自动化运维的几个关键步骤

故障预防

基本指标监控异常后进行调控，如负载协调等测略，保证异常不裂化为故障

故障感知

就是通过监控获取指标，并对指标数据进行阈值和关联分析，提前识别异常，预测故障场景，发送告警提醒
比如常见的CPU/MEM/IO，线程死锁，DB连接，慢查询等
基本检测规则如设置阈值
关联检测如单个进程CPU，总体CPU

故障诊断

根据故障感知的输出，结合故障树即专家经验，识别明确故障场景
案例积累梳理很重要，

故障恢复

以故障诊断的输出作为输入，通过恢复策略执行实现故障自愈