主動(dòng)式應(yīng)用性能管理平臺(tái)方案

1、數(shù)據(jù)驅(qū)動(dòng)的主動(dòng)式應(yīng)用性能管理平臺(tái)方案技術(shù)創(chuàng)新 變革未來應(yīng)用性能是企業(yè)制勝關(guān)鍵，任何一秒的性能下降都將給客戶留下糟糕的用戶體驗(yàn)，直接導(dǎo)致業(yè)務(wù)收入下降。 然而隨著政府、企業(yè)部署應(yīng)用數(shù)量迅速增加，以及新技術(shù)（如混合云、虛擬化、大數(shù)據(jù)等）、新需求（如、彈性伸縮、支持移動(dòng)終端、信息主動(dòng)推送等）促使應(yīng)用系統(tǒng)復(fù)雜化、多樣化，使得穩(wěn)定性、性能保障更加困難。企業(yè)內(nèi)應(yīng)用數(shù)量以及應(yīng)用架構(gòu)復(fù)雜度的增加，監(jiān)控指標(biāo)及單位時(shí)間產(chǎn)生的監(jiān)控?cái)?shù)據(jù)量成倍增長，加之運(yùn)維數(shù)據(jù)本身有價(jià)值信息密度較低，人工篩選分析工作量巨大，運(yùn)維人員工作被動(dòng)，難堪重負(fù)。要從根本扭轉(zhuǎn)當(dāng)前企業(yè)面臨的應(yīng)用性能管理被動(dòng)，甚至有時(shí)近乎失控的局面，首先需要變被動(dòng)解決

2、風(fēng)險(xiǎn)告警為主動(dòng)潛在問題及風(fēng)險(xiǎn)?；谥饾u成熟的大數(shù)據(jù)、人工智能技術(shù)實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的智能化運(yùn)維系統(tǒng)則是從根本上解決應(yīng)用運(yùn)維問題的途徑。本案例介紹了東軟從實(shí)踐中總結(jié)、創(chuàng)新、研發(fā)數(shù)據(jù)驅(qū)動(dòng)的主動(dòng)式應(yīng)用性能管理產(chǎn)品RealSight APM的工程實(shí)踐。摘要What數(shù)據(jù)驅(qū)動(dòng)的主動(dòng)式企業(yè)應(yīng)用性能管理平臺(tái)建設(shè)實(shí)踐數(shù)據(jù)采集數(shù)據(jù)分析數(shù)據(jù)展現(xiàn)智能預(yù)測提升運(yùn)維敏捷性：發(fā)現(xiàn)IT運(yùn)維數(shù)據(jù)中的潛在關(guān)系及模式，實(shí)時(shí)提供系統(tǒng)配置策略優(yōu)化、運(yùn)維流程優(yōu)化及系統(tǒng)部署策略優(yōu)化；降低運(yùn)維成本：構(gòu)建IT系統(tǒng)運(yùn)維自動(dòng)化推理分析模型，降低IT系統(tǒng)探傷，容量規(guī)劃方案設(shè)計(jì)等運(yùn)維決策成本；預(yù)防規(guī)避運(yùn)維風(fēng)險(xiǎn)：主動(dòng)探查隱藏的趨勢及潛在風(fēng)險(xiǎn)信息，提前預(yù)警并提

3、供風(fēng)險(xiǎn)規(guī)避方案；打造主動(dòng)式應(yīng)用性能管理平臺(tái)，簡化企業(yè)應(yīng)用性能管理企業(yè)內(nèi)應(yīng)用數(shù)量以及應(yīng)用架構(gòu)復(fù)雜度的增加，監(jiān)控指標(biāo)及單位時(shí)間產(chǎn)生的監(jiān)控?cái)?shù)據(jù)量成倍增長，加之運(yùn)維數(shù)據(jù)本身有價(jià)值信息密度較低，人工篩選分析工作量巨大，運(yùn)維人員難堪重負(fù)。Why問題與挑戰(zhàn)核保系統(tǒng)核賠系統(tǒng)出單系統(tǒng)保全系統(tǒng)收費(fèi)系統(tǒng)客戶系統(tǒng)動(dòng)力環(huán)境服務(wù)器網(wǎng)絡(luò)設(shè)備存儲(chǔ)設(shè)備中間件云環(huán)境應(yīng)用云計(jì)算平臺(tái)基礎(chǔ)設(shè)施移動(dòng)設(shè)備管理IT資源監(jiān)管應(yīng)用運(yùn)維業(yè)務(wù)管理應(yīng)用性能管理PC應(yīng)用IT運(yùn)維Why問題與挑戰(zhàn)Why問題與挑戰(zhàn)Why問題與挑戰(zhàn)PaaSIaaS應(yīng)用開發(fā)期應(yīng)用運(yùn)行期需求分析軟件設(shè)計(jì)開發(fā)測試實(shí)施部署性能監(jiān)管資源資源資源工具服務(wù)探針部署方案質(zhì)量目標(biāo)指標(biāo)定義SDK

4、開發(fā)需求DevOps性能分析報(bào)告應(yīng)用性能管理平臺(tái)云云Why問題與挑戰(zhàn)傳統(tǒng)解決方案我們的解決方案工具云計(jì)算環(huán)境工具服務(wù)器工具中間件工具用戶體驗(yàn)工具日志工具應(yīng)用工具數(shù)據(jù)庫我們的解決方案云計(jì)算環(huán)境服務(wù)器中間件用戶體驗(yàn)日志應(yīng)用數(shù)據(jù)庫歷史數(shù)據(jù)監(jiān)控圖表潛在問題分析應(yīng)用性能預(yù)測主動(dòng)風(fēng)險(xiǎn)規(guī)避應(yīng)用性能管理及分析未來趨勢潛在問題智能運(yùn)維分析引擎Why問題與挑戰(zhàn)JavaPythonPHP.NETRubyNode.jsJavaScriptiOSAndroid應(yīng) 用 性 能 數(shù) 據(jù)用戶體驗(yàn)實(shí)時(shí)監(jiān)控用戶體驗(yàn)變化情況容量規(guī)劃依據(jù)應(yīng)用負(fù)載趨勢預(yù)測資源配置預(yù)警發(fā)現(xiàn)異常實(shí)時(shí)告警風(fēng)險(xiǎn)預(yù)防基于歷史數(shù)據(jù)分析潛在風(fēng)險(xiǎn)推理分析根據(jù)特定事件

5、輸入推理分析潛在影響程度根源分析定位分析風(fēng)險(xiǎn)根源問題探傷應(yīng)用主動(dòng)探傷信息信息How解決方案設(shè)計(jì)思路IT監(jiān)控及狀態(tài)信息采集監(jiān)控當(dāng)前IT系統(tǒng)整體運(yùn)行狀態(tài)是否正常報(bào)表統(tǒng)計(jì)統(tǒng)計(jì)歷史監(jiān)控?cái)?shù)據(jù)，輔助It系統(tǒng)綜合管理分析分析歷史數(shù)據(jù)，輔助根源問題分析預(yù)測構(gòu)建模型，預(yù)測未來趨勢預(yù)防查找潛在風(fēng)險(xiǎn)提供預(yù)防策略客戶已有IT基礎(chǔ)設(shè)施、生產(chǎn)運(yùn)營、經(jīng)營管理三大平臺(tái)指標(biāo)、日志數(shù)據(jù)分析數(shù)據(jù)驅(qū)動(dòng)的主動(dòng)防御型APM平臺(tái)助力企業(yè)構(gòu)建智能運(yùn)營體系支撐運(yùn)營類系統(tǒng)智能化升級(jí)智能一體化How解決方案設(shè)計(jì)思路指標(biāo)聚合轉(zhuǎn)換容量規(guī)劃分析IT系統(tǒng)探傷分析風(fēng)險(xiǎn)異常診斷趨勢預(yù)測分析動(dòng)態(tài)閥值預(yù)測應(yīng)用管理平臺(tái)實(shí)時(shí)數(shù)據(jù)歷史數(shù)據(jù)信息儀表盤How解決方案設(shè)計(jì)思

6、路數(shù)據(jù)可視化平臺(tái)應(yīng)用性能管理平臺(tái)基礎(chǔ)設(shè)施監(jiān)控指標(biāo)日志等半結(jié)構(gòu)化數(shù)據(jù)IT運(yùn)維數(shù)據(jù)運(yùn)維決策數(shù)據(jù)推理分析模型異常檢測報(bào)告容量規(guī)劃報(bào)告異常檢測報(bào)告動(dòng)態(tài)預(yù)警閥值指標(biāo)變化趨勢應(yīng)用探傷報(bào)告異常檢測報(bào)告動(dòng)態(tài)預(yù)警閥值指標(biāo)變化趨勢資源配置分析應(yīng)用運(yùn)維管理團(tuán)隊(duì)?wèi)?yīng)用運(yùn)維決策信息日志分析平臺(tái)IT運(yùn)維分析平臺(tái)應(yīng)用態(tài)勢數(shù)據(jù)IT基礎(chǔ)設(shè)施管理平臺(tái)How解決方案設(shè)計(jì)思路數(shù)據(jù)分析、機(jī)器學(xué)習(xí)、模型管理 流數(shù)據(jù)管理、數(shù)據(jù)傳輸數(shù)據(jù)視圖定義、管理數(shù)據(jù)轉(zhuǎn)換、索引、檢索數(shù)據(jù)存儲(chǔ)、持久化數(shù)據(jù)安全數(shù)據(jù)治理過程監(jiān)控風(fēng)險(xiǎn)管理IT運(yùn)營決策信息數(shù)據(jù)可視化平臺(tái)基礎(chǔ)設(shè)施監(jiān)控指標(biāo)日志等半結(jié)構(gòu)化數(shù)據(jù)IT運(yùn)維數(shù)據(jù)日志分析平臺(tái)IT運(yùn)維分析平臺(tái)應(yīng)用態(tài)勢數(shù)據(jù)IT基礎(chǔ)設(shè)施

7、管理平臺(tái)How解決方案設(shè)計(jì)思路企業(yè)應(yīng)用性能管理平臺(tái)主動(dòng)式圍繞用戶需求，深耕核心技術(shù)應(yīng)用性能保障用戶體驗(yàn)分析潛在風(fēng)險(xiǎn)規(guī)避IT基礎(chǔ)設(shè)施應(yīng)用系統(tǒng)用戶應(yīng)用體驗(yàn)波動(dòng)情況追蹤應(yīng)用性能實(shí)時(shí)分析IT資源使用率監(jiān)控分析計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)資源價(jià)值用戶體驗(yàn)分析：提升應(yīng)用用戶體驗(yàn) 應(yīng)用性能保障配置問題分析定位 代碼問題分析定位應(yīng)用日志分析性能瓶頸定位應(yīng)用性能保障：降低應(yīng)用故障率 ！應(yīng)用指標(biāo)偏離正常行為歷史實(shí)時(shí)未來置信區(qū)間潛在風(fēng)險(xiǎn)規(guī)避：主動(dòng)預(yù)防風(fēng)險(xiǎn)架構(gòu)設(shè)計(jì)實(shí)踐架構(gòu)設(shè)計(jì)實(shí)踐架構(gòu)設(shè)計(jì)實(shí)踐架構(gòu)設(shè)計(jì)實(shí)踐算法簡單，適用性強(qiáng)。但效果一般，幾乎不能稱作“機(jī)器學(xué)習(xí)”移動(dòng)平均（Moving Average）指數(shù)平滑（Exponential

8、 Smoothing）關(guān)鍵技術(shù)突破實(shí)踐：異常檢測機(jī)器學(xué)習(xí)技術(shù)在時(shí)間序列數(shù)據(jù)上的擬合和預(yù)測，已經(jīng)可以達(dá)到不錯(cuò)的效果線性回歸（Linear Regression）周期模型（Seasonal Model）關(guān)鍵技術(shù)突破實(shí)踐：異常檢測Twitter開源的異常檢測算法，在傳統(tǒng)ESD算法進(jìn)行了改進(jìn)，用以發(fā)現(xiàn)僵尸帳號(hào)和營銷機(jī)器人*時(shí)間序列數(shù)據(jù)減去周期序列值計(jì)算樣本均值，尋找偏離均值最遠(yuǎn)的N個(gè)點(diǎn)，記作異常點(diǎn)移除異常點(diǎn)，重新計(jì)算關(guān)鍵技術(shù)突破實(shí)踐：異常檢測從噪音的角度去思考異常檢測，移除模型預(yù)測的值之后，認(rèn)為噪音越大的點(diǎn)異常可能性越大Cramer定理認(rèn)為，對(duì)于任何一個(gè)時(shí)間序列都可以分解為趨勢周期成分和平穩(wěn)的零均值誤差成分。時(shí)間序列預(yù)測的好壞直接決定了異常檢測的能力，受限于無法進(jìn)行預(yù)測的時(shí)間序列數(shù)據(jù)關(guān)鍵技術(shù)突破實(shí)踐：異常檢測在Twitter提供的10+組人工異常數(shù)據(jù)集上我們混合模型都準(zhǔn)確發(fā)現(xiàn)異常點(diǎn)關(guān)鍵技術(shù)突破實(shí)踐：異常檢測關(guān)鍵技術(shù)突破實(shí)踐：異常檢測改變異常檢測的思路為：檢測時(shí)間序列數(shù)據(jù)噪音改變的點(diǎn)RealSight BRCP1風(fēng)險(xiǎn)根源問題定位分析在IT系統(tǒng)異常時(shí)快速診斷定位根源問題，降低平均恢復(fù)時(shí)間（MTTR）。2風(fēng)險(xiǎn)相關(guān)性分析當(dāng)分析風(fēng)險(xiǎn)與多個(gè)根源問題相關(guān)時(shí)，根據(jù)歷史數(shù)據(jù)推理分析出最可能關(guān)聯(lián)排名，生成解