酒酿小圆子呀～

来源：华为云确定性运维专刊（第五期）

基于机器学习的异常检测与分析技术复杂运维场景下，如何实现分钟级的故障根因定位基于大语言模型的云故障根因分析｜顶会EuroSys24论文

传统的运维方式在监控、问题发现、告警以及故障处理等各个环节均存在明显不足，需要大量依赖人的经验，在数据采集、异常诊断分析、故障处理的效率等方面有待提高。本关键技术面对传统运维故障处理效率低、问题定位不准确、人力成本高三大痛点，将人工智能与运维相结合，由AI逐步取代人力决策，通过机器学习方法，快速给出决策建议或提前规避故障，实现网云业务智能分析和优化，从而极大提高运维生产力。总体来说智能运维比传统运维方式效率高，数据采集更准确，更智能。

日志异常检测的核心是借助AI算法自动分析网络设备日志来发现并定位故障，根据送入检测模型的数据格式，日志异常检测算法模型分为序列模型和频率模型，其中序列模型又可以分为深度模型和聚类模型。

智能运维系列（一）| AIOps 的崛起与实践：https://www.infoq.cn/article/fqUfkjhecOla1zKUKycN智能运维系列（二）| 智能化监控领域探索：https://www.infoq.cn/article/Qta6VCyjvHdoiJg5wKze智能运维系列（三）| 浅析智能异常检测：“慧识图”核心算法：https://www.infoq.cn/article/mryjNLXOlujV7fkQFUaL智能运维系列（四）| 曝光交易路径：https://www..

1. 日志异常检测1.1 日志异常检测模型深度模型的日志异常检测，还有谁不会？：https://segmentfault.com/a/1190000039060586AIOps关键技术：FT-tree提取日志模板 : https://cloud.tencent.com/developer/news/238966(小米智能运维团队) 日志异常检测初步实践与探索: https://blog.youkuaiyun.com/pengzhouzhou/article/details/110211666#comments

前言中国应用性能管理行业盛宴—2017中国应用性能管理大会（简称APMCon 2017）于8月10日至11日在北京新云南皇冠假日酒店隆重召开。本届APMCon是由听云、极客邦和InfoQ联合主办，作为国内APM领域最具影响力的技术大会，本次大会以“驱动应用架构优化与创新”为主题，致力于推动APM在国内的成长与发展。清华大学计算机系副教授、智能运维算法专家—裴丹于APMCon 2017大会主论坛发表了题为《智能运维中的科研问题》的演讲，现场解读了在智能运维领域，工业界与学术界间合作的重要性以及智能运维如.

参考博客:AIOps探索：基于VAE模型的周期性KPI异常检测方法: https://www.cnblogs.com/bonelee/p/9848559.html《异常检测——从经典算法到深度学习》8 Donut: 基于 VAE 的 Web 应用周期性 KPI 无监督异常检测: https://blog.youkuaiyun.com/smileyan9/article/details/112307506.........

领域调研清华裴丹：我在智能运维科研领域的一些思考: https://blog.youkuaiyun.com/u012856866/article/details/119455262故障预测基于日志的交换机故障预测: https://blog.youkuaiyun.com/ZVAyIVqt0UFji/article/details/79215896清华NetMan实验室清华NetMan实验室的GitHub开源地址: https://github.com/NetManAIOps清华NetMan实验室的开源代