클라우드 네이티브 운영 및 유지 관리를 단순화하는 방법

클라우드 컴퓨팅은 강화, 효율성, 유연성 및 비즈니스 민첩성을 제공할 뿐만 아니라 클라우드 운영 및 유지 관리에 전례 없는 과제를 제기합니다. 새로운 기술 동향의 과제에 대처하고, 클라우드 시대에 맞는 지능형 모니터링 플랫폼을 구축하고, 클라우드 애플리케이션에 대한 더 나은 보호를 제공하는 방법은 오늘날 모든 기업이 직면한 어려운 문제입니다.

최근 [T·Talk] 시리즈 8호 행사에서 51CTO 콘텐츠 센터는 Chengyun Products의 Zhang Huaipeng 부사장을 생방송실에 특별히 초대하여 디지털 관찰 도구 제작에 대한 경험과 생각을 공유했습니다. 클라우드 시대에. [T·Talk]에서도 이번 호의 흥미진진한 내용을 모아보았는데, 여러분께서도 뭔가 얻으실 수 있었으면 좋겠습니다.

​

디지털 전환의 물결 속에서 디지털 운영의 페인 포인트

디지털 전환 디지털 경제 건설이 시대적 흐름 시대의 주요 흐름인 디지털 전환은 인류 역사상 4차 산업혁명이라고 할 수 있습니다. 우리의 일상 업무 방식, 결제 방식, 여행 방식을 포함한 쇼핑 방식 모두 디지털화의 영향을 항상 받고 있습니다. 쉽게 말하면 전통적인 IT시대에서 이제 디지털 DT 시대로 진입한 것입니다.

디지털 DT 시대에 디지털 혁신은 기업의 현재 비즈니스와 비즈니스 경험 방식을 거의 재정의했습니다. 그러나 다양한 산업의 디지털 전환이 계속 심화되면서 디지털 애플리케이션 사고가 점점 더 많이 나타나기 시작했습니다. 예를 들어, 연초에 특정 지방이나 시에서 발생한 보건 코드 붕괴와 핵산 검사 시스템 이상은 사회에 큰 영향을 미쳤습니다.

조사에 따르면 현재 CEO의 60%가 디지털 트랜스포메이션이 매우 중요하다고 생각하고 있으며, 기업 역시 이 그룹의 리더십 하에 디지털 트랜스포메이션과 인공지능 진화를 향해 큰 진전을 이루고 있습니다. 사람들의. 그러나 대조적으로 기업 애플리케이션의 95%는 효과적인 모니터링과 관심을 받지 못했습니다.

현재 디지털 운영 방식의 대부분은 전통적인 데이터 센터 시대에 제작되었으며, 많은 도구나 기술이 클라우드 컴퓨팅 시나리오를 고려하지 않았습니다. 클라우드 컴퓨팅의 인기로 인해 정보화 시나리오는 획기적인 변화를 겪었습니다. 점점 더 많은 배포가 이루어지고, 종속성이 더욱 복잡해지고, 소프트웨어 반복 속도가 점점 더 빨라지면서 애플리케이션 자체의 복잡성이 폭발적으로 증가했습니다. 이러한 시나리오에서 기업은 DT 시대의 비즈니스 및 데이터 흐름을 기반으로 하는 솔루션 세트를 시급히 구축해야 합니다.

DT 시대에는 현재 매우 인기 있는 클라우드 네이티브와 같은 새로운 기술과 새로운 시나리오가 너무 많이 생산되었습니다. 클라우드 네이티브의 요구 사항은 전통적인 운영 및 유지 관리에서 애플리케이션 운영 및 유지 관리로의 진화를 가속화했습니다. 기존 시나리오에는 많은 양의 인프라가 있지만 기업이 클라우드로 이동하면 인프라는 운영자 또는 운영자에 의해 호스팅됩니다. 기업은 더 이상 기존 컴퓨터실 관리, 약한 전류 관리, 하드웨어 모니터링, 베어메탈 모니터링을 제공할 필요가 없습니다. , UPS 구성, 전기, 온도 및 습도에 대한 문제. 따라서 전통적인 장비 운영 및 유지 관리는 사이트 안정성 애플리케이션 중심의 운영 및 유지 관리로 진화했으며 기업은 전통적인 운영 및 유지 관리에 대한 투자를 점점 더 줄일 것입니다.

현재 지능형 운영 및 유지보수로의 전환 단계에 있습니다. 지금 해야 할 일은 디지털 운영 및 유지관리와 IT 운영 및 유지관리를 더 가볍고, 더 빠르고, 더 저렴하게 만드는 것입니다. 운영 및 유지보수 팀의 에너지는 기업 비즈니스 자체에 집중되어야 하며, 비즈니스는 운영 및 유지보수 담당자가 관심을 기울여야 할 핵심 문제입니다. 이로 인해 지능형 운영 및 유지 관리에 대한 수요가 높아질 것입니다.

기업이 지능형 운영 및 유지 관리를 위한 일반적인 기술 경로

1. 지능형 운영 및 유지 관리란 무엇입니까

지능형 운영 및 유지 관리와 관련하여 Forrester와 Gartner는 보고서에서 이를 정의했습니다. AIOps는 AI의 집합입니다. 비즈니스 및 운영 데이터 도메인에 적용되는 운영 및 데이터 과학을 통해 실시간 규범 및 예측 답변을 제공할 수 있는 상관 관계 및 소프트웨어 시스템을 생성합니다. AIOps는 소프트웨어 시스템일 수 있으므로 구현된 제품일 수 있습니다. AIOps는 가용성 및 성능 모니터링, 이벤트 상관관계 및 분석, IT 서비스 관리 및 자동화를 포함하여 기존의 주요 IT 운영 및 유지 관리 기능을 향상하고 부분적으로 대체할 수 있습니다.

AIOps는 운영을 지향하며, 운영은 관찰, 관리, 폐기의 세 가지 측면을 포괄해야 합니다. 그러나 현재 업계 전반의 수준은 관찰 수준에 더 중점을 두고 있습니다. Forrester는 이에 대해 다음과 같은 고전적인 성명도 발표했습니다. AIOps는 더 강력한 관찰 가능성과 안정성을 약속합니다.

Forrester는 현재 AIOps의 핵심 가치 중 하나가 사전 이벤트 기능을 강화하고 관찰 가능한 기능을 향상 및 확장하는 것이라고 믿습니다.

2. 관찰 가능성이란 무엇입니까

관찰 가능성은 시스템이 외부 출력에서 ​​내부 상태를 추론할 수 있는 정도를 나타내는 제어 이론에서 처음 탄생했습니다. IT 분야에서 Gartner는 관찰 가능성을 소프트웨어 및 시스템의 특성으로 정의합니다. 구체적으로 말하면, 시스템에서 생성된 원격 측정 데이터를 기반으로 현재 시스템 상태 및 시스템 상태를 판단하는 능력을 말합니다. 이 능력은 관찰 가능성(observability)입니다.

​

가관측성이 필요한 이유는 무엇인가요?

기존 모니터링 기술과 도구는 점점 더 분산되는 현재 아키텍처에서 통신 경로와 종속성을 추적하기 어렵습니다. 클라우드 네이티브 시나리오 또는 클라우드 시나리오에서 종속성은 매우 복잡하며 더 이상 많은 기존 모놀리식 아키텍처만큼 복잡하지 않습니다. 동일합니다. 관찰성은 복잡한 시스템을 더 잘 제어할 수 있습니다. 관찰성의 세 가지 데이터 기둥을 통해 우리는 매우 직관적이고 상세한 방식으로 복잡한 시스템의 모든 측면을 이해할 수 있습니다.

Observability는 운영 및 유지 관리 서비스뿐만 아니라 개발 부서, SRE 부서, 지원 부서, 마케팅 부서 및 비즈니스 부서에도 서비스를 제공합니다. 따라서 AIOps와 Observability를 통합하여 통합 플랫폼을 만들 수 있다면 일석이조의 완벽한 제품을 얻게 될 것입니다.

3 기업이 지능형 IT 운영 및 유지 관리로 이어지는 두 가지 일반적인 기술 경로

기업이 지능형 IT 운영 및 유지 관리로 이어지는 두 가지 일반적인 기술 경로는 "플러그인 AIOps"와 " 내생적 AIOps" . 플러그인 AIOps는 바이패스를 통해 AIOps 플랫폼을 기업 IT 운영 및 유지 관리 환경에 이식합니다. AIOps는 기업의 이기종 데이터에 접근한 후 데이터 엔지니어를 활용하여 데이터 간의 종속성을 분류하고 빅데이터 처리 기술을 사용하여 프로젝트 기반 제공을 달성하는 독립적인 알고리즘 플랫폼입니다.

내생적 AIOps는 통합된 기술 경로를 강조하며, 내생적 AIOps 엔진을 통해 데이터 엔지니어의 참여 없이 전체 데이터 처리 프로세스의 폐쇄 루프를 실현할 수 있습니다. 특급 배송 프로세스와 마찬가지로 보낸 사람의 항목은 데이터와 동일합니다. 데이터를 획득한 후 배송업체는 포장, 창고 보관, 발송, 운송 및 기타 작업을 수행합니다. 그러나 결국 수신자는 항목을 받게 되며 그 사이의 모든 처리 단계는 발송인과 수신자가 처리할 필요가 없습니다. 내생적 AIOps는 이 기능을 강조하고 AI 기능을 통합 관측 플랫폼에 내장합니다.

기술 구현의 차이점:

플러그인 AIOps는 일반적으로 전통적인 기계 학습 AI를 사용합니다. 이 기술은 본질적으로 경보 위험을 줄이는 것을 목표로 지표, 로그, 이벤트 및 기타 정보를 연관시키고 분석하는 통계 방법입니다. 소음. 머신러닝 AI를 통해 일련의 상관된 경고를 얻을 수 있습니다. 따라서 일정 기간이 필요합니다. 일반적으로 플러그인 AIOps는 권장 사항이나 가능한 근본 원인을 찾기 위해 수동 작업이나 기록 기록이 필요합니다.

동시에 플러그인 AIOps에는 많은 양의 외부 데이터 의존성이 필요하며 플러그인 AIOps 제조업체는 일반적으로 알고리즘 플랫폼만 만듭니다. 데이터 정리, CMDB 엔터티 간의 종속성 등에는 모두 외부 데이터가 필요합니다. 따라서 플러그인 AIOps를 구현하려면 매우 성숙한 정보 운영 및 유지 관리 시스템이 필요하며, 플러그인을 구현하기 전에 데이터 호출, APM 제품 보유 및 상대적으로 완전한 관찰 가능성이 있어야 합니다. AIOps에서.

내생적 AIOps는 결정론적 분석 결과를 목표로 하는 결정론적 인공지능 분석을 제공합니다. 즉, 문제가 발생한 후 문제의 근본 원인이 결정론적이며 거의 실시간 결과입니다. 내생적 AIOps는 매우 높은 실시간 성능을 갖춘 매트릭스 종속성 맵을 유지합니다. 이 기술은 기존의 정적 CMDB에 의존할 필요가 없으며 대신 종속성 맵 자체가 종속성을 통합할 수 있는 실시간 CMDB와 동일합니다. 실시간으로 변화하고, 내생적 관계를 통해 경영분석을 실현합니다.

기업은 자신에게 적합한 기술 경로를 어떻게 선택하나요?

AIOps 구현 수준에서 기업은 또한 많은 문제를 고려해야 합니다. 사업 관리자의 입장에서는 비용, 팀 등 기본적인 문제 외에도 부서 간 균형, 비용, 안정성, 효율성 간의 균형도 고려해야 합니다. AIOps의 목표는 문제를 해결하는 것뿐만 아니라 합리적으로 해결하는 것입니다. 비용을 보장하는 동시에 비즈니스의 안정성과 효율성을 극대화할 수 있습니다.

은 기업이 AIOps를 구현할 때 고려해야 할 다음과 같은 주요 기능을 가지고 있다고 Forrester 보고서에서 언급했습니다.

• AIOps 플랫폼 및 ITOM 도구 체인이 원활할 수 있는지 여부 리 통합되어 높은 수준의 자동화를 달성할 수 있는지 여부
• AIOps 플랫폼은 기본 데이터에 큰 중요성을 부여합니다. 기본 데이터에는 클라우드 기본 종속성과 클라우드 기본 머신 데이터 정보가 포함됩니다.
• 전체 서비스 종속성 지도 및 구성 자동화 파노라마
• AIOps의 미래는 지능형 관찰 인식 및 자동화의 구현입니다
• 근본 원인 분석 및 사고 해결 계획의 자동화 정도
• 현대 기술 운영에는 지능형 및 자동화가 필요합니다

Look 데이터 처리 프로세스의 두 가지 기술 경로 간의 차이점:

전통적인 AIOps 플랫폼, 즉 플러그인 AIOps 플랫폼은 데이터 처리 프로세스 중에 여러 도구를 사용하여 데이터 처리 프로세스 중에 흔들리는 세트를 생성합니다. 빅데이터 시스템의. 직원 교체가 발생하면 새로운 인수인계에는 막대한 기술 부채가 남을 가능성이 매우 높습니다.

데이터 수집의 첫 번째 단계에서는 수많은 오픈 소스 및 상용 도구에 의존해야 합니다. 두 번째 단계는 데이터를 빅데이터 플랫폼에 주입하는 것입니다. 세 번째 단계는 수동으로 데이터 관계를 정렬하고 데이터를 정리하는 것입니다. 처음 세 단계는 시간이 많이 걸립니다. 네 번째 단계는 문제를 발견하고 찾아내는 것입니다. 이 단계에서만 AIOps 벤더가 개입하여 온디맨드 구축을 위해 벤더 팀을 배치해야 합니다. 제조업체는 요구 사항을 문의하고 해당 서비스를 제공합니다. 다섯째, 대시보드를 구축하세요. 여섯째, 시스템 확장은 응용 시스템의 규모가 커질수록 전체 시스템이 선형적으로 성장한다는 점이다.

전체 프로세스에서 데이터 엔지니어는 데이터 정리, 수집 및 구성에 거의 80%의 시간을 소비해야 합니다. 전체 솔루션에는 두 분야 모두에서 최첨단 운영 및 유지 관리 인재가 필요합니다. 운영 및 유지 관리 측면에서도 Dimension 전문가는 알고리즘과 개발을 이해해야 합니다. AIOps 자체는 문제 해결을 위해 사용되는 지원 시스템이지만, 플러그인 AIOps는 운영 및 유지 관리가 더 무거워질 가능성이 높으며 AIOps 플랫폼 자체를 유지 관리하기 위한 전담 팀이 필요합니다.

내생적 AIOps의 데이터 처리 과정은 매우 간단하며, 하나의 도구로 데이터 수집 문제를 해결할 수 있습니다. 그리고 고도로 상용화된 제품이기 때문에 엔진을 포함하여 즉시 사용 가능한 대시보드 기능을 갖추고 있습니다. 따라서 후속 처리 절차는 모두 블랙박스이므로 회사가 너무 많은 주의를 기울일 필요가 없으며 비즈니스 엔지니어가 알고리즘을 이해하고 SRE의 기술 수준을 가질 필요도 없습니다.

동시에, 기업 비즈니스 시스템의 규모가 확장됨에 따라 내생적 AIOps는 비선형적으로 성장할 것입니다. 사용자 팀과 제품을 포함한 전체 시스템이 비선형적으로 성장하고 있습니다. 전체 솔루션이 배치되면 기업은 에이전트 하나만 설치하면 되며 이후의 많은 기능이 자동화됩니다. 이를 통해 회사의 운영 및 유지보수 인력은 회사 본연의 업무에만 집중할 수 있습니다.

요약:

업계에는 전체 데이터 처리 프로세스를 완벽하게 포괄할 수 있는 차세대 소프트웨어 인텔리전스 플랫폼이 필요합니다. 원시 데이터를 제시하는 것이 아닌, 고객이 원하는 결과를 직접 전달하세요. 일반적으로 플러그인 AIOps와 내생적 AIOps의 두 가지 기술 경로 중에서 기업에서는 지능형 운영 및 유지 관리의 새로운 패러다임에 속하는 내생적 AIOps를 사용하는 것이 더 권장됩니다.

​

내생적 AIOps는 클라우드 네이티브 운영 및 유지 관리를 단순화하는 데 도움이 됩니다.

내생적 AIOps 플랫폼의 목표는 AIOps와 관측 가능성을 통합하는 통합 플랫폼을 구축하는 것입니다. 관찰 기능이 필요하며, 관찰 기능은 애플리케이션 모니터링을 중심으로 이루어져야 합니다. 애플리케이션 모니터링은 최종 사용자가 직면하는 현상 계층입니다. 동시에 클라우드 플랫폼 모니터링, 블랙박스 모니터링 등 인프라 모니터링을 통합하는 것도 필요하다. 마지막으로 프런트엔드 디지털 경험을 제공할 수 있는 능력도 필요합니다.

새로운 AIOps 플랫폼은 데이터 액세스부터 데이터 결과 출력까지 지속적인 자동화를 구현해야 합니다. 사전 역량과 예측, 경고 능력이 필요합니다.

새로운 AIOps 플랫폼은 기업에 원본 데이터와 원본 부분을 보여줄 뿐만 아니라 현상, 경험에 주의를 기울이고 정확한 결과를 제공하여 높은 수준의 관찰성을 제공해야 합니다. 대규모 소음이 기업에 미치는 영향과 간섭을 최대한 많이.

내생적 AIOps의 데이터 처리 모델은 데이터 수집에서 에이전트의 능력을 강조하는 등 많은 차이점이 있습니다. 데이터 처리 측면에서 지표 시스템의 구성은 기존 방식과 다르다는 점을 강조합니다.

내생적 AIOps 플랫폼은 주로 다음 5가지 측면에서 클라우드 네이티브 운영 및 유지 관리를 단순화하는 데 도움이 됩니다.

• 내생적 AIOps 플랫폼은 고품질 관찰 데이터를 직접 얻을 수 있습니다
• 지속적인 자동화 역량을 창출할 수 있어 운영 및 유지관리 업무 효율성이 높아집니다
• 플랫폼에서는 실시간 매트릭스 토폴로지를 구축할 수 있고 사진으로 검색할 수 있으며
• 즉시 영향 분석을 출력할 수 있습니다
• 근본 원인을 지적하고 결과를 목격하세요

1. 고품질의 관측 데이터를 직접 확보하세요

먼저 고품질의 모니터링 데이터를 직접 확보하세요. 고전적인 요약은 "고품질 관찰은 고품질 원격 측정에서 나온다"는 것입니다. 고품질 백엔드 분석을 위해서는 고품질 프런트 엔드 원격 측정 데이터가 생성되어야 합니다. 관찰 가능성은 세 가지 기둥에 중점을 둡니다. 높은 수준의 관찰 가능성과 내생적 AIOps 분석을 수행하려면 기존 추적 데이터, 지표 및 로그 데이터 외에도 매우 중요한 토폴로지 데이터 및 코드 데이터가 필요합니다. 데이터의 품질은 모델의 상한을 직접적으로 결정할 수 있습니다.

고품질 모니터링 데이터를 직접 확보하세요. 이러한 데이터는 소스 코드, 비즈니스, 애플리케이션을 수정하지 않고 방해받지 않고 자동으로 수집되어야 하며 상황별 정보와 자동화의 결합을 달성할 수 있습니다. 컨텍스트 정보는 진정한 근본 원인 분석을 달성하는 데 도움이 되고, 근본 원인 분석에서 충실도가 높은 배경 정보를 추출하고, 플랫폼이 실시간 서비스 흐름 다이어그램과 토폴로지 다이어그램을 구축하여 종속성을 결정하는 데 도움이 됩니다. 매트릭스형 관계형 토폴로지 기술을 포함해 이러한 상황정보도 매우 중요하다.

토폴로지 다이어그램은 주로 수직 스택과 수평 스택을 포함한 전체 애플리케이션 환경의 종속성을 보여줍니다. 서비스 흐름도는 서비스나 요청 관점에서 전체 트랜잭션을 보여줍니다. 서비스 흐름도와 토폴로지 다이어그램을 통해 서비스 간의 호출 순서를 설명할 수 있습니다. 서비스 흐름 다이어그램은 트랜잭션의 전체 분산 순서를 순서대로 표시하는 반면, 토폴로지 다이어그램은 종속성 등을 표시하는 상위 수준 추상화입니다.

시중에는 많은 오픈 소스 또는 무료 도구가 있지만 상용 Agent 기술에는 다음과 같은 장점이 있습니다. 소스 도구에는 없습니다.

• 수집된 프록시 프로브의 안정성, 보안 및 신뢰성이 보장됩니다
• 프로브가 호스트에 미치는 영향, 리소스 오버헤드 및 핵심 비즈니스 성능이 보장됩니다
• 배포 및 계측을 포함합니다. 변경하면 수동 작업을 줄일 수 있습니다
• 모니터링은 동적 메서드 또는 컨테이너 클래스의 이러한 구성 요소에 자동으로 이식될 수 있습니다
• 다양한 지표 샘플링이 양호하고 기본 충실도가 높습니다
• 충분합니다. 정보와 컨텍스트를 사용할 수 있습니다. 통합 데이터 모델 구축

위의 장점은 많은 무료 도구에서는 제공되지 않습니다. 내생적 AIOps 플랫폼은 One Agent 기술을 사용합니다. Agent는 엣지 컴퓨팅 설계를 갖추고 엣지 엔드포인트에서 많은 데이터 집계 및 데이터 정리를 수행합니다.

2. 지속적인 자동화 구현

내생적 AIOps 플랫폼의 기능은 지속적인 자동화를 구축하도록 설계되었습니다. 복잡한 클라우드 네이티브 환경을 모니터링하려면 자동화가 필요합니다. 자동화된 배포, 자동화된 적응, 자동화된 검색, 모니터링, 주입, 청소 및 일련의 자동화가 포함됩니다. 복잡한 클라우드 네이티브 환경에서는 이러한 엔드 투 엔드 비즈니스를 수동으로 이해하기 어렵기 때문에 자동 운영 및 유지 관리를 지원하는 보조 도구로서 높은 수준의 자동화 기능이 필요합니다.

3. 실시간 매트릭스 관계 맵 구축

내생적 AIOps 플랫폼은 실시간 매트릭스 토폴로지를 구축할 수 있습니다. 도면에 따라 검색하여 서비스 계층의 종속성 다이어그램은 물론 컨테이너 계층, 호스트 계층, 프로세스 수준 등의 수평 방향을 도면에서 볼 수 있습니다. 수직 방향은 서비스가 실행되는 컨테이너, 이 컨테이너가 해당하는 프로세스, 이 프로세스가 속하는 클라우드 호스트입니다.

4. 실시간 출력 영향 분석

출력 영향 분석은 네트워크 보안 사고와 동일하며, 운영 및 유지 관리에서도 동일합니다. 시스템 오류 또는 이상이 발생하면 영향 영역은 무엇이며, 영향을 받는 사용자, 서비스 및 응용 프로그램은 무엇이며 근본 원인은 무엇입니까? 자동화된 수단과 기술을 통해 운영 및 유지보수 담당자가 수동으로 분석할 필요 없이 결과가 사용자에게 출력됩니다.

5. 근본 원인을 지적하고 결과를 목격하세요

마지막으로, 자동화된 운영 및 유지 관리의 가장 중요한 능력은 근본 원인을 지적하고 결과를 목격하는 것입니다. . 기존 기술에는 지식 기반, CMDB 및 인과 추론을 기반으로 하는 다양한 방법이 필요한 반면, AIOps는 내생적인 근본 원인 포지셔닝을 제공합니다. 개체 간의 종속성 외에도 호출 체인, 로그 및 표시기 간의 종속성과 같은 다양한 데이터 유형 간의 종속성을 열 수도 있습니다. 이는 실시간 근본 원인 위치 확인을 제공하고 적응성이 뛰어나며 오버헤드가 낮고 정확도가 매우 높습니다. 게다가 비지도 기술을 사용하므로 이러한 기능을 제공하기 위해 수동 지원이 너무 많이 필요하지 않습니다.

요약

기업이 디지털 혁신에 성공하려면 운영을 지원하는 모든 애플리케이션, 디지털 서비스 및 동적 멀티 클라우드 플랫폼이 완벽하게 작동할 수 있도록 보장해야 하며 이는 매 순간 수행되어야 합니다.

이러한 매우 동적이고 분산된 클라우드 기반 기술은 기존 시나리오와 완전히 다릅니다. 그 결과, 마이크로서비스, 컨테이너, 소프트웨어 정의 클라우드 인프라로 인해 발생하는 복잡성은 이제 통제할 수 없을 정도로 커지고 있습니다. 이러한 복잡성은 팀 관리 능력의 한계를 넘어 계속해서 증가하고 있습니다. 이렇게 빠르게 변화하는 환경에서 일어나는 모든 일을 언제든지 이해하려면 관찰 가능성과 지능적인 운영 및 유지 관리 기능을 향상해야 합니다.

클라우드 기본 운영 및 유지 관리를 더 가볍고, 빠르고, 저렴하게 만들기 위해 높은 수준의 자동화와 지능형 기술을 사용해야 합니다. 지능형 운영 및 유지보수 시대를 향해 나아가겠습니다.

​

손님 소개

Zhang Huaipeng, Chengyun Products 부사장. 2017년 Hangzhou Chengyun Digital Technology Co., Ltd.에 입사하여 [DataBuff 통합 관찰 및 지능형 운영 및 유지 관리] 제품 라인의 일상적인 관리를 담당하고 있습니다. 그는 IPD 통합 제품 개발 팀의 관리자를 역임하며 시장에 참여하고 있습니다. 관리, 수요 분석, 팀 협업, 프로세스 구조화, 품질 관리 등.

위 내용은 클라우드 네이티브 운영 및 유지 관리를 단순화하는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!