推广 - 传媒 2021-11-24T20:48:40 +08:00

七牛云受邀参加2021 GOPS全球运维大会,分享AIOps探索和实践

11月18日-19日,由高效运维社区(GreatOPS)和开放运维联盟(OOPSA)、RPA时代社区联合主办的2021GOPS全球运维大会在上海正式召开。GOPS主要面向运维行业的中高端技术人员,目的在于帮助运维人员系统学习了解相关知识体系,让创新技术推动社会进步。

七牛云受邀出席了本次大会,七牛云运维架构师敖文武就AIOps在七牛云的探索和实践等话题,同与会嘉宾进行了分享。敖文武从AI和运维OPS关系,AIOps七牛内部探索和实践,我们的思考与总结等方面进行分享。敖文武指出,运维在故障处理流程中的各个环节,如问题发现、检测、分析、根因定位和响应处理等,其中问题的根因定位分析所占时间长达60%,严重依赖运维专家的知识和经验。依托七牛云「PISA」产品,梳理数据建模分析,构建出关键业务调用链路。并通过动态阈值计算,预测未来服务分数等算法能力。实现快速根因定位,有效缩短MTTR40%,并逐步在运维内部落地。

从运维角度,为什么需要AIOps?

整个故障处理过程中,问题定位所需要的时间占比达到60%。实践中,MTTK(Mean Timeto Know)环节严重依赖运维专家的知识和经验,且难以口口相传。所以,我们需要有一种方法将专家知识和经验沉淀下来,帮助我们更加高效的定位和决策。

七牛云内部的探索和实践

内部在AIOPS上针对如何快速定位问题上做了一些探索和落地实践:系统可观测性依托“PISA”智能服务分析,构建系统可观测性。SRE专家经验知识沉淀,加速问题定位。业务健康评分多维度KPI指标占比评分计算,主动综合预测业务健康和趋势预测。告警智能降噪针对不同告警规则做指标数据分类,降低告警风暴,提升告警准确度。动态阈值静态指标弊端很多,无法适应流量峰值周期,集群规模一直在变化。静态的阈值要么是设置过低、要么是过高。所以我们采用时序检测算法、训练指标历史数据,有效识别周期性异常波动。

可观测性核心要素:1、Metrics指标性统计。度量应用某一类信息的正确率、成功率、流量等,这是我们常见的应用单个统计聚合。2、Tracing分布式追踪。一次请求的范围,服务于服务,服务于组件之间的依赖追踪。3、Logging日志记录。程序在执行的过程中间发生了一些日志,会包含报错信息、堆栈信息等详细日志内容。

基于七牛云Pandora平台,构建智能运维分析工具「PISA」。「PISA」针对企业在数字信息化过程中,面临业务系统与IT系统割裂的难题,IT人员分析问题难,解决问题耗时长,各类监控软件数量繁多但无法协同等问题现状,有效连接企业的业务系统和IT系统,通过提升整体的可观测性、实时洞察隐患、快速根因定位、提前预知故障等手段,帮助企业提高系统稳定和减少损失。将传统的被动式运维变成主动式运营,让数据产生更高价值。除此之外,平台机器学习工具包,上面集成了大量的算法、能够管理模型和快速验证。工程师直接去做算法多少有一些门槛,但可以参与模型的训练。通过不同条件组合,参数调整,特征优化以追求更好的效果表达。

关于我们自己的思考和总结

第一,数据维度越全面越好。

第二,所有数据标准化越规范统一越好。

第三,场景(知识)越深入越好。

本身对运维场景理解不是特别深,不理解场景当成产品功能去做的话,恐怕只能做出一个完整的产品功能来,大概率无法直接落地,因为线上环境复杂多元,这些情况非常依赖运维专家本事的经验。AIOPS能够落地,一定是在SRE或DevOps最佳实践中升华而来。

简单来说,如何借助AI能力与运维场景进行深度结合,并“落地”实践,是我们对AIOps的思考和理解。

相关话题

特别声明:以上内容(如有图片或视频亦包括在内)均为站长传媒平台用户上传并发布,文章为企业广告宣传内容,本平台仅提供信息存储服务,对本页面内容所引致的错误、不确或遗漏,概不负任何法律责任,相关信息仅供参考。任何单位或个人认为本页面内容可能涉嫌侵犯其知识产权或存在不实内容时,可及时向站长之家提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明(点击查看反馈联系地址)。本网站在收到上述法律文件后,将会依法依规核实信息,沟通删除相关内容或断开相关链接。

推荐关键词

24小时热搜

查看更多内容

大家正在看

七部门规范直播行为