很多运维对智能运维很抵触，多半是以为智能运维流行起来会让自己失业。
然而技术不可能发展这么快。不用人工干预、实现智能调优阶段还有很长的距离，目前顶多实现多个单场景 AI 运维模块串联起来的流程化 AI 运维能力。
这些不会取代运维的工作，而是帮助他们提高效率，减少故障。
现实场景中，最让运维工程师头疼的就是：很多时候故障并不是由运维工程师自己发现的。
而是顾客发现之后打电话给客服，客服再通知运维工程师，悲催的工程师往往是最后一个知道这个噩耗的。
出现这种情况后，不管风风火火的救急，还是尴尬又不失礼貌的微笑，都扛不住领导拉成苦瓜的脸。
机器学习与智能算法的出现给苦 X 的运维同学带来一丝曙光，他们可以通过故障发生前的先兆和分析历史数据做出模型，对即将发生的异常做出预判，大大提升了运维人员的工作效率。
所以，AIOps 诞生的首要职责就是基于多种算法的异常预测，减少发现故障的时间，然后顺便再通过日志模式监控报错信息，从而快速定位，最后再通过多方位展现系统状态，减少决策时间。
2016 年，中科院《软件学报》发表过一篇国防科大的《大规模软件系统日志研究综述》 ，里面引用了不少国内外的调查分析。
·在软件开发中进行日志记录是普遍的,平均 30 行代码中就有一行是日志
·日志信息对实际部署系统的运行故障调试帮助较大,缩短故障调试时间的加速比为 2.2
·日志代码的更新频率比其他代码要快约 1 倍
·约四分之一的日志修改是把新的程序变量写入日志
·约一半的日志修改是对日志消息静态文本的修改
这些研究是基于 Hadoop、OpenStack 这些大型分布式项目的，如果细致到企业内部的系统开发，说不定要严重的多，所以人无完人，输出日志的时候，格式这些东西很难做到完美规范。
以前运维人员最依赖的是关键字等方法，但是，这些都不足以做到日志异常检测，就在这个时候有一种层次聚类日志模式的出现解决了燃眉之急。
想了解大咖如何看待 AIOps 方面，智能的日志中心以及日志在 IT 领域中的价值。请锁定 8 月 29 日 20 点日志易 CEO 陈军老师带来的直播《海量日志分析与智能运维》。
