新一代智能運(yùn)維平臺(tái)方案

1、技術(shù)創(chuàng)新 變革未來(lái)新一代智能運(yùn)維平臺(tái)方案隨著近年來(lái)大數(shù)據(jù)處理和機(jī)器學(xué)習(xí)技術(shù)的快速發(fā)展，通過(guò)采用新的技術(shù)手段建立更為強(qiáng)大的 生產(chǎn)運(yùn)維保障體系已成為可能，生產(chǎn)運(yùn)維將從工具、自動(dòng)化進(jìn)一步走向智能化。智能運(yùn)維支持動(dòng)態(tài)閥值 基線優(yōu)化日志索引分析動(dòng)態(tài)自動(dòng)化 機(jī)器學(xué)習(xí) 預(yù)警預(yù)測(cè) 異常識(shí)別 主動(dòng)性運(yùn)維傳統(tǒng)運(yùn)維支持專家知識(shí) 運(yùn)維經(jīng)驗(yàn)日 志備份巡檢 排查人工處 理告警響應(yīng) 事件處理被 動(dòng)式運(yùn)維 人機(jī)超融合解決方案什么才是好的AIOps實(shí)用性先進(jìn)性確實(shí)能解決傳統(tǒng)工作中 的困難，并能夠提高工 作效率的希望引入大數(shù)據(jù)和人工 智能技術(shù)結(jié)合人員進(jìn)行 高效處理 AIOps的管理視角 智能運(yùn)維平臺(tái)的核心價(jià)值 故障排查時(shí)間減少9

2、0%數(shù)據(jù)收集時(shí)間數(shù)據(jù)庫(kù)容量預(yù)測(cè)的準(zhǔn)確率99.5%，提高對(duì)資源的利用率 比常規(guī)日志監(jiān)控多發(fā)現(xiàn)30%隱患異常日志比被動(dòng)告警提前10分鐘，主動(dòng)式預(yù)警系統(tǒng)可用性故障系統(tǒng)故障根因定位，原人工定位8小時(shí)，縮短定位時(shí)間到30分鐘動(dòng)態(tài)規(guī)劃系統(tǒng)資源，根據(jù)實(shí)際業(yè)務(wù)動(dòng)態(tài)伸縮分配資源，減少30%資源成本智能運(yùn)維組件列表智能運(yùn)維平臺(tái) 8大模塊日志分析運(yùn)維場(chǎng)景化梳理運(yùn)維工/場(chǎng)景運(yùn)維可視化過(guò)程與運(yùn)行可視化運(yùn)維智能化大數(shù)據(jù)分析與AI數(shù)據(jù)庫(kù)分析專家知識(shí)分析大屏分析拓?fù)浞治龆说蕉朔治鲩g答機(jī)器分析運(yùn)維8動(dòng)化 AIOps場(chǎng)景如何定義 基于智能運(yùn)維的產(chǎn)品套件 多指標(biāo)關(guān)聯(lián)分析探索為什么多指標(biāo)關(guān)聯(lián)分析比較難IT管理對(duì)象及其性能監(jiān)控指標(biāo)繁多，且計(jì)劃內(nèi)或計(jì)劃外變 更頻繁監(jiān)控指標(biāo)與服務(wù)影響之間無(wú)法建立有效模型無(wú)監(jiān)督學(xué)習(xí)：歷史故障信息及其關(guān)聯(lián)因子缺少標(biāo)注基于概率神經(jīng)網(wǎng)絡(luò)的關(guān)聯(lián)分析通過(guò)統(tǒng)計(jì)學(xué)理論，挖掘指標(biāo)間的關(guān)聯(lián)關(guān)系通過(guò)機(jī)器學(xué)習(xí)算法對(duì)具有關(guān)聯(lián)關(guān)系的KPI進(jìn)行數(shù)據(jù)建模分析， 預(yù)測(cè)未來(lái)某個(gè)時(shí)刻KPI變化的上下區(qū)間通過(guò)算法計(jì)算各關(guān)聯(lián)指標(biāo)之間的標(biāo)準(zhǔn)誤差，當(dāng)標(biāo)準(zhǔn)誤差超 過(guò)算法范圍后進(jìn)行預(yù)警通過(guò)算法分析各影響因子對(duì)KPI變化的影響比重，定位問(wèn)題 發(fā)生原因 金融行業(yè)AI