1、AIOps在业务运维的最佳应用实践云智慧（北京）科技有限公司 杨路AIOps专场1云智慧与AIOps结缘 2云智慧AIOps最佳实践 3AIOps更大的价值2010互联网站爆发式增长 2012 2013 2014 2015 2016 2017移动互联网浪潮 数字化转型端到端应用性能管理DevOps概念普及 互联网+全链路压测成为标配AIOps理念深入人心4提升IT基础架构运营能力基于大数据分析的思路，在IT领域运用大数据技术，更加科学高效的对基础架构进行监控，问题发现，告警与处置。 优化用户体验及业务运营能力基于大数据技术，对用户体验进行全面分析，不断优化用户端到端的用户体验及业务运营能力。基
2、于大数据和人工智能创新科技，提升IT运营效率及业务价值实现智能化运营能力通过大数据和人工智能最新技术，实现更加智慧与高效的企业运营，为社会与企业创造更多的价值。Definition AIOps platforms utilize big data, modern machine learning and other advanced analytics technologies to directly and indirectly enhance IT operations (monitoring, automation and service desk) functions with pro
3、active, personal and dynamic insight. AIOps platforms enable the concurrent use of multiple data sources, data collection methods, analytical (real-time and deep) technologies, and presentation technologies (see Figure). Strategic Planning Assumption By 2019, 25% of global enterprises will have stra
4、tegically implemented an AIOps platform that supports two or more major IT operations functions, up from fewer than 5% today. Description AIOps platforms are composed of multiple, loosely coupled layers that address data collection and storage, analytical engines (real time and deep), visualization/
5、UI, and integration with other applications via APIs, as depicted in Figure 2.IT监控数据 外网数据 私有云数据 日志数据 移动端数据 浏览器数据 应用数据 业务数据内存存储 大数据存储 聚合数据存储 数据模型 数据分析 业务分析 机器学习 深度学习 数据接入层大数据管理层 大数据分析层实现业务可视化与智能业务运维统一管理门户 可视化展现层 应用模块层网络健康IT基础监控 统一告警私有云监控 浏览器体验移动用户体验 日志分析应用后端性能业务决策分析 预测分析智能分析Infrastructure Application
6、 Business01 第一阶段：大数据运维 02 第二阶段：业务运维 03 第三阶段：智能运维1云智慧与AIOps结缘 2云智慧AIOps最佳实践 3AIOps更大的价值大 数 据 运 维 业 务 运 维 智 能 运 维 部 署 大 数 据 核 心 平 台 IT， 网 络 ， 私 有 云 等 数 据 接 入 ； IT基 础 设 施 监 控 及 大 屏 ； 网 络 监 控 监 控 及 大 屏 ； 私 有 云 平 台 可 视 化 大 屏 ； 统 一 告 警 平 台 ； 落 地 大 数 据 运 维 基 础 分 析 ； 采 集 用 户 端 以 及 后 端 性 能 数 据 ； 应 用 拓 扑 实 时
7、大 屏 ； 真 实 用 户 体 验 监 控 及 大 屏 ； 浏 览 器 用 户 体 验 及 大 屏 ； 端 到 端 应 用 性 能 深 入 分 析 ； 企 业 业 务 管 理 驾 驶 舱 ； 业 务 到 应 用 到 IT系 统 关 联 分 析 ； 部 署 机 器 学 习 平 台 ； 部 署 深 度 学 习 平 台 ； IT资 源 规 划 预 测 ； 用 户 体 验 与 用 户 留 存 预 测 ； 应 用 健 康 对 业 务 影 响 预 测 ；大数据采集部分：构建一套针对硬件设施、网络、主机系统、关键业务进行监测、分析、日志抓取、属性收集的大数据采集平台，能够快速采集和展现监控对象基本信息及运行
8、状态，可全面、准确评估各类硬件、网络、主机系统、关键业务的健康度水平。大数据管理部分：建立标准的大数据抽取、管理、建模平台，通过配套各种大数据处理工具，选取相关角色所需的信息，处理策略和操控动作，自由组合各类接口、大数据、功能模块、处理流程，形成针对该大数据应用场景的定制化工作平台，对大数据进行加工和处理。同时不断沉淀大数据，形成大数据运维管理仓库，提供丰富大数据管理工具、插件，为大数据的进一步应用提供支撑。 大数据应用部分：从海量的沉淀大数据中，通过成熟的大数据分析模型和智能化算法，为相关人员提供重要决策大数据依据，从 “决策”、“管理”、“执行”三个视角对“网络”、“数据中心”、“应用”、“安全”、“运维”五个维度进行大数据建模、计算、结果展现，最终实现多维度大数据组合分析、辅助决策的大数据运维管理能力。 大数据运管平台“3315”架构设计体系
个人主页
