在大數(shù)據(jù)時代下，我們借助機(jī)器學(xué)習(xí)、數(shù)據(jù)倉庫、大數(shù)據(jù)平臺等大數(shù)據(jù)技術(shù)手段，將運(yùn)維產(chǎn)生的數(shù)據(jù)進(jìn)行分析、處理，得出最佳運(yùn)維策略，以期實(shí)現(xiàn)對故障的事先干預(yù)，將風(fēng)險降低到最低，從而降低運(yùn)維成本，提升運(yùn)維效率，最終實(shí)現(xiàn)運(yùn)維智能化。早期的手工運(yùn)維，到流程化、標(biāo)準(zhǔn)化運(yùn)維，再到平臺化、自動化運(yùn)維，最后到近十年的DevOps（研發(fā)運(yùn)營一體化）和AIOps（智能運(yùn)維）。運(yùn)維發(fā)展其實(shí)和各種技術(shù)更新是密不可分的，也是各種技術(shù)重要的實(shí)驗(yàn)田。

AIOps 將 AI 和運(yùn)維很好的結(jié)合起來，熟悉行業(yè)生產(chǎn)實(shí)踐中的難題；更深入研究了運(yùn)維場景領(lǐng)域知識：包括異常檢測、故障預(yù)測、瓶頸分析、容量預(yù)測等；而且把實(shí)際問題轉(zhuǎn)化為算法問題，主張由機(jī)器學(xué)習(xí)算法自動地從海量運(yùn)維數(shù)據(jù)中不斷地學(xué)習(xí)，不斷地提煉并總結(jié)規(guī)則，從而更好的得出解決方案，及建立一套更好的監(jiān)控機(jī)制。