智能运维

智能运维

AIOps(Artificial Intelligence for IT Operations) 即智能运维，其目标是给予已有的运维数据（日志，监控信息，应用信息等），通过机器学习的方式来进一步解决自动化运维所未能解决的问题，提高系统的预判能力及稳定性。

KPI：Key Performance Indicators
SRT：search response time
HSRT: High SRT (搜索时间大于一秒的搜索)

已定义的智能运维科研问题

• 针对历史事件

  • 瓶颈分析
  • 热点分析
  • KPI聚类
  • KPI关联关系挖掘
  • 异常事件关联关系挖掘
  • 全链路模块调用链分析
  • 故障传播关系图构建

• 针对当前事件

  • 异常检测
  • 异常定位
  • 异常报警聚合
  • 快速止损
  • 故障根因分析

• 针对未来事件

  • 故障预测
  • 容量预测
  • 趋势预测
  • 热点分析

案例

故障预测

• 问题描述

  • 对于发生轻微异常的组件，需要预测在未来一段时间内是否会发生故障。

• 输入

  • KPI数据
  • 告警

• 输出

  • 是否会发生故障
    • 1：会发生故障
    • 0：不会发生故障

转换为机器学习问题（监督学习）

• 问题定义

  • 二分类问题

• 关键步骤

  • 样本构造（历史样本集）
  • 特征构造
  • 分类算法（随机森林）

故障定界（异常定位）

• 问题描述

  • 需要判断是哪一个设备故障导致的异常

• 输入

  • KPI数据
  • 网络拓扑

• 输出

  • 故障位置

转换为机器学习问题（非监督学习）

• 问题定义

  • 聚类问题

• 关键步骤

  • 样本构造（历史样本集）
  • 特征构造
  • 聚类算法（层次聚类）

异常事件关联关系挖掘（告警关联）

• 问题描述

  • 对网络每天产生的大量告警进行关联，把属于同一个故障的告警压缩为一组

• 输入

  • 告警
  • 网络拓扑

• 输出

  • 告警组

转换为数据挖掘问题

• 问题定义

  • 序列频繁项集挖掘问题

• 关键步骤

  • 告警预处理

    • 清除重复告警
    • 清除闪断告警

  • 告警空间关联

  • 告警时间分组

  • 频繁项集挖掘

  • 挖掘出频繁项集后，有专家人工确认有关联的故障规则