在大數(shù)據(jù)時代下，我們借助機器學習、數(shù)據(jù)倉庫、大數(shù)據(jù)平臺等大數(shù)據(jù)技術(shù)手段，將運維產(chǎn)生的數(shù)據(jù)進行分析、處理，得出最佳運維策略，以期實現(xiàn)對故障的事先干預(yù)，將風險降低到最低，從而降低運維成本，提升運維效率，最終實現(xiàn)運維智能化。早期的手工運維，到流程化、標準化運維，再到平臺化、自動化運維，最后到近十年的DevOps（研發(fā)運營一體化）和AIOps（智能運維）。運維發(fā)展其實和各種技術(shù)更新是密不可分的，也是各種技術(shù)重要的實驗田。

AIOps 將 AI 和運維很好的結(jié)合起來，熟悉行業(yè)生產(chǎn)實踐中的難題；更深入研究了運維場景領(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；而且把實際問題轉(zhuǎn)化為算法問題，主張由機器學習算法自動地從海量運維數(shù)據(jù)中不斷地學習，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)控機制。