从传统运维走向AIOps转型之路.pdf

从传统运维走向AIOps转型之路 技术创新，变革未来 1、智能运维概述 目录 2、多维异常检测 3、告警质量治理 CONTENTS 4、智能故障分析 1 智能运维概述 智能运维的几个要点 海量数据时代面临的挑战 • 服务器规模越来越大 • 应用功能越来越丰富 • 服务的关联越来越复杂 • 引发故障的原因多种多样 • 涉及的团队和人员越来越多 智能运维的几个要点 • 全业务流程覆盖 • 故障前给出服务质量和风险点评估，做出故障预警 • 无需人工维护监控策略，故障时自动发出告警 • 多维度的异常检测，自动生成异常判断阈值 • 有效的告警收敛，多维度的对告警进行合并 • 智能对故障根因进行分析，给出最可能的原因，辅助人做决策 • 根据故障原因选择合适的故障自愈策略并执行，自动解决故障 2 多维异常检测 保证足够的监控覆盖率，及时发现各种异常 多维监控指标概述 • 静态阈值 • 有固定范围，无周期性 • 如CPU、内存使用率 • 需调整的静态阈值 • 无固定范围，无周期性 • 如集群响应时间 • 无固定阈值 • 无固定变化范围，有周期性 • 如PV、UV、订单量、交易额 多维度异常检测 1. 监控自动添加 • 无需人工添加监控 • 保证监控覆盖率 2. 静态阈值自动生成 • 无需人工维护异常判断阈值 • 可以配置海量的监控策略 3. 周期性指标的异常检测 • 业务关键指标的异常检测 一、监控自动添加 基础监控数据自动采集，依靠CMDB信息自动添加基础监控 添加监控的几个要素： 1. 集群名 2. 集群IP列表 3. 基础监控策略 4. 集群负责人 二、静态阈值自动生成 基于样本统计分布自动计算动态阈值 ⚫ 3-sigema ➢ 样本符合或近似正态分布 ➢ 易受异常值影响 ⚫ Tukey’s test ➢ 不受少量异常值的影响 ➢ 有时过于敏感 三、周期性指标的异常检测 • 背景 • 整体规律性较强 • 短期小幅波动较多 • 适用场景 • 网络出口或业务的进出流量 • 集群和域名的访问量 • 宏观业务数据 流量预测及异常检测的技术框架 智能异常检测的效果 • 基于数据异常程度将异常分为：普通异常、严重异常、陡变异常 • 模型有较好的普适性 • 适用于不同数量级的数据； • 适用于不同变化规律的数据； • 适用于不同业务的数据； 3 告警质量治理 对异常做精准的告警，减少告警数量，提升告警信息含量 告警质量治理 1. 告警收敛策略 • 减少告警的数量，减少对人的干扰 2. 智能告警合并 • 将同类的告警合并起来，