AI在运维中的应用

最新推荐文章于 2025-06-14 10:10:14 发布

原创

最新推荐文章于 2025-06-14 10:10:14 发布 · 1.1w 阅读

8 ·

CC 4.0 BY-SA版权

本文探讨了AIOPS（人工智能运维）在应对复杂分布式系统运维挑战中的作用，旨在通过机器学习提高运维效率，缩短故障恢复时间。目前AIOPS的全球部署率在逐步提升，但仍面临数据不足、模型训练困难等问题。文章提出建立运维知识图谱和选择典型场景应用AIOPS来优化根本原因分析，以提升IT服务连续性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

摘要：随着X86分布式技术应用，服务器数量越来越多，网络拓扑结构越来越复杂，运维越来越辛苦，风险越来越高。智能化运维AIOPS将AI技术应用在运维场景,是DevOps的运维部分，是“开发运维一体化云中心”的重要基础设施之一，其最大的价值在于缩短故障恢复时间，提高IT服务连续性。

本文描述一个运维及在这个场景下对AI的需求，目标是尝试将AI引入运维过程，提高运维效率、缩短故障恢复时间。

关键字：机器学习；DEVOPS、AIOPS、流量预测

随着X86分布式架构应用，服务器规模越来越大，一个交易经过的服务数量，一个请求的可能路径以笛卡尔乘积方式增加，一个节点异常往往会引起网络上多个服务器告警。这给故障定位、故障应急处理、系统瓶颈预测带来巨大的挑战。针对这种情况业内把人工智能引入到分布式系统运维管理中，以期通过人工智能提高运维效率，缩短故障恢复时间。业内称加入人工智能的运维为AIOPS。根据 Gartner Report，智能运维相关的技术产业处于上升期。2016 年，AIOPS 的部署率低于 5%，Gartner 预计 2019 年 AIOPS 的全球部署率可以达到 25%。随着人工智能的成熟，运维工程师将逐渐转型为大数据工程师，主要负责开发数据采集程序以及自动化执行脚本，负责搭建大数据基础架构，同时高效实现基于机器学习的算法。

AIOPS代表结合人工智能的IT运维。它是指利用机器学习从各种IT运营工具和设备收集的大数据并训练模型，实时自动发现问题、分析问题、响应问题的多层技术平台。Gartner通过图1解释了AIOPS平台如何工作。AIOPS有两个主要组件：大数据和机器学习。为了将大数据平台中的参与数据（通常在票据、事件和事件记录中找到