对互联网公司来说，系统复杂化导致的人工运输成本激增已经是普遍现象，采用智能运输是有效的应对措施。 智能运维的核心思想是利用算法处理海量运维数据，积累运维经验，不用人工思考判断，而是通过自动化流程实现风险的预防、发现、定位、处理。 智能运输系统是其中最重要的因素，但施工企业应用智能运输系统不能应用运输部的独立规划设计完成，需要业务、产品、开发、基础设施运输维多利亚部门协同顺利实施。
因为工作需要停止充电，所以最近买了一本书叫《应用智能运维实践》。 读了之后学到了很多。 书中详细描述了智能运输系统的框架，并分享了规划智能运输系统建设的简单方案。 在这里总结记录，是写给我自己的读书笔记，也和大家分享~
前期准备过程中需要深入调研，讨论需求准备、应用准备、人员准备和技术准备四个有待完成的内容。
(1)需求准备)了解企业现有应用运输流程。 需求准备阶段的核心工作内容是了解企业现有的应用运维流程，定义应用运维场景，根据实际需求规划建设目标。 开展这项工作首先需要与APP应用运输团队和企业内部负责APP通信系统开发的产品/项目团队进行沟通，了解当前APP通信系统的现状，并应对APP通信图片。
在前一阶段的交流工作中，组织目标用户的场景，确定用户的关键需求点是最重要的。
此外，需求调查人员还应充分深入了解目标产品，彻底分析优势和劣势，总结目标场景。
(2) APP应用的准备)正确地将成为对象的APP应用的执行状态成像。 在APP应用准备阶段，将输送维目标APP应用执行状态成像； 研究APP应用程序所在的生命周期阶段、受服务用户组、用户访问方法和系统体系结构； 通过定性定量分析方法找出应用特点，制定相应的运维智能化战略。
(3)人员准备)组建技术和管理专家团队。 通常，需要制定应用智能运维系统建设检测目标并进行需求调查的目标团队主要包括： 应用运维团队主要关注日常APP应用的稳定性、性能保障； 产品/项目团队，主要定位分析在线系统代码问题； 数字运营团队关注了APP应用稳定性、性能对数字营销效果和用户转化率的影响。
(4)技术准备)储备运维智能化关键技术。 地面智能化运维算法难度大，要解决实际应用中的问题，应用运维团队不仅有应用性能工程、APM、应用链路跟踪、日志分析等传统运维技术，还有大数据存储、嵌入式分析等处理机器学习和人工智能算法的能力企业在建设前期需要积累的技术能力如图所示。
规划(1)围绕运维现状，规划建设愿景。 需求、应用、人员和技术准备就绪后，可以围绕企业当前运维现状，规划设计应用智能运维系统建设目标和愿景。 由于行业、规模、经营模式的不同，企业的运输模式差异很大。 充分考虑企业当前运维现状、应用系统状态和目标用户特点，制定分阶段可行的目标愿景，可以大大提高系统建设成功的概率。
)2)多部门合作，规划服务质量目标。 对于依赖信息系统直接为用户服务的企业来说，服务质量目标(SLO )是运输、运营、开发等多个部门关注的重要KPI。 运输部门应通过SLO判断故障的严重程度和是否需要立即介入运营部门应根据SLO判断数字营销效果是否受到应用稳定性的影响，并对用户转化率与应用性能的关系进行分析，提出对SLO的保障要求根据SLO量化监测的需要，开发署将提供APP应用监测的嵌入点，并获得业务流程点击次数、请求响应时间等指标的支持。
)3)制定监测策略，设计SLO计算算法。 制定SLO，首先要考虑相关指标的量化，并找出聚合计算所需的原始监测指标。 否则，就需要人工统计计算。 然后，被动监视跟踪实际的用户访问进程。 有了原始的监测指标，就有必要根据经验设计相应的SLO聚合计算算法，以适应实际监测的需要，并在在线运行中不断进行修改和调整。
)4)集中流程，规划有效的风险管理机制。 运输的重要任务是管理风险，管理风险是将工具、数据、人关联起来的过程。 在实践过程中，流程往往采用自动化的工作流管理工具。
概念验证与CMDB、ITOM、APM等系统建设不同，有成熟的工具平台和方法指导，应用智能运输系统建设更贴近用户和应用场景，使用数据采集、存储和人工智能算法解决问题符合特定需求当前数字化信息技术发展速度加快，网络APP应用迭代更新加快，对APP应用运维保障需求变化更加频繁。 因此，应用智能运输系统的建设，需要在高度开放、易于扩展且能力比较完善的数据采集、存储分析和展示平台的基础上开展概念验证，并根据验证结果，结合实际需要制定实施计划。
以下是从EC平台下载的详细页面o(_) o哈哈~