運維資料之運維的痛點和思路

1、故障的發現

2、故障的止損

3、故障的修復

4、故障的規避

1、發生了什麼

2、怎麼解決

3、多長時間能解決。

由人力來回答這些問題效率低、不準確、不及時。因為我們要對付的這個系統實在是太複雜了。aiops提高運維生產力的一種方式就是把處理突發故障時的人力分析盡可能的都替換成機器來做。

我們現在有非常多的監控工具，採集儲存了海量的、價值極高的各種監控資料。當遇到突發事件的時候，能夠基於這些資料快速準確做出決策。而處理海量、高速、多樣的資料並產生**值，正是機器學習的專長。也就是說，採用機器學習技術是運維的乙個必然的走向。

具體而言，aiops引擎中的「異常檢測」模組在檢測到異常之後可以將報警第一時間報給運維人員，達到「故障發現」的效果；「異常定位」模組達到「故障止損」的效果，它會給出一些止損的建議，運維專家看到這個定位之後也許他不知道根因，但是他知道怎麼去根據已有的預案來進行止損，然後再執行自動化的指令碼。