8.1 智能化趋势：AIOps与自愈网络

8.1 智能化趋势：AIOps 与自愈网络

演化方向的第一站是运维自动化。承上：6.3 节的可见性平台让"人看数据"成为可能，本节讨论"机器看数据、机器做决策"还差多远。启下：8.3 节的标准生态决定了这些自动化能力的可移植性。读完本节，你应当能给自己网络的自愈就绪度打分，并列出当下就能落地的自动化先行清单。

从看板到闭环

把 6.3 节的排障工作流再读一遍：症状进平台、看告警、查体检单、叠变更线、出结论、执行处置。这个流程里真正需要人类判断的环节其实很薄——多数步骤是查表与比对。AIOps 要做的就是把这条流程的执行权逐步交给机器，形成感知、决策、执行、验证的闭环：感知层消费遥测（3.2 节的体检单是现成的）；决策层定位根因并选择动作（告警聚合、根因排序）；执行层下发动作（切换、扩容、隔离）；验证层确认动作生效并把结果写回数据集（供下次决策参考）。第 3 章的选路切换其实已经是一个微缩自愈闭环——感知（探测）、决策（策略表）、执行（流表更新）、验证（切换后指标回读），一应俱全。

图：演化路线：从人工运维到闭环自愈的台阶

就绪度评分表

把"五问自评"升级成可打分的表格，供项目组每年自测一次。每问按 0 至 2 分打分（0 缺失、1 部分、2 完备）：

总分 0 至 3 分：先补数据基础，任何 AI 采购都暂停；4 至 7 分：适合上规则自动化与试点性的智能诊断；8 至 10 分：具备闭环自愈的数据条件，可以进入厂商能力评估。这张表也是向管理层解释"为什么暂时不买智能平台"的最佳工具——评分摆在那里，规划有了依据。

根因定位：价值最高也最难的一步

闭环里最难的是决策层的根因定位。规则引擎能处理显式因果（上游链路断引发下游隧道告警——拓扑关系写死即可），处理不了隐式因果（某运营商骨干调度变化引发多个站点间歇劣化——需要跨站点数据关联）。机器学习的用武之地正在后者：把全网的事件流做时序对齐与模式匹配，输出"疑似同源"的告警簇。工程上的现实预期：这类能力目前是辅助定位（把排查范围缩小）而非自主决策（直接执行处置）——因为它会错，而错误决策的代价（误切换、误隔离）可能比人工慢几步更高。采购带"AI 诊断"功能的平台时，验收口径应该是"疑似根因排序的命中率"，而不是听厂商演示里的丝滑案例。

自动化的权限设计

自愈还引出一个传统网络没有的问题：机器做事的权限边界。人工运维时代，高危操作靠审批流；自动化时代，动作清单要分级授权——低风险动作（切换、开纠错、扩容）允许机器自动执行；中风险（隔离站点、改策略）执行前通知人，超时未否决则执行；高风险（全网策略变更、固件批量升级）永远人工触发。这套分级要写成配置而非口头约定，并定期演练"自动动作的回滚"。8.3 节的标准工作里，自动化接口的规范化正是为了让这类权限描述可移植。

自动化动作清单模板

把 8.1 正文的分级授权落成可直接使用的清单模板。自动执行级（机器做完留记录）：链路越限切换、自适应 FEC 开关、备份链路拨号唤醒、告警聚合去重、例行巡检报告。通知后执行级（通知值班，超时未否决则执行）：单站点隔离（疑似失陷）、链路整体切换（影响面大于单应用）、云网关实例扩容。人工专属级（任何情况下机器不得执行）：全网策略变更、批量固件升级、控制器集群操作、安全策略的放宽方向修改。每个动作除了分级，还要登记三要素：前置条件（什么状态下允许触发）、回滚动作（执行失败或误判时怎么撤）、影响半径（最多影响多少站点多少应用）。三要素没写清的动作不许上自动化——这是比模型精度重要得多的工程约束。

清单模板的维护节奏：每季度评审一次，把运行中暴露的误判动作降级或加前置条件，把连续半年零误判的动作升级自动化等级。自动化体系的成熟是渐进的，靠的是这份清单的持续演进，不是一次性的"智能上线"。

问题：AIOps 与自动化运维是什么关系？

自动化是手，AIOps 是脑。规则驱动的自动化（阈值触发切换、定时巡检）不需要任何机器学习，它是确定性的因果表达，8.1 正文已强调这些应该先行落地。AIOps 的增量在于处理规则写不完的场景：多变量耦合的根因（几十条告警背后的共同源头）、渐变劣化的预测（慢性拥塞的早期识别）、异常模式识别（流量形态偏离基线）。判断一个平台是"真 AIOps"还是"自动化加营销词"，看它对这三类场景有没有可验证的案例与验收口径——问"上个月你们的根因推荐在多少个客户环境里被运维采纳了"，比看任何架构图都灵。

一个自动化落地的完整例子

把"先行清单"里的单项落地走成实例，选"链路劣化自动开纠错"这条。动作定义：当某隧道的体检单丢包平滑值连续两个统计窗口高于 0.5%，自动为该隧道上的实时类应用组开启自适应 FEC；丢包回落到 0.3% 以下并持续五个窗口后自动关闭。分级归属：自动执行级——影响面限于单隧道单应用组，回滚动作就是关闭开关。前置条件：该链路带宽余量高于 30%（保证 FEC 冗余开销不致拥塞）；夜间批量窗口内不自动开启（避免与备份流量叠加）。验证闭环：动作执行后向平台写入一条"动作-原因-结果"记录，一个月后统计自动开启的次数、平均持续时长、对应时段的用户投诉变化——这份数字决定该规则是保留、调参还是下线。整个过程没有任何机器学习，却是货真价实的"自愈"：感知（体检单越限）、决策（规则判定）、执行（开 FEC）、验证（记录与复盘）四段俱全。企业自动化的成熟度，就是被几十条这样的规则堆出来的。

本节要点

• AIOps 的闭环结构是感知、决策、执行、验证；第 3 章的选路切换已是微缩闭环。
• 就绪度五问先于模型：数据结构化、事件带结果字段、告警治理、可自动化动作清单、变更可机读。
• 根因定位的现实预期是辅助定位而非自主决策；验收看疑似根因命中率，不看演示。
• 动作分级授权要写成配置：低风险自动、中风险通知后执行、高风险永久人工。
• 规则引擎能落地的自动化先行清单现在就能排期，不必等任何 AI 功能。

链路侧的演化在哪？下一节看 5G 给混合接入带来的新变量。