AI智能+智能运维可视化平台建设综合解决方案.ppt

* * * * * * * * * * * * * * * * * * * * * OneAPM多维异常问题分析的特点 自动识别瓶颈条件 基于决策树分析，从大量多维度数据中，自动确定影响属性 基于历史数据的AB测试，在历史数据中对比实验组和对照组的性能差别，预测可能的优化方案效果 预测优化效果 便捷的可视化系统，人员可对过程和结果进行核对，排除可能的干扰数据，重新分析，得到正确结果 过程和结果可视化 OneAPM多维异常问题分析结果展示 如何从IT数据中获得洞察？ 面向场景的多维数据分析和可视化 场景化和可视化封装 什么人 什么时间 什么问题 如何处理 面向不同场景的多维仪表盘 面向不同场景的多维指标告警 面向不同人员的场景可视化示例 OneAPM智能运维平台解决方案的特点 10亿+条事件分析，单服务器处理时间小于10秒 快 85%数据存储压缩比，每秒处理十万条记录，仅需一台4核普通配置虚拟机 低 多指标联动分析，针对不同人员的场景可视化展现 炫 全栈、全量数据采集，覆盖所有IT数据 全 无需外部专用数据库，数据存储没有时间限制 无 TCO，行业中最低总体拥有成本 廉 10分钟辅助根因分析，提升排障效率 准 自研大数据分布式计算框架、机器学习算法 智 All IT Data，One Analytics Platform，More Intelligence Part 3 迈出AIOps的第一步 如果您认同以下问题，那么AIOps将非常适合您 您已在使用一些运维工具，但它们分散独立，您总是需要在不同工具间来回操作 您期望在更短的时间（如，30分钟）内定位故障发生根因 您期望拥有自己的工作台，将职责范围内的信息聚焦在一个界面 您总被不准确的告警信息所干扰，急切希望提升告警的准确度 您觉得您的应用系统存在优化空间，却找不到优化的切入点 您期望在故障发生前尽早发现系统潜在问题 您期望能灵活的生成工作报表，并通过炫酷的大屏幕展示IT运维成果 您期望通过更加智能便捷的工具，代替日常繁琐重复的基础工作 自上而下的方法解决自下而上的问题 要监控的服务是什么？ 有什么问题需要解决？ 服务由哪些组件组成？ 如何评价这个服务（KPI是什么）？ 明确每个KPI的数据来源 展现平台价值 通过平台进行数据分析挖掘 绘制场景化视图 创建故障深度挖掘关联关系 创建服务的KPI和数据源 OneAPM AIOps 挑选日常工作中一个有价值的运维难题 分析挖掘 与专家一同进行问题分解 将分解后的信息导入平台 建立数据模型和视图 —感谢您的聆听— 大数据 * * * * * * * * * * * * * * * * * * * * 1. 从人工到人工智能 2. 用人工智能点亮您的IT数据 3. 迈出AIOps的第一步 目 录 Contents Part 1 从人工到人工智能 当前运维和业务团队面临的困境 不是没有数据，而是数据太多 不是不想分析，而是无从下手 从人工到人工智能 挖掘海量数据的业务价值 统一大数据分布式处理技术 智能算法与机器学习 业务系统将要发生什么？ 主动响应的预防预测性管理 降低系统低效对业务的影响 多种分散独立监控工具 专业化专家型人才 业务系统已经发生了什么？ 被动响应的故障恢复性管理 人工运维 AIOps 什么是AIOps AIOps，即基于人工智能的IT运维（Artificial Intelligence for IT Operations） ，是由Gartner定义的IT运维管理新类别。 AIOps将服务管理、性能监测、自动化结合在一起，以实现持续洞察和改进的目标，并由大数据和机器学习技术进行支撑。 机器学习 大数据 平台 AIOps 商业价值 监测 （观察） 服务管理 （交互） 自动化 （行动） 持 续 察 洞 持 续 洞 察 持 续 洞 察 From Gartner’s Report AIOps的四个核心能力 对海量数据进行存储 通过智能算法在数据提取时和存储后进行分析 从不同的数据源中获取数据 对海量数据进行高效访问 AIOps的技术栈 可视化 机器学习 算法 分析 计算 大数据 数据源 事件 日志 监控 工单 任务 全量，海量，多样性，复杂性IT数据 集中统一管理，历史数据存储，实时数据存储 数据建模，模式识别，趋势识别，故障隔离 智能化选择，异常检测，异常定位，根因分析 算法自我修改演进，新算法创建 多维度，个性化，角色化，场景化展示 数据清洗，去重，过滤，关联，生成新数据 AIOps的核心价值 故障发现 故障规避 故障止损 故障修复 AIOps将在5-10年内成为ITOM的主流技术 From Gartner’s Report Part 2