从5个维度总结Python数据结构的关系

(2)提供数据使用场景

运维的日常场景很多，看似复杂，终究离不开对稳定、安全、高效、低成本四项基本价值的更高追求。通过运维数据化能力，运维能为企业决策提供有力支撑，实现稳定、安全、效率的提升，和对成本的合理把控。在本文中我们只对常见的场景进行简单的描述，详细的场景分析将在下一篇中体现。

知识图谱，使用统一的语言来定义运维数据，将运维对象通过实体与实体间的关系来表达，整合运维领域内的实体关系形成知识图谱。运维领域的关系包括但不限于产品、服务、集群、服务器、网络、IDC等。

数据中台，建立面向运维域的数据中台，统一纳管如资源数据、告警数据、性能数据、业务数据、日志数据、工单数据、指标数据、拨测数据等，面向上层运维分析场景提供统一的数据访问路由、数据服务目录、数据接入管理、 数据可视化等功能，以期打破“数据孤岛”，通过整合关联和对外开放来深度 挖掘运营数据的价值。识别前台数据需求，整合后台数据，对数据进行加工和输出，建立数据中心级的数据服务共享平台。通过对数据的梳理，数据源的规划，数据流程的整合，对存量数据进行加工整合，达到以数据服务化的方式来 实现数据监控，资源使用率分析。

数据可视化，通过对数据的可视化呈现，帮助运维人员直观、便捷、快速的进行问题分析，还可提供一系列的工具组件让运维人员根据自己的业务情况对海量数据进行快速进行视图编辑、多层下钻分析、多维度关联分析、报表编排，横向纵向大盘数据对比等，将传统的运维经验进行数字化转变，大大提升了问题排查、风险发现和知识沉淀。

下一篇文章中，将进行更高阶的场景描述，如无人值守变更、故障自动评估、故障自动预测。

(3)养成每天看数据的习惯

运维人员应具备看数据的好习惯，以笔者为例，每天最重要的的事是随时看监控数据，同时兼顾业务数据，同时保持对数据的敏感性。对于数据的表现，不管正常还是异常，都需要跟研发团队、产品团队、业务团队保持沟通，让大家知晓目前的项目和线上产品的数据表现。这样做一方面能获得来自团队的反馈，有反馈会进一步强化我们看数据的行为。另一方面也建立自己靠谱的形象，能做到每天看数据、看业务指标，这就是运维人员的靠谱。

四、后记

总之，运维离不开数据，尤其在企业IT逐步进入精益运营和价值交付的今天，离开了数据，运维路上终究布满坎坷，尽信数据，比自己瞎想强。

 作者简介

顾黄亮，十年研发运维经验，涵盖基础架构、应用架构、数据库、DevOps，有互联网，电商，金融从业经历。

专注于 DevOps 在企业中的应用和落地，致力于企业智慧运维体系的打造。参加多个行业、国家标准的编写，《开源许可证使用指南(2018)》作者之一，国标《研发运营一体化(DevOps)能力成熟度模型》作者之一，《企业IT运维发展白皮书》作者之一，曾供职于航天晨光、上汽集团云计算中心，现任苏宁消费金融安全运维部负责人。