資訊專欄INFORMATION COLUMN
摘要：機(jī)器學(xué)習(xí)技術(shù)在監(jiān)控工具中的應(yīng)用已經(jīng)成為運(yùn)維與團(tuán)隊(duì)的一大熱點(diǎn)話題。在運(yùn)維管理的語(yǔ)境中，機(jī)器學(xué)習(xí)的首要替代方案是為運(yùn)維管理建立行為模型，了解這一點(diǎn)非常重要。在，機(jī)器學(xué)習(xí)主要用于消除噪音。
機(jī)器學(xué)習(xí)技術(shù)在監(jiān)控工具中的應(yīng)用已經(jīng)成為 IT 運(yùn)維與 DevOps 團(tuán)隊(duì)的一大熱點(diǎn)話題。盡管相關(guān)的使用案例很多，對(duì) IT 團(tuán)隊(duì)而已真正的「殺手級(jí)應(yīng)用」是機(jī)器學(xué)習(xí)如何提高實(shí)時(shí)事件管理能力，從而幫助較大規(guī)模的企業(yè)提高服務(wù)質(zhì)量。對(duì)此，關(guān)鍵在于在用戶發(fā)現(xiàn)問(wèn)題之前提早探測(cè)異常，進(jìn)而減少生產(chǎn)事故與中斷的負(fù)面影響。
那么，在IT運(yùn)維管理的環(huán)境下，機(jī)器學(xué)習(xí)到底是什么？
網(wǎng)上有不少關(guān)于機(jī)器學(xué)習(xí)的宏觀定義：對(duì)于某給定的任務(wù)T，在合理的性能度量方案P的前提下，某計(jì)算機(jī)程序可以自主學(xué)習(xí)任務(wù)T的經(jīng)驗(yàn)E；隨著提供合適、優(yōu)質(zhì)、大量的經(jīng)驗(yàn)E，該程序?qū)τ谌蝿?wù)T的性能逐步提高。更通俗的來(lái)講，即：隨著任務(wù)的不斷執(zhí)行，經(jīng)驗(yàn)的積累會(huì)帶來(lái)計(jì)算機(jī)性能的提升。
如果在IT運(yùn)維管理的前提下，也許這樣的定義更加準(zhǔn)確：機(jī)器學(xué)習(xí)是分析數(shù)據(jù)，反復(fù)地向數(shù)據(jù)學(xué)習(xí)，進(jìn)而在不參考明確模型的情況下，找出隱藏觀點(diǎn)的一類方法。
在 IT 運(yùn)維管理的語(yǔ)境中，機(jī)器學(xué)習(xí)的首要替代方案是為 IT 運(yùn)維管理建立行為模型，了解這一點(diǎn)非常重要。行為模型方法要求了解基礎(chǔ)架構(gòu)的所有組件，才能理解出現(xiàn)中斷或服務(wù)質(zhì)量下降的可能原因。更確切地說(shuō)，你要試著判斷哪些事件和告警模式與你希望監(jiān)控的條件相匹配。
事實(shí)上，大多數(shù) IT 運(yùn)維管理工具都屬于這一類別。不論是過(guò)時(shí)的遺留事件管理器，還是使用「聚合及查詢」方法進(jìn)行 IT 運(yùn)維的現(xiàn)代工具?？傊?，你都要對(duì)這些工具進(jìn)行一定的配置，讓它們留意你預(yù)先就知道需要搜尋的東西。
而另一方面，機(jī)器學(xué)習(xí)則使用數(shù)據(jù)本身來(lái)尋找值得留意的特征，這些特征可能在事先完全無(wú)法預(yù)知。例如，非監(jiān)督式機(jī)器學(xué)習(xí)，可用于分析事件流或日志消息，從而找出異常的消息集群。之后，這些異?？梢耘c某項(xiàng)運(yùn)維結(jié)果相聯(lián)系，從而捕獲潛在中斷的原因與癥狀。
然而，監(jiān)督式機(jī)器學(xué)習(xí)可用于記錄用戶針對(duì)給定告警及告警集群的活動(dòng)，并相應(yīng)地做出算法上的調(diào)整。本質(zhì)上，機(jī)器學(xué)習(xí)利用數(shù)據(jù)不斷地創(chuàng)建并更新行為模型，而不是使用靜態(tài)的行為模型尋找特定的結(jié)果。
在 IT 數(shù)字化轉(zhuǎn)型的今天，隨之而來(lái)的規(guī)模復(fù)雜度、變更速度以及軟件抽象化等挑戰(zhàn)成為了機(jī)器學(xué)習(xí)應(yīng)用于 IT 運(yùn)維管理的理由。
如果基礎(chǔ)架構(gòu)處于不斷變化的狀態(tài)，根本無(wú)法建立起固定的行為模型。如果你想了解來(lái)自應(yīng)用與基礎(chǔ)架構(gòu)的大量數(shù)據(jù)的意義，使用基于規(guī)則的方法無(wú)疑是死路一條。在新的軟件時(shí)代，你必須利用機(jī)器學(xué)習(xí)進(jìn)行實(shí)時(shí)的數(shù)據(jù)分析，這是保證服務(wù)質(zhì)量的必備條件。無(wú)可否認(rèn)，IT 領(lǐng)域正變得越發(fā)混雜、虛擬化以及流動(dòng)化，只有使用機(jī)器學(xué)習(xí)技術(shù)，才能坦然應(yīng)對(duì)這些變化。
現(xiàn)代 IT 環(huán)境下，不斷變化的基礎(chǔ)架構(gòu)會(huì)產(chǎn)生大量的事件數(shù)據(jù)需要處理。在 OneAlert，機(jī)器學(xué)習(xí)主要用于「消除噪音」。例如，面對(duì)每秒鐘成千上萬(wàn)的告警事件，如何在消除噪音的同時(shí)保留有價(jià)值的信息事件？
目前 OneAlert 產(chǎn)品對(duì)告警事件的壓縮率已經(jīng)高達(dá)80%?；跁r(shí)間片的告警信息壓縮已經(jīng)趨于成熟，基于告警屬性相似度的聚類模型能夠?qū)⒏婢瘔嚎s率達(dá)到 95%。而基于機(jī)器學(xué)習(xí)的人工智能壓縮更是能夠?qū)⒏婢瘔嚎s到 99%（我們敬請(qǐng)期待?。?/p>
OneAlert 是北京藍(lán)海訊通科技有限公司旗下產(chǎn)品，是國(guó)內(nèi)首個(gè) SaaS 模式的云告警平臺(tái)，集成國(guó)內(nèi)外主流監(jiān)控/支撐系統(tǒng)，實(shí)現(xiàn)一個(gè)平臺(tái)上集中處理所有 IT 事件，提升 IT 可靠性。想了解更多信息，請(qǐng)?jiān)L問(wèn) OneAlert 官網(wǎng) ，歡迎免費(fèi)注冊(cè)體驗(yàn) 。
本文轉(zhuǎn)自 OneAPM 官方博客
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://systransis.cn/yun/7952.html
摘要：如何有效處理緊急事件驅(qū)動(dòng)的工作，成為特別是運(yùn)維主管運(yùn)維工作的關(guān)鍵。通知到位和及時(shí)響應(yīng)。機(jī)器學(xué)習(xí)領(lǐng)域是未來(lái)的重要發(fā)展方向，目前我們還在摸索中。機(jī)器學(xué)習(xí)告警合并事件單的處理如果告警量很大，告警后續(xù)處理和跟蹤往往會(huì)依賴于外部團(tuán)隊(duì)部門外或公司外。 編者按]本文作者為陳伯龍，云告警平臺(tái)[OneAlert創(chuàng)始人，著《云計(jì)算與OpenStack》，在IT運(yùn)營(yíng)管理、云計(jì)算方面從業(yè)10多年。 正文 互聯(lián)...
摘要：如何有效處理緊急事件驅(qū)動(dòng)的工作，成為特別是運(yùn)維主管運(yùn)維工作的關(guān)鍵。通知到位和及時(shí)響應(yīng)。機(jī)器學(xué)習(xí)領(lǐng)域是未來(lái)的重要發(fā)展方向，目前我們還在摸索中。機(jī)器學(xué)習(xí)告警合并事件單的處理如果告警量很大，告警后續(xù)處理和跟蹤往往會(huì)依賴于外部團(tuán)隊(duì)部門外或公司外。 編者按]本文作者為陳伯龍，云告警平臺(tái)[OneAlert創(chuàng)始人，著《云計(jì)算與OpenStack》，在IT運(yùn)營(yíng)管理、云計(jì)算方面從業(yè)10多年。 正文 互聯(lián)...
摘要：作者介紹王藝，百度云智能運(yùn)維架構(gòu)研發(fā)負(fù)責(zé)人。年轉(zhuǎn)向運(yùn)維方向，作為智能運(yùn)維架構(gòu)方向的技術(shù)負(fù)責(zé)人，致力于為百度智能運(yùn)維平臺(tái)和產(chǎn)品提供高性能高可用可擴(kuò)展的系統(tǒng)架構(gòu)和基礎(chǔ)設(shè)施。持續(xù)的數(shù)據(jù)建設(shè)，是智能運(yùn)維建設(shè)的關(guān)鍵。 作者介紹王藝，百度云智能運(yùn)維架構(gòu)研發(fā)負(fù)責(zé)人。2010年加入百度，先后負(fù)責(zé)百度鏈接庫(kù)、百度志愿計(jì)算、百度統(tǒng)一資源管理的研發(fā)，經(jīng)歷過(guò)千億級(jí)網(wǎng)頁(yè)鏈接的洗禮，也調(diào)度過(guò)數(shù)十萬(wàn)量級(jí)的服務(wù)器，熱衷于直...
閱讀 1171·2021-10-15 09:39
閱讀 3077·2021-09-10 10:50
閱讀 3466·2019-08-30 15:53
閱讀 1892·2019-08-30 15:52
閱讀 2580·2019-08-29 15:31
閱讀 1988·2019-08-26 13:43
閱讀 2606·2019-08-26 13:37
閱讀 1451·2019-08-23 18:31
