企业视频展播，请点击播放视频作者：北京和远科技有限公司
数字化运维的数据源包括？
日志：包括网络日志、系统日志、应用程序日志等信息，主要属于K-V 结构的半结构化文本信息，可以用列簇式数据模型管理。
监控指标：包括系统指标、应用指标、业务指标等不同类型，主要属于时序性数据，可以通过时序型数据模型管理。
拓扑和跟踪：包括软硬件系统的物理、逻辑关系，应
轨道交通VR AR XR MR培训环境
企业视频展播，请点击播放
视频作者：北京和远科技有限公司
数字化运维的数据源包括？
日志：包括网络日志、系统日志、应用程序日志等信息，主要属于K-V 结构的半结构化文本信息，可以用列簇式数据模型管理。
监控指标：包括系统指标、应用指标、业务指标等不同类型，主要属于时序性数据，可以通过时序型数据模型管理。
拓扑和跟踪：包括软硬件系统的物理、逻辑关系，应用程序的调用关系和数据流向关系等，属于复杂网络上的关系信息，可以通过图数据模型管理。
配置信息：包括存储的软件配置、用户信息、参数状态等信息，属于 K-V键值对或者可嵌套的键值文档类数据，可以通过结构化文档数据模型管理。
数据库数据：系统的事务处理或分析型数据仓库中存储的各种信息，一般通过关系型数据表进行存储，也可以用于关联查询。
其他信息：如API 数据、客户关系数据、ITSM 流程数据、社交媒体数据等多来源的异构数据，需要具体分析和处理。
数字化运维面临的问题
由于运维对象、运维工具、运维需求的变化，导致金融机构有少则几套监控工具，多则数十套监控工具，而这些监控工具通常是在不同时期建设的，所以他们之间往往数据没有打通，技术栈也有较大的区别，形成了一座座运维数据的孤岛。
运维人员日常需要在众多的监控工具之间切换来切换去，导致故障的发现困难，故障的定位耗时耗力，故障的解决重复劳动，无法形成有效的知识积累。并且以前基于固定阈值的告警规则无法满足海量监控指标的设置和管理，需要将人工智能技术与运维工作结合到一起。随着智能运维（AIOps）的发展，机器学习的算法、模型等对运维数据的规范化提出了更高的要求。
数字化运维云端安全架构问题有待解决
在传统安全问题没有得到有效解决的情况下，企业部分或全部业务迁移云端之后，云端的公共属性将进一步加大企业安全管理和控制的难度，同时云端应用安全问题也极易被云系统管理区域的安全水平掩盖。其原因，
一是在上云之后，数字分散导致数据的泄露和非正常访问风险加大;
二是应用之间的物理隔离转变成逻辑的虚拟隔离，安全边界越来越模糊，漏洞被放大，虚拟机和虚拟机之间缺乏必要的防护;
三是安全
