《AIOps在360的落地实践》分享实录

奇技指南

9月22日，360互联网技术训练营第18期——AIOps落地实践探索在北京360大厦如期举行

本篇文章是360高级运维开发工程师王保平的总结分享

简介

本次会议共有四个议题，分别由两位内部讲师及两位外部讲师分享，第一个分享AIOps在360的落地实践——你也可以快速落地AIOps介绍了360的智能运维大框架和每个组件的替换建议等，旨在希望能让一些还没落地或者正准备落地的小公司也能开展aiops，另一位内部讲师的分享议题是360基于StackStorm的AI运维平台故障自愈实践，主要是从一些常用的具体场景切入，期间加入预测、异常检测、关联分析等模型，然后针对检测结果做一些判断和自愈。

接下来我们先来看一下宜信和日志易两位外部讲师对AIOps的分享

宜信

本次分享的第二个议题是由来自宜信的肖云朋讲师分享的基于知识图谱构建下一代智能 CMDB，知识图谱也有很多公司研究，在AIOps领域算是算法的补充,因为算法的本质还是通过大数据来分析和生成运维规则，而有些规则，在一些固定的场景，我们完全可以通过人工经验来直接生成，或者通过现有的cmd调用关系直接生成。比如A肯定会导致B发生，那就没必要再用大数据来找A与B的关系。如果把AIOps比成运维大脑的话，知识图谱算是根据你的运维经验，直接告诉大脑的一些固定知识，直接给你3岁智商，不需要你从0开始，什么都得学。一些运维经验直接无法生成规则的，可以交由大数据AI分析，慢慢替你学习找规律。

在360内部，尽管有成熟的cmdb hulk和odin等系统，有每天一线运维的经验积累，但这些都暂时没有通过知识图谱的形式把他生成经验库，这也是360内部接下来需要加强的地方。

日志易

本次分享的第三个议题是来自日志易，有着丰富运维经验的杜卫普分享的基于日志大数据的智能运维与安全实践，作为一个三方Tob公司，如果要接入一家公司的运维数据做智能