A.艾拓先锋ITIL CHINA

人工运维可以依靠工程师记忆,AI运维为什么必须依靠CMDB

不少企业没有建设完整的CMDB,运维也做了很多年。系统出了问题,大家知道找谁;要改配置,老工程师记得文件在哪;某台服务器下线,团队大致清楚会影响哪些应用。这种依靠经验维持的方式并不理想,却确实能够工作。因此,当我们说智能运维离不开CMDB时,很自然会有人反问:过去没有它也能运行,为什么引入AI以后反而变成了必需品?


关键差别不在于AI是否比人聪明,而在于它取得组织知识的方式。人可以在办公室里问一句“王工,这个配置在哪里”,可以从聊天语气判断谁更熟悉,也可以凭多年的现场经验补齐文档没有写出的关系。智能体如果每次都要停下来找人询问,自动运维就失去了意义。它必须从可访问、可验证的数据中获得对象、关系、基线和责任信息。



个人记忆是一种隐形接口


很多团队真正运行的“配置库”,存在于几位骨干的大脑里。正式文档可能只写服务器清单,老工程师却知道某个应用实际还调用了一台没有登记的中间件,知道哪个开关不能在月末关闭,也知道哪个供应商能够处理特殊故障。这些知识通过电话、聊天和现场协作被调用,形成了一套没有文档的隐形接口。


这种接口对人有效,对AI却不稳定。智能体可以读取聊天记录,但很难判断哪条经验仍然有效,也不能保证关键时刻恰好检索到正确对话。更现实的问题是,员工离职、轮岗或者休假时,隐形接口会突然中断。AI项目把这个旧问题放大了:过去是新人找不到答案,现在是自动流程根本无法继续。


建设CMDB的目的,不是把人的全部经验机械录入表格,而是先把执行所必需的事实稳定下来。配置项的唯一标识是什么,属于哪项服务,上下游依赖谁,当前批准的配置是什么,责任团队和供应商是谁,这些信息应该能够被人和智能体共同查询。经验判断仍然可以保留在知识库中,但不能让关键动作只依赖某个人“知道”。


1793410610909963.png



当前快照不能代替批准的基线


有些团队认为,监控工具或者云平台已经能够自动发现资产和拓扑,因此不必再做配置管理。自动发现当然有价值,它能够告诉我们当前看到了什么,却不一定告诉我们什么才是正确状态。系统处于故障时,实时抓到的依赖可能已经断开;未经授权的配置修改也会被自动发现,但不能因此变成标准。


基线与快照的区别,在于基线经过审核和确认。AI判断异常,需要把现场状态与期望状态比较。比如路由规则缺少一项,只有知道批准的规则集合,才能判断当前配置是否偏离;容器实例数减少,只有知道设计要求和弹性策略,才能判断这是故障还是正常缩容。没有基线,模型可能会把异常当成现状,再基于异常提出下一步建议。


配置管理还要保留时间。现在的关系是什么,变更前是什么,谁在什么时间批准了变化,这些记录帮助AI把故障与最近动作关联。许多事件的根因并不是设备突然损坏,而是一次配置调整造成连锁影响。如果系统只能看到最新快照,就很难回答“从什么时候开始不一样”。



机器需要结构化关系,也需要可信来源


AI可以从文档中抽取配置关系,也可以调用云平台接口生成拓扑,但最终仍要解决可信度问题。哪个系统是权威来源,自动发现与人工登记冲突时听谁的,关系多久没有验证就应标记为可疑,都需要规则。不能把一批数据交给模型后,就假设它会自动分辨真假。


对于核心服务,可以建立配置数据负责人。负责人不一定手工更新每个字段,而是确认采集来源、审核关键关系、处理冲突和检查过期数据。低风险属性可以自动同步,高风险关系和基线变更则进入审批。这样既利用自动发现降低维护成本,也保留配置管理所需要的可信性。



从“建大库”转向“支持机器行动”


很多CMDB项目失败,是因为目标变成了收集尽可能多的配置项,团队投入大量时间维护字段,却很少有人真正使用。为AI运维建设CMDB时,可以反过来问:智能体准备完成哪些任务,为这些任务最少需要哪些对象、关系和基线?如果目标是判断ERP登录故障,就先保证用户入口、网络、应用、中间件、数据库和关键依赖可追踪;如果目标是自动扩容,就先保证实例、容量策略、成本限制和业务窗口可靠。


每完成一个场景,就用故障演练验证数据。断开一项依赖,看AI能否定位;改变一项配置,看它能否识别与基线的差异;模拟负责人不在线,看系统能否找到正确团队。CMDB的质量不应只用字段完整率衡量,还要看它是否支持影响分析、诊断、授权和恢复。


这项工作也会改变老工程师的角色。要求他们把多年经验一次性“全部写出来”通常不现实,也容易引起抵触。更有效的方式,是从真实事件和变更开始:每当工程师依靠某条未记录的关系解决问题,就把这条关系补入配置管理;每当他指出一个自动发现结果不可信,就记录判断依据。AI可以帮助整理表达,经验的真伪和适用范围仍由专业人员确认。


团队还要允许配置数据表达不确定性。某个依赖尚未验证,可以标记来源和可信等级,而不是为了完整率强行确认;某个关系只在月末批处理时存在,也应记录条件。智能体看到不确定数据时,应降低结论置信度或者请求人工检查。把未知暴露出来,比填上一条看似完整但实际错误的关系安全。


随着智能体参与更多操作,CMDB还会成为授权策略的一部分。它不仅告诉AI设备属于哪个应用,也可以说明哪个团队有权处理、当前是否处于冻结期、允许使用哪些脚本。配置管理从“记录资产”进一步走向“约束行动”。这也是为什么智能运维需要的CMDB,比传统资产台账更重视关系、基线和责任。


人工运维能够在不完整数据上运行,是因为人会询问、猜测和利用长期形成的默契。AI要持续、规模化地执行工作,就不能把这些隐形能力当成默认条件。CMDB不是为了替代工程师经验,而是把机器行动必须依赖的事实从个人记忆中释放出来。智能运维走得越深,配置数据的责任就越不能含糊。


← 返回ITIL 5 长河原创文章