盛延敏-智能运维助力业务稳定性提升与运维成本降低.pdfVIP

智能运维 助力业务稳定性提升 与运维成本降低 蚂蚁集团资深技术专家 / 盛延敏(成旻) 博士 Agenda • 1.智能运维的定义和作用 • 2.蚂蚁在智能运维的实践 • 3.未来展望和总结 智能运维(AIOPS)定义 AIOPS 是将人工智能的能力与运维相结合，基于已有的运维数据 （日志、 运维的业务痛点 监控信息、应用信息等）并通过机器学习的方式来进一步解决 自动化运维 没办法解决的问题。即以大数据平台和机器学习 （算法平台）为核心从各 观测性数据乱 预警效率低 个监控系统中抽取数据、面向用户提供服务，以此来提升运维效率。 企业进行分布式架构转型之 告警风暴使得运维人员淹没在大 后 ，大幅提升了研发效率和 量警报 、大量 IT 噪音和分布在 产品迭代速度 ，但同时也因 不同工具中的信号之中，无法识 为复杂的架构设计导致观测 别有效预警 。 数据混乱 ，故障率飙升 。 故障定位难 故障恢复慢 故障定位往往依赖专业的技术 对于已经定位的故障，无法沉 人员和丰富的专家经验 ，耗时 淀应急预案 ，无法 自动根据系 时间长 ，且无法形成有效的知 统当前状态与历史经验给出应 识沉淀 。 急预案推荐 。 IT 运维工具的主要功能正在从数据获取 、数据处理转向数据分析 。 面对海量数据和复杂运维场景 ，智能化已经成为运维工具发展的重要命题 。 AIOPS 于 可 是 AIOps 结合大数据和机器学习 ，可以自动化运维操作流程 ，包括事件关联 、异常检测 、因果推断等 。 Gartner Glossary 可以做什么 收益是什么 监控 根因定位 （Root Cause Analysis ） 1-5-10 ：故障快速定位与止血 智能根因定位的作用是通过收集站点历史观测性数据 ，利用机 通过 AIOps 智能根因定位 ，快速发现故障症结所在 ， 器学习的方式训练出站点稳定模型 ，在故障发生时可以快速定 辅助运维人员达到 5分钟故障定位的能力 。同时，结 e 位造成故障的根本原因，并为研发与运维团队提供修复意见 ， 合专家经验 ，给出故障应急预案 ，甚至 自动自愈 ，以 c 减少故障的持续时间。 达到10分钟止血的目的。 n e g