智能运维及数据中台探索

金融行业作为我国信创战略全面推广试点的唯二行业和国家信创关注的重点行业，实际上已取得了瞩目的成绩。本次分享的案例内容将从数据治理、监控体系信创化以及容灾能力提升等方面，详解如何快速搭建一体化可观测的信创运维平台实现国产化替换，完成信创数字化转型。

利用AI算法进行告警关联分析，在AIOps行业内沸沸扬扬的热了好久。在之前的文章中我也介绍了某券商案例，这个案例目前已经实际落地并运行了一段时间，所以本次分享我想就该案例得落地效果做一个简单的分析反馈。

上期我们以具体案例入手，分享了集中告警平台到底应该与集中监控平台解耦还是紧绑定等问题。这一期依旧从具体案例切入，跟大家一起探索下告警与服务台的对接过程，以及这个过程中可能产生的问题。

上期分享我们提到了指标异常检测实践要素中的三个方面：以面对业务变动为前提，确定业务波动是周期性还是非周期性，进而选对算法；通过确认业务的常规指标，确定异常方向进行监测（上基带 / 下基带 / both）；考虑不同时段的检测差异从而设定合理的运维日历并做出相应的算法模型匹配。

作为大型券商企业之一，某券商对深入数字化转型，以及对应用、网络、主机、操作系统、中间件、用户使用体验等的全面可观测性要求越来越强烈。由于可观测性需求的深入及实施，带来了大量的告警需要进行处理，原有的统一事件管理平台仅完成了对告警的收集、告警标准化、丰富和通知等能力。当前该券商面临的最大问题是告警不能进一步收敛，缺乏运维专家的经验可以将同一问题引发的多个告警进行有效的关联，进而进一步降低告警的处理量。

在上期内容中，我们了解到跨行业数据挖掘标准流程包括6大过程，分别为业务理解（Business Understanding）、数据理解（Data Understanding）、数据准备（DataPreparation）、模型搭建（Modeling）、模型评估（Evaluation）和模型发布（Deployment）。这6大过程的顺序不是固定不变的，在不同的项目中，可有不同的流转过程。其次，6大过程是循环的，每次针对不同业务目标的深入理解会不断地进行优化和调整，后续的循环过程可以不断从上一次的6大过程中得到借鉴

告警方面经过处理减少了90%以上的无效信息，交易系统故障率整体降低50%，紧急处置时间大幅缩短。

运维大数据平台的构建基于分布式高可用架构，满足容量随着业务需要动态扩展的需求；优化数据采集手段，实现对IT环境的实时数据采集以及集中高效的存储、查询、分析及可视化展示。

以统一运维大数据平台建设为核心，实现场景化信息业务、智能化调度体系、可视化数据呈现，高度缩减运维人力投入，提高数据准确性和事件处理时效，全面提升人工产效。

金融运维大数据治理解决方案主要通过“三个关键步骤”实现运维数据的治理。

中央要求推进数字政府建设，加快转变政府职能。该市积极响应国家政策，目标是逐步建成数字孪生城市，赋能城市数字化加速转型，率先建成数字政府引领城市、率先建成数字底座标杆城市。此次，擎创科技将着重帮助客户拉通各类数据，打破数据孤岛，提升对业务数据的洞察力，以此帮助客户完成深度数字化转型，更好地助力当地进行智慧城市的建设。一起来看看这个案例吧~...

本次案例是智能运维助力实现全面可观测性的一次成功落地实践，案例从两方面入手，一是事前做好各类型的数据链接、监控等，分层次，找关联；另一方面在观测到问题后能够快速评估问题影响，收敛问题并找到根因。一起来看看案例中的实践吧~

本次案例是智能运维助力实现全面可观测性的一次成功落地实践，案例从两方面入手，一是事前做好各类型的数据链接、监控等，分层次，找关联；另一方面在观测到问题后能够快速评估问题影响，收敛问题并找到根因。一起来看看案例中的实践吧~

本次案例是智能运维助力实现全面可观测性的一次成功落地实践，案例从两方面入手，一是事前做好各类型的数据链接、监控等，分层次，找关联；另一方面在观测到问题后能够快速评估问题影响，收敛问题并找到根因。一起来看看案例中的实践吧~