算法落地思考：如何让智能运维更智能

嘉宾 | 王鹏   整理人 | 西狩xs

出品 | 优快云云原生

AIOps是人工智能与运维的结合，能够基于已有的运维数据，利用人工智能算法，通过机器学习的方式帮助企业提升运维效率，解决自动化运维无法管理的问题。

2022年8月30日，在优快云云原生系列在线峰会第16期“AIOps峰会”上，复旦大学计算机科学技术学院教授、擎创科技首席数据科学家王鹏深入阐述了智能运维的现状，全面分析了智能运维在算法落地时遇到的问题，分享了他在智能运维方向中算法落地的探索与尝试。

智能运维的现状

当前有众多学者对智能问答系统进行研究，提出了诸多算法和技术，在Google Scholar中，与智能问答系统相关的词条高达35万，但智能问答系统在实际生活中的效果却差强人意，并不是真正的“智能”。

近些年来，智能运维算法一直在快速地发展迭代，随着智能运维研究成果和应用场景的不断落地，算法效果也在不断提升。

指标异常检测

指标异常检测是当前落地最多的智能运维场景，该场景下数据容易准备、效果容易验证。对某个指标的某个时间序列进行标注后，很容易看出哪些异常没有被捕获，以及捕获了哪些不应该捕获的异常。

针对指标的异常检测，研究者们提出了大量异常检测算法，包括单指标异常算法、多指标的异常检测算法、基于统计或深度学习的异常检测算法以及有监督、无监督的异常检测算法。

但在实际落地过程中，指标异常检测的效果往往不尽如人意。主要问题如下：

1、误报太多

• 阈值设置紧，为了消除漏报，造成了大量的误报；
• 异常数量多，运维人员难处理，不得不忽略所有的指标异常告警。

2、模型/参数难以设置

• 不同类型的指标，其波动情况、周期性、变化情况不同，所适合的模型和参数也不同；
• 无法单独为指标设置模型和参数。

3、缺乏有效的反馈和修正机制

• ​​​​​缺乏问题发现能力，难以对指标异常进行类型、主机、时间段等方面的展示和分析，难以对异常进行交互式探索，无法判断异常是否应该报告；