从2016年Gartner提出AIOps概念后，经过几年的发展，慢慢有了相对清晰的架构。实践证明，分这样三层，可以有效处理数据并在数据中台上随时叠加多个应用场景。
最底层是统管全部数据的数据处理层，包括所有组件、设备、第三方监控等的数据，根据使用者的设置要求统一采集存储。
数据治理层最主要的能力也有三个。一个是流式处理，只有这样的能力才可以达到秒级处理，为异常预警争分夺秒；第二个是AI智能化算法，可以对数据进行建模、对算法进行训练、达到机器学习的效果；第三个是运维大数据处理，具有大数据的处理能力。
经过数据治理层处理好的数据，就可以在上面玩出花来了。
运维应用层，分别对告警信息（嗯，这是运维人员最关注的）、性能指标、日志等数据进行分析。不同的信息都能叠加多种算法，组合成多样化的智能应用场景，比如告警抑制、故障场景发掘、指标异常检测、日志异常检测、综合根因定位等等等....
在应用层分析出的结果上，则可以为运营决策提供依据。最常见的场景有运营大屏、系统画像，过去的知识也可以沉淀出相应的知识图谱。
#老杨说运维#
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
