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---：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、运维需求的快速变化，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---监控指标的设置和管理，需要将---技术与运维工作结合到一起。随着智能运维（aiops）的快速发展，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。