智能运维的实践: 现状与标准化

IT系统运维目前正面临着IT规模快速膨胀、系统架构日趋复杂、自主可控要求日益突出等众多挑战。智能运维技术作为一种利用大数据和机器学习对海量运维数据分析的手段,能够辅助运维人员更为高效地运行和维护IT系统。然而,在企业进行智能运维工程化实践的过程中,往往会遇到各种困难,需要智能运维技术的标准规范以指导企业开展智能运维的能力建设工作。为推动智能运维的标准化工作,本文对多个行业的智能运维实施单位开展了问卷调研,分析总结国内智能运维的实践现状;对国内外现行的运维标准、人工智能标准和智能运维标准进行梳理,研究智能运维的标准化工作当前进展;根据对实践现状和现有标准的调研分析结果,本文提出了智能运维的能力建设标准框架AIOps-OSA。该框架从企业建设智能运维能力的角度列举出了在组织、场景和能力上的关键要点。在实际标准的编制过程中通过对AIOps-OSA内各项要点提出具体的规范要求,可形成对企业具有指导作用的智能运维标准规范。     

基于循环神经网络的电信行业容量数据预测方法

在电信运维的容量预测过程中,存在容量指标和部署业务种类繁多的问题。现有研究未考虑指标数据类型的差异,对所有类型的数据使用同种预测方法,使得预测效果参差不齐。为了提升指标预测效率,提出一种指标数据类型分类方法,利用该方法将数据类型分为趋势型、周期型和不规则型。针对其中的周期型数据预测,提出基于双向循环神经网络（BiRNN）的周期型容量指标预测模型,记作BiRNN-BiLSTM-BI。首先,为分析容量数据的周期特征,提出一种忙闲分布分析算法;其次,搭建循环神经网络（RNN）模型,该模型包含一层BiRNN和一层双向长短时记忆网络（BiLSTM）;最后,充分利用系统忙闲分布信息,对BiRNN输出的结果进行优化。与传统的三次指数平滑、差分自回归移动平均（ARIMA）模型和反向传播（BP）神经网络模型进行比较的实验结果表明,在统一日志数据集和分布式缓存数据集上,提出的BiRNN-BiLSTM-BI模型的均方误差（MSE）分别比对比模型中表现最优的模型降低了15.16%和45.67%,可见预测准确率得到了很大程度的提升。     

基于决策树的EPG体验异常原因定位

用户体验的提升一直是IPTV的运维重点。然而,运营商IPTV组网相对复杂,涉及机顶盒、接入网、EPG页面、EPG服务器、媒体服务器等多个环节和调度链路,一旦发生异常,运维人员需排查各环节的监控指标,凭经验定位引起异常的原因。该运维模式专业性强、效率低下,无法快速止损。为解决上述运维痛点,基于大数据技术,采用决策树对EPG体验数据建模,根据决策树模型的决策规则,快速定位异常原因。现网中,决策树模型能够准确快速定位EPG体验的异常原因,为辅助运维人员指明排查方向,提高运维效率。     

面向云原生的智能运维架构和关键技术

凭借应用简单快捷、部署应用轻松自如、运行应用按需伸缩等优点,云原生技术得到迅速推广。但随着云原生的应用,系统架构愈加复杂,资源规模愈加庞大,迫切需要更加智能化的运维。利用智能运维,可以更好地助力云原生的应用开发,降低运维成本,提高服务质量。分析了智能运维的应用场景、关键点、经典实践以及存在的问题,提出了一种面向云原生的智能运维架构,详细介绍了核心服务算法平台中趋势预测、数据异常检测和故障定位诊断3个场景主要原理,最后展望智能运维未来。     

PASER: 加性多维KPI异常根因定位模型

利用多维属性关键性能指标(key performance indicators)的可加性特征,能够实现对大型互联网服务故障的根因定位.由一项或多项异常根因导致的KPI数据变化,会导致大量相关KPI数据值的变化.提出一种基于异常相似性评估和影响力因子的剪枝搜索异常定位模型(pruning search model based on anomaly similarity and effectiveness factor for root cause location,PASER),该模型以多维KPI异常传播模型为基础,提出了衡量候选集合成为根因可能性的异常潜在分数评估方案;基于影响力的逐层剪枝搜索算法,将异常根因的定位时间降低到了平均约5.3s.此外,针对异常根因定位中所使用的时间序列预测算法的准确性和时效性也进行了对比实验,PASER模型在所使用的数据集上的定位表现达到了0.99的F-score.     

GAD:topology-aware time series anomaly detection

To solve the problems of anomaly detection,intelligent operation,root cause analysis of node equipment in the network,a graph-based gated convolutional codec anomaly detection model was proposed for time series data such as link delay,network throughput,and device memory usage.Considering the real-time requirements of network scenarios and the impact of network topology connections on time series data,the time dimension features of time series were extracted in parallel based on gated convolution and the spatial dependencies were mined through graph convolution.After the encoder composed of the spatio-temporal feature extraction module encoded the original input time series data,the decoder composed of the convolution module was used to reconstruct the time series data.The residuals between the original data and the reconstructed data were further used to calculate the anomaly score and detect anomalies.Experiments on public data and simulation platforms show that the proposed model has higher recognition accuracy than the current time series anomaly detection benchmark algorithm.     

面向视频云微服务系统的智能运维技术

提出了一种基于人工智能(AI)的保障视频云体验质量(QoE)的系统架构。该系统针对多个维度创建运维知识图谱,例如运行数据、运行环境、运维数据,以用于建模、感知、映射和分析。在对系统的微服务保障中,运用了图神经网络(GNN)等方法进行分类和预测。通过知识图谱和机器学习,该系统可实现实时监控、自愈恢复、智能预测和主动运维,从而实现QoE的智能保障。     

智能运维(AIOps)在中国联通分布式架构下的研究与应用

随着互联网应用的全面发展,企业IT架构发生巨大改变,分布式云化架构应用越来越多,传统运维模式面临越来越多的挑战,难以适应业务的高速发展需求,智能运维(AIOps)已成为业界必不可少的运维利器。根据该方法,可有效提升运维人员的工作效率并减轻运维人员的工作负担,同时协助运维人员能够快速排查故障问题,起到对分布式服务故障早发现早治理的效果。     

IT系统运维能力成熟度评估模型研究和实践

随着运营商IT系统云化转型的不断深入,系统规模也越来越大,传统依赖人工的运维手段逐渐向自动化、智能化的运维手段转变,但目前还没有一个标准化的评估标准和机制,难以准确衡量运营商各省公司和各专业公司在运维方面的能力水平。本研究的目标是通过对智能化、自动化运维场景的分析研究,结合商IT系统运维现状,建立一个普适性的标准模型,并制订移动运营商运维能力的成熟度评估方法,为提升移动运营商的运维水平打下坚实基础。     

面向云网融合的智能云原生架构和关键技术研究

作为云计算的最新技术成果,云原生技术快速推动互联网和企业应用上云。云原生技术可以为通信运营商网络提供更加经济、便捷的部署和运营方法,随着运营商云网融合工作推进,云原生成为运营商网络云化的核心技术和关键抓手。分析了云原生技术应用情况和存在的问题,提出面向云网融合的智能云原生架构,研究演进设计、架构部署方案和关键技术,提出云原生化推进举措。