基于AIops的智慧运营大脑 探索与实践 中国电信湖北公司 GOPS 全球运维大会 2023 · 上海站 个人介绍 张遴 中国电信湖北IBOC云平台与安全保障室经理 中国电信集团高级专家、 云架构师和内训师 目 录 CONTENTS 研发背景 从融合监控到智能监控 应用案例 1 2 3 研发背景 GOPS 全球运维大会 2023 · 上海站 IT上云后对运维的挑战

京东物流超大规模仓储系统智能监控揭秘 付正全 架构师 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 目录 问题及挑战 1 超大规模监控系统解决方案 2 面向AIOPS的智能监控最佳实践 3 规划&展望 4 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 京东物流仓储系统监控的问题及挑战  仓储库房分布地域广  机器、应用数量多 此外也包含大量的docker和云主机 目前仓储并存多套应用发布环境，各环境 部署方式、环境依赖不同，导致监控复杂 化 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 AIOPS趋势下智能监控系统的新挑战 AIOPS?  AI应用场景分散，成熟度不一致  业务多样化，算法工程化困难，大部分场景距离实际应用有一定的距离  监控指标深度，专业化程度不够  数据源不够全面  频繁变化的资产，不可靠的CMDB 超大规模监控系统解决方案 2 面向AIOPS的智能监控最佳实践 3 规划&展望 4 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 对监控的认识  什么是监控？  为什么需要监控？  监控的价值？  监控的范围、粒度？  监控体系的规划？  监控在运维体系中的定位？  监控和资产、运维的关系？  监控=无人值守？  监控和AIOPS的关系？  监控到智能监控的演化？

com/product/ai-code-tool-market/ 11.https://www.fortunebusinessinsights.com/aiops-market-109984 企业智能化转型正聚焦可量化、快回报的核心场景，头部企业实践表明：智能辅助开发、AIOps 运维与企业级知 识管理已成为落地成效最显著的三大领域，其共性在于直击业务痛点、深度嵌入主流程、ROI 周期短（6-12 个月）。 智能辅助开发：根据 代码注释率显著提升，应用迭代周期大幅缩短。 智能运维（AIOps）： 根据 Fortune Business Insights 的《AIOps Market Size, Share & Industry Analysis》报告 11， 2024 年全球智能运维 AIOps 市场规模约 18.7 亿美元，预计到 2032 年达到 86.4 亿美元，年复合增长率 21.4%。AIOps 借助人工智能技术，能实现故障预 借助人工智能技术，能实现故障预测、智能告警、自动化运维等功能，提升运维效率和精准度。某智能电网项目采用 AIOps 系统，实时监控设备状态并自动化修复故障，从而避免大范围停电。 企业知识管理智能化：通过 AI 深度解析技术文档关键参数与应用场景，实现对企业知识库核心信息的精准定位 与智能提取，彻底打破信息孤岛。某制造集团实践表明：构建基于 NLP 语义理解的研发知识地图与多级分类知识仓库 后，系统可支持「设计参数 + 失效模式

异常检测 AI 的背后是数据 https://www.juniper.net/us/en/solutions/artificial-intelligence-for-it-operations-aiops.html A RT I F I C I A L I N T E L L I G E N C E D E E P L EA R N I N G N ET WO R K 11 从端到云的保障 • 应用程序、用户、设备和会话的可见 性 • 实时客户端数据、主动射频调整 • 集成 Wi-Fi 、 vBLE 和物联网 90% AIOps 领导者 • 实时 SLE 全栈 • 唯一会话式 VNA （ Marvis ） • 7 年以上数据科学经验 • 客户成功、 Marvis 、数据科学 家 85% 更好的运营体验

着设备数量线性增加，每万台服务器运维人员的数量持续下降， 因此亟需引入智能化运维手段， 解决人力不足的矛盾，同时， 也需要借助智能化工具提高资源的可用性， 提升租户的使用体验。今天，由我来分享几个 IT 云 AIOPS 的工具。 云鸽在线 智能沟通机器人 星空雷达 网络 AI 分析平台 云翊 数据中心 精益管理系统 云秤 磁盘健康 检测平台 中国移动 云智慧运维创新实 践 SATA 等接口。 可视大屏展示 多个主题多个场景的大屏丰富报表 展现，其中核心部分 -- 磁盘异常检测 ， 能够展示模型预测的磁盘故障时间 实 现 异常磁盘预警和精确定位。 基于 AIOps 技术对磁盘性能指标历 史数据进行机器学习模型训练，生成磁 盘故障预测模型，基于该预测模型面向 移动全网提供磁盘故障预测能力。 云秤磁盘健康检测平 台 健康智能评估 表 2 磁盘动态数据 数据图像构建过程、磁盘型号状态嵌入过程、磁盘 型号 融合过程、模型训练过程以及模型预测过程。通过模型输 出的磁 盘健康值 ，判断磁盘的健康状态。 健康度模型 健康度模型分为两种：一种是基于 AIOps 的深度学习 GAN 网络用于预测 HDD 磁盘健康度 ，另一种是基于 LSTM 神经网络用于预测 SDD 磁盘健康度 ，两种算法模型介绍如下。 LSTM GAN 云秤磁盘健康检测平

话题，给管理平台的架构和功能提出了如下挑战： 针对以上的建设思路和方向，煤炭行业的IT信息资产管理平台的核心能力集应包括“监控管理、资源管理、自动化 管理、服务流程管理、知识管理、安全管控、AIOps及大数据平台、集中展示”等方面： 根据管理对象和应用场景的不同，可分为：视频监 控、动环监控、网络监控、硬件监控、软件监控、业 务服务管理、用户体验管理七个产品模块，这些产 品模块都依赖于统一指标库。 业务数据窗 应用调用链 敏捷交付（Agility） IT监控、自动化与IT流程紧密结合，事件驱 动架构实现端到端敏捷服务交付 易用的服务任务编排器 功能强大的服务中台 快速部署 AI赋能（AIOps） ITOM+AI战略，利用数据治理、智能分析手段， 满足日益复杂的IT基础设施高效运维要求 异常检测 故障根因 容量趋势 全域融合（Aaggregation） 通过微服务底盘，聚合端、网、云、安全等多技 以上八大模块不是孤立存在的，它们可根据应用场景的要求，进行不同的数据交互，如下图所示： 信息数据资产的治理和消费，是整个体系的核心要务，监控数据，告警数据，配置数据，性能数据通过标准化的端口 收集后，监控管理依托于AIOps及大数据平台进行分析和告警，资源管理形成统一配置信息管理库，自动化管理与 流程、知识联动形成降本增效的自动化运维平台级工具，安全管理充分利用运维数据进行用户行为及规范性管控， 最终形成统一的、

服务生成算力网络白皮书 25 方式下，数据规模大且离散，数据治理和全面分析能力薄弱且依赖于 经验和规则，运维十分被动，解决问题效率非常低下，运维的实用性 大打折扣，难以满足主动运营的要求。智能运维（AIOPS，Artificial Intelligence for IT Operations）通过机器学习等人工智能算法，自动地 从海量运维数据中学习并总结规则，并作出决策的运维方式。在网络 运行 智能运维：AIOps（Artificial Intelligence for IT Operations）旨在通 过整合人工智能技术和 IT 运维过程，实现自动化的运维管理，包括 运行数据（包括日志、指标、事件）进行分析和处理，自动识别和分 析故障，快速定位问题等。服务生成算力网络能够构建完整的故障快 速识别、故障处理策略生成以及故障自愈流程，从而进一步提升 AIOps 的自动化和智 时间敏感网络 VR Virtual Reality 虚拟现实 TL Transfer Learning 迁移学习 CL Continual Learning 持续学习 AIopS Artificial Intelligence for IT Operations 智能运维 IBN Intent-Based Network 意图网络 LLM Large

具备全链路可观测性的能力，通过整合日志（Logs）、指标（Metrics）、链路追踪（Traces）的“黄金 三要素”，构建数据库调用的全景视图。 更重要的是，实现根因分析（RCA）自动化。结合AIOps技术，自动关联告警事件、历史变更记录 （如配置修改、版本升级）和拓扑关系，快速推导故障根源。 �.构建由数据驱动的持续性能优化能力 通过长期监控建立性能基线（如QPS、响应时间分布），识别性能退化趋势。例如，预测到某查询响 。告警将发送至告警策略关联的所有人，用户接收 到告警后可以及时查看并采取相应措施。 智能运维 交付能力实践 第六章 �.�数据智能管家DBbrain �� 提到数据库运维，智能运维（AIOps）的交付能力已成为企业提升效率、降低风险的核心抓手。腾 讯云数据库推出的数据库智能管家DBbrain与一站式迁移解决方案DBbridge，通过技术融合与 场景化落地，构建了覆盖“诊断-优化-迁 逆操作”；权限防护需构建“最小权限+动态鉴权”的立体化防御；监控体系则需从“指标监控”升级 为“业务感知”，实现问题发现到定位的秒级闭环。 �.从“稳定运行”到“价值创造” 随着数据库与云原生、AIOps等技术的深度融合，运维团队将逐步从“成本中心”转型为“价值中 心”。通过智能运维平台对海量运维数据的深度挖掘，可反向驱动数据库架构优化、性能调优甚至 业务模式创新。例如，基于用户行为分析的弹性

应急预案与自动化作业能 力结合，加强覆盖 逐步完善容量评估模型与 容量评估标准库 挑战： 只在特定场景下落地了智能 化，离全场景智能化还有很 长距离 策略： 探索更多AIOps可落地场景 探索LLM在态势感知、测试 中能发挥的作用 GOPS 全球运维大会 2023 · 上海站 未来展望-安而不忘危，存而不忘亡，治而不忘乱 数字化高速发展、快速迭代为安全生产保障工具的适配

应急预案与自动化作业能 力结合，加强覆盖 n 逐步完善容量评估模型与 容量评估标准库 挑战： n 只在特定场景下落地了智能 化，离全场景智能化还有很 长距离 策略： n 探索更多 AIOps 可落地场 景 n 探索 LLM 在态势感知、测 试 中能发挥的作用 挑战： n 链路中网关、虚拟网络、 物理网络自动拓扑难度大 策略： n eBPF 结合调用链，能力 互 补