传统运维其实比较突出的弊端就在于——它是比较依赖于人的经验和人工操作的。人的经验传承存在不可完全复制性，而手工操作又存在效率瓶颈和错误率高的问题。

比如传统运维模式下，在监控、问题发现、告警和故障处理等多个环节都需要依赖人的经验来做判断，而在数据采集、故障分析、故障处理等方面的效率也存在提升瓶颈。

智能运维通过将人工智能的能力与运维相结合，通过机器学习的方法来提升运维效率。使得数据采集更准确，更智能，通过脚本、命令、定时任务、执行计划等将诸多工作由机器来完成，既减轻了人员的操作工作量，也提升了准确性，且自动执行的这部分工作也相当于已经将过往的成熟经验沉淀。

智能运维的核心是数据运维，通过对长期的、大量的设备运行数据与运维管理数据进行机器学习与训练，形成智能运维策略。依托智维策略，使用者可以提高运维分析、操作效率，提升管理水平。

与传统运维相比，出色的智能运维工具，在保障业务稳定的基础上，可以为使用者省时间、省人力、省资源，包括但不限于：

（1）让杂而乱的信息变清晰，用户不用费力去理，比如，自动发现资产及配置变更、自动分析梳理网络流量构成等；

（2）让看不见的东西变直观，用户不用费力去找，比如，各种自定义图形组件，可以让用户自由选择搭配图形及后台数据源；

（3）让动脑筋的事情变简单，用户不用费力去想，比如，自动告警定位、故障影响分析、内置处置经验等；

（4）让耗时间的工作变快速，用户不用耗时去等，比如，新设备新指标快速增加、自动化巡检、IP快速定位工具等。

举个实用例子，智能运维是如何帮助运维人员从“被动运维”转向“主动运维”的

智能运维平台/工具以大数据为基础，通过智能基线和智维规则，辅助运维人员事前发现运维异常情况，并以智维策略为指导解决运维异常。

将过去以“如何快速、方便设置告警，发现异常事件后再考虑如何处理”，“以事件为中心”的被动服务日常运维工作模式，真正转变为，以“大数据分析为中心”，提供智能基线规则匹配和自动分析，“发现异常的同时，系统智能分析并提供解决分析建议”的主动服务运维工作方式。

同时，通过对越来越有价值的大数据分析，系统能够更好的提供针对用户实际运维环境的自动化智能分析，做到事前解决运维中异常隐患，体现运维工作价值；而不是过去以解决多少事件问题为核心的价值体现。

推荐阅读：

《2022年后，“智能运维”发展趋势如何？》