1、AIOPS智能监控的成功实践A I O P S 智能监控的成功实践从从Devop 到到AIOps阿里巴巴集团的智能监控阿里巴巴集团的智能监控场景实战场景实战123阿里巴巴阿里巴巴AIOps智能监控智能监控产品体产品体从D e v o p到A I O p s 阿里巴巴集团的智能监控场景实战1手动运维手动运维人工决策人工决策人工执行人工执行人工判断人工判断自动执行自动执行自动判断自动判断自动执行自动执行自动化运维自动化运维 (DEVOPS)智能化运维智能化运维 (AIOPS)从从DEVOPS到到AIOPS是运维技术发展的必然趋是运维技术发展的必然趋势势手动运维人工决策人工判断自动判断自动化运维 (
2、D E V O P SAIOPS是运维技术的未来发展趋是运维技术的未来发展趋势势10%2017年AIOps部署率50%2020年AIOps部署率A I O P S 是运维技术的未来发展趋势1 0%5 0%AIOps能为我们带来什么能为我们带来什么?A I O p s 能为我们带来什么?AIOPS科技树科技树AIOPS质量监控时序异常检测指标相关性分 析报警收敛根因分析故障类型判定历史故障推荐可疑应用/事 件推荐故障自愈自动化触发快 恢脚本执行环境成本容量容量预测自动熔断调度资源调度流量调度效率无人值守发布值班运维机器人信息流转任务执行A I O P S 科技树A I O P S 质量监控时序异
3、常检测指标相关性分 如何孵化如何孵化AIOps能力能力?如何孵化A I O p s 能力?运维场景运维场景智能监控智能调度智能问答异常检测最优化策略/规划&预测NLP/意图识别监控/时间序列 数据CMDB运维故障 场景语料AIOPS技术架构技术架构:场景、算法、数据三位一场景、算法、数据三位一体体算法组件算法组件运维数据运维数据运维场景最优化策略/规划&预测监控/时间序列 数据C MD BAIOPS团队架构团队架构:运维运维/研发研发/算法算法/产品产品/运营多位一运营多位一体体A I O P S 团队架构:运维/研发/算法/产品/运营多位一体阿里巴巴GOC团队的智能监控 场景实战阿里巴巴G
4、O C 团队的智能监控 场景实战阿里巴巴集团全球运行指挥中心AIOPS技术倡导者和领先实践者故障发现故障定级故障通告故障辅助 定位处理决策故障快速 恢复故障复盘故障演练业务流程阿里巴巴集团全球运行指挥中心A I O P S 技术倡导者和领先实践者业务指标监控故障定级/决策 调度故障相关 信息流转智能基线规则引擎/根因 分析ChatBot海量业务指标/系统指标数据故障CMDB/运 维数据仓库故障信息的结构 化/非结构化记 录AIOpsGOC团队团队运维场景运维场景算法组件算法组件运维数据运维数据专业智能运维 算法团队监控中心 运维团队工程研发团队团队支持团队支持故障定级/决策 调度故障相关 信息
5、流转规则引擎/根因 分析海千锤百炼的”智能基线”千锤百炼的”智能基线”用户眼中的阿里集团业用户眼中的阿里集团业务务GOC眼中的阿里集团业务眼中的阿里集团业务用户眼中的阿里集团业务G O C 眼中的阿里集团业务智能基线之业务指标监智能基线之业务指标监控控健壮长期经受各种外部攻击/爬虫 内部压测干扰的历练精准准确/全面发现业务异常并触 发报警高效支持秒级/分钟级计算 无需任何人工监控配置普适支持各行业业务数据一键接入各类监控系统数据智能基线之业务指标监控健壮精准高效普适研发研发/运维眼中的系统监控数运维眼中的系统监控数据据针对系统针对系统/应用级指标的轻量级异常检测算应用级指标的轻量级异常检测算法
6、法研发/运维眼中的系统监控数据针对系统/应用级指标的轻量级异常智能基线之系统指标监智能基线之系统指标监控控轻量可支持千万量级系统级别监 控项精准准确/全面发现系统/应用指 标并触发报警便捷支持直接异常输出或智能水 位推荐功能智能基线之系统指标监控轻量精准便捷不断演进的根因分析能力不断演进的根因分析能力单指标多维下钻分单指标多维下钻分析析当业务指标总量异常出现时,准确地智 能定位到出现异常的分量或分量组合单指标多维下钻分析当业务指标总量异常出现时,准确地智 能定位多指标相关性分多指标相关性分析析当指标异常时,动态发现有相似下跌形态的 相关指标,为原因定位提供重要线索通过离线分析,发现业务报警之间
7、的关联规 则,当单业务异常时能够对其它业务进行提 前预警多指标相关性分析当指标异常时,动态发现有相似下跌形态的 相关可疑应用可疑应用/事件分析事件分析自动基于运维数据仓库进行相关应用/事件 检索,锁定怀疑范围自动根据指标异常和事件相关性进行推荐 排序,筛掉无关事件可疑应用/事件分析自动基于运维数据仓库进行相关应用/事件 检AIOps智能监控产品体系A I O p s 智能监控产品体系AIOps智能监控产品体系智能监控产品体系监控展示监控展示异常发现异常发现报警发现报警发现根因分析根因分析信息流转信息流转故障恢复故障恢复相关事件推送相关事件推送智能监控大盘智能监控大盘智能基线智能基线多指标关联分析多指标关联分析智能报警收敛智能报警收敛智能干系人管理智能干系人管理可疑应用分析可疑应用分析多维下钻多维下钻SREBot快速恢复切换快速恢复切换故障信息检索故障信息检索故障处理生命周期故障处理生命周期A I O p s 智能监控产品体系监控展示异常发现报警发现根因分析信A I O P S 智能监控的成功实践课件
