新一代智能運維平臺方案_第1頁
新一代智能運維平臺方案_第2頁
新一代智能運維平臺方案_第3頁
新一代智能運維平臺方案_第4頁
新一代智能運維平臺方案_第5頁
已閱讀5頁，還剩7頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、技術創新 變革未來新一代智能運維平臺方案隨著近年來大數據處理和機器學習技術的快速發展，通過采用新的技術手段建立更為強大的 生產運維保障體系已成為可能，生產運維將從工具、自動化進一步走向智能化。智能運維支持動態閥值 基線優化日志索引分析動態自動化 機器學習 預警預測 異常識別 主動性運維傳統運維支持專家知識 運維經驗日 志備份巡檢 排查人工處 理告警響應 事件處理被 動式運維 人機超融合解決方案什么才是好的AIOps實用性先進性確實能解決傳統工作中 的困難，并能夠提高工 作效率的希望引入大數據和人工 智能技術結合人員進行 高效處理 AIOps的管理視角 智能運維平臺的核心價值 故障排查時間減少9

2、0%數據收集時間數據庫容量預測的準確率99.5%，提高對資源的利用率 比常規日志監控多發現30%隱患異常日志比被動告警提前10分鐘，主動式預警系統可用性故障系統故障根因定位，原人工定位8小時，縮短定位時間到30分鐘動態規劃系統資源，根據實際業務動態伸縮分配資源，減少30%資源成本智能運維組件列表智能運維平臺 8大模塊日志分析運維場景化梳理運維工/場景運維可視化過程與運行可視化運維智能化大數據分析與AI數據庫分析專家知識分析大屏分析拓撲分析端到端分析間答機器分析運維8動化 AIOps場景如何定義 基于智能運維的產品套件 多指標關聯分析探索為什么多指標關聯分析比較難IT管理對象及其性能監控指標繁多，且計劃內或計劃外變 更頻繁監控指標與服務影響之間無法建立有效模型無監督學習：歷史故障信息及其關聯因子缺少標注基于概率神經網絡的關聯分析通過統計學理論，挖掘指標間的關聯關系通過機器學習算法對具有關聯關系的KPI進行數據建模分析， 預測未來某個時刻KPI變化的上下區間通過算法計算各關聯指標之間的標準誤差，當標準誤差超 過算法范圍后進行預警通過算法分析各影響因子對KPI變化的影響比重，定位問題 發生原因 金融行業AI

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論