世界的一切：工作、学习、娱乐、健身、购物，甚至死亡和战争。我们比任何时候都更依赖数据，就像依赖空气和水。
就像大气治理和水治理一样，数据也需要治理。治理的本质是让事物从混沌走向清晰，不断克服“熵增”给人们带来的不确定性和恐惧心理。放到企业数据治理这个课题中，企业数据治理这个已经存在将近20年的领域，就是不断通过各种创新的模型方法和体系标准，制定和实施针对整个企业内数据的商业应用和技术管理的体系，包括组织、制度、流程和工具，它是企业实现数字战略的基础，也是数据价值实现的基本保障手段。
2016年是智能运维（AIOps）的元年，自全球著名的IT咨询机构Gartner在2016年正式提出AIOps以来，国内外各个企业与厂商都在积极探索与尝试利用大数据、机器学习等技术来改进和增强传统的IT运维能力（如在监控、自动化和服务管理等方向）。关于智能运维，业界有很多的定义、理解和解释，但笔者在2019年年底参加的Gartner全球I&O大会上，分析师Charley Rich一语道破了其本质：“智能运维的另外一个名字就是数据分析。”（My name is AIOps, but you can call me Data Analytics）所以，拨开迷雾，除了各种各样的数据应用场景、各种高深复杂的算法和各种各样酷炫的可视化，最基础的部分就是数据——运维数据是构建和落地智能运维的基石。
运维数据作为一类特殊的企业数据，自然也需要治理。
不幸的是，经过数年来的实践与摸爬滚打，人们发现，简单用面向“企业业务数据治理”的方法来解决“面向智能运维的运维数据治理”任务时，出现了很多的挑战和困难，这种挑战来自业务数据和运维数据的固有属性、数据模型以及上层数据消费场景的差异性，所以需要思考，用什么样的模型和方案能够更好地解决面向运维的数据治理问题。
需要靠心思和实战，还有时间来解决。
笔者供职的云智慧公司，在构建智能运维解决方案、产品技术平台以及多个项目的实施实践中，获得了一些有益的思考和感悟；在与华盛以及智能运维国家标准编写组的各位专家探讨“智能运维通用标准”以及“运维数据治理与管理标准体系建设”两个课题的时候，也得到了很多业界专家的很好的启发。所以，我和华盛一起商量着编写一本关于运维领域数据治理的专著，我们希望能够通过理念导入，让大家认知运维数据和运维数据治理这个领域的独特性及其与传统的数据治理之间的关系和差异。运维数据治理并不是全新的课题，它必须能够继承企业数据治理模型或者标准（如DAMA、DGI数据治理模型、GB/T 36073—2018等），以及好的顶层架构设计，在此基础上做战略对齐和执行规划。我们希望通过提出的理念和方法论以及实施层面的模型，能够对广大的IT技术人员和运维及运维研发人员有一个方法层面的帮助；基于这个参考对本企业的运维数据治理做规划设计的时候，能够充分考虑到运维场景以及运维数据的特殊性，并能将这些思考点融入每个阶段的实施过程中。当然，我们也给出了以往在一些项目中积累的实践案例，他山之石，可以攻玉，真心希望能对各位读者有所启发。
诚然，本书提出的各种观点和方法未必成熟，仅仅是我们对“运维数据治理”这一课题的浅薄理解和认知。我们也希望这个课题得到更多专家的关心与关注，就像软件产品一样，得到大家的帮助之后不断“敏捷迭代”式优化。所以，很期待对本书进行再版。
陆兴海
2022年1月1日
媒体评论
与传统的业务数据治理不同，本书着重说明在智能运维领域中如何进行运维数据治理，并通过对典型行业运维数据治理经验的总结，深入浅出地介绍了在数字化转型的背景下，运维数据治理技术平台的建设方法与应用。本书具有可参照性、可操作性和可阅读性，是运维数据治理领域值得一读的参考书。
—— 薛仲义， 国信证券金融科技总部渠道系统开发部总经理
本书针对当前大数据领域的数据孤岛、数据可用性弱、数据质量不高、融合应用难和有数据不会用等诸多问题，阐述了相应的解决方案。本书从关键行业的应用现状、应用痛点及实施建议等方面进行梳理、分析和归纳总结，为企业数据治理应用的有效落地提供参考。
—— 洪磊，交通银行太平洋信用卡中心运维负责人
本书是对大量成功实践的经验总结，不仅系统地介绍了数据治理的知识体系和底层逻辑，还提炼了智能数据运维体系建设的实践路径。本书堪称智能数据运维体系建设的航标灯，全方位地指导我们如何打好智能数据运维体系建设的组合拳，非常值得数据运维体系建设实干家们一读。
—— 彭磊，众邦银行金融科技创新部负责人
在市面上为数不多的数据治理书籍中，本书特别聚焦数据运营和数据驱动企业，无论题材的实用性，还是内容和深度，都是相当不错的。本书能够从理论到实践再到工具，清晰地回答了运维数据治理的各种问题，是值得一读的好书。
—— 邹国栋，思科公司IT战略师、Axelos ITIL专家
智能运维体系作为企业数字化转型的关键环节，其运维数据治理建设正处于“摸着石头过河”的阶段。本书通过大量的实践与经验，总结出一套智能运维数据治理建设的理论方法，为智能运维数据体系建设的探索者们提供很多专业指导。总而言之，本书是非常值得推荐、阅读和借鉴的。
—— 孙雪婷，前Axelos中国区总经理
—— 薛仲义， 国信证券金融科技总部渠道系统开发部总经理
本书针对当前大数据领域的数据孤岛、数据可用性弱、数据质量不高、融合应用难和有数据不会用等诸多问题，阐述了相应的解决方案。本书从关键行业的应用现状、应用痛点及实施建议等方面进行梳理、分析和归纳总结，为企业数据治理应用的有效落地提供参考。
—— 洪磊，交通银行太平洋信用卡中心运维负责人
本书是对大量成功实践的经验总结，不仅系统地介绍了数据治理的知识体系和底层逻辑，还提炼了智能数据运维体系建设的实践路径。本书堪称智能数据运维体系建设的航标灯，全方位地指导我们如何打好智能数据运维体系建设的组合拳，非常值得数据运维体系建设实干家们一读。
—— 彭磊，众邦银行金融科技创新部负责人
在市面上为数不多的数据治理书籍中，本书特别聚焦数据运营和数据驱动企业，无论题材的实用性，还是内容和深度，都是相当不错的。本书能够从理论到实践再到工具，清晰地回答了运维数据治理的各种问题，是值得一读的好书。
—— 邹国栋，思科公司IT战略师、Axelos ITIL专家
智能运维体系作为企业数字化转型的关键环节，其运维数据治理建设正处于“摸着石头过河”的阶段。本书通过大量的实践与经验，总结出一套智能运维数据治理建设的理论方法，为智能运维数据体系建设的探索者们提供很多专业指导。总而言之，本书是非常值得推荐、阅读和借鉴的。
—— 孙雪婷，前Axelos中国区总经理
