智能運(yùn)維在金融核心領(lǐng)域的應(yīng)用

1、智能運(yùn)維在金融核心領(lǐng)域的應(yīng)用技術(shù)創(chuàng)新，變革未來(lái)/7/22 201背景介紹智能運(yùn)維研究智能運(yùn)維應(yīng)用實(shí)踐智能運(yùn)維實(shí)施路徑架構(gòu)特色安全運(yùn)行專(zhuān)有、封閉、集中-國(guó)產(chǎn)、開(kāi)放、分布式單數(shù)據(jù)中心-多數(shù)據(jù)中心人力緊缺系統(tǒng)管理：人管機(jī)器值班運(yùn)行：人盯系統(tǒng)遠(yuǎn)場(chǎng)運(yùn)維值班操作繁瑣重復(fù)、夜班值守壓力增大數(shù)據(jù)中心地點(diǎn)偏僻、遠(yuǎn)程運(yùn)維需求迫切運(yùn)維三大挑戰(zhàn)智能運(yùn)維基礎(chǔ)研究戰(zhàn)略目標(biāo)應(yīng)用 場(chǎng)景技術(shù) 架構(gòu)實(shí)施策略結(jié)合戰(zhàn)略目標(biāo)，尋找合適場(chǎng)景引入智能運(yùn)維所應(yīng)達(dá)到的目標(biāo)定義、特點(diǎn)、優(yōu)勢(shì)劣勢(shì)、 產(chǎn)學(xué)研現(xiàn)狀、關(guān)鍵技術(shù)所處位置、系統(tǒng)架構(gòu)、功能組件提出下一步實(shí) 施方針與路徑智能運(yùn)維關(guān)鍵問(wèn)題/7/22 601背景介紹智能運(yùn)維研究智能運(yùn)維應(yīng)用實(shí)踐智能運(yùn)

2、維實(shí)施路徑運(yùn)維是技術(shù)類(lèi)運(yùn)營(yíng)維護(hù)人員根據(jù)業(yè)務(wù)需求來(lái)規(guī)劃信息、網(wǎng)絡(luò)、服務(wù)，通過(guò)系統(tǒng)監(jiān)控、事 件預(yù)警、安全維護(hù)、業(yè)務(wù)調(diào)度、排障升級(jí)等手段，使服務(wù)處于長(zhǎng)期穩(wěn)定、安全可用 的狀態(tài)。智能運(yùn)維 （Artificial Intelligence for IT Operations, AIOps）智能運(yùn)維 （Artificial Intelligence for IT Operations, AIOps）運(yùn)維是技術(shù)類(lèi)運(yùn)營(yíng)維護(hù)人員根據(jù)業(yè)務(wù)需求來(lái)規(guī)劃信息、網(wǎng)絡(luò)、服務(wù)，通過(guò)系統(tǒng)監(jiān)控、事 件預(yù)警、安全維護(hù)、業(yè)務(wù)調(diào)度、排障升級(jí)等手段，使服務(wù)處于長(zhǎng)期穩(wěn)定、安全可用 的狀態(tài)。智能運(yùn)維運(yùn)維是技術(shù)類(lèi)運(yùn)營(yíng)維護(hù)人員根據(jù)業(yè)務(wù)需求來(lái)規(guī)劃

3、信息、網(wǎng)絡(luò)、服務(wù)，通過(guò)系統(tǒng)監(jiān)控、事 件預(yù)警、安全維護(hù)、業(yè)務(wù)調(diào)度、排障升級(jí)等手段，使服務(wù)處于長(zhǎng)期穩(wěn)定、安全可用 的狀態(tài)。智能運(yùn)維運(yùn)維是技術(shù)類(lèi)運(yùn)營(yíng)維護(hù)人員根據(jù)業(yè)務(wù)需求來(lái)規(guī)劃信息、網(wǎng)絡(luò)、服務(wù)，通過(guò)系統(tǒng)監(jiān)控、事件預(yù)警、安全維護(hù)、業(yè)務(wù)調(diào)度、排障升級(jí)等手段，使服務(wù)處于長(zhǎng)期穩(wěn)定、安全可用的狀態(tài)。2.0 自動(dòng)化運(yùn)維利用腳本和程序 完成重復(fù)性、大 規(guī)模、批量化的 工作特點(diǎn)：減少人力 成本、提高運(yùn)維 效率1.0 手工運(yùn)維人工監(jiān)控、人工 決策、手工實(shí)施特點(diǎn)：運(yùn)維人員 手工完成，低效； 成本隨系統(tǒng)規(guī)模增加而線(xiàn)性增長(zhǎng)3.0 智能運(yùn)維通過(guò)人工智能算法 自動(dòng)從海量數(shù)據(jù)中 學(xué)習(xí)總結(jié)規(guī)則，模 擬人類(lèi)作出決策特點(diǎn)：由人工智能替代

4、人類(lèi)做決策智能運(yùn)維將人工智能科技融入運(yùn)維系統(tǒng)，增強(qiáng)了傳統(tǒng)運(yùn)維能力，能有效運(yùn)維大 規(guī)模復(fù)雜系統(tǒng)，減輕人的負(fù)擔(dān)。，手工運(yùn)維自動(dòng)化運(yùn)維智能運(yùn)維運(yùn)維效率受限于人為因素，運(yùn)維效率較低部分操作自動(dòng)化后，運(yùn)維效率較高自動(dòng)分析處理事件，將多種自動(dòng)化工具實(shí)現(xiàn)聯(lián)動(dòng)， 運(yùn)維效率高系統(tǒng)可用性手工運(yùn)維時(shí)處理異常效率低，系 統(tǒng)可用性相對(duì)較低得益于自動(dòng)化工具，異常處理與恢復(fù) 速度較快，系統(tǒng)可用性相對(duì)較高采用智能分析、預(yù)警、決策等手段，異常處理效率 高，甚至可規(guī)避異常，系統(tǒng)可用性高系統(tǒng)可靠性手工運(yùn)維時(shí)系統(tǒng)的可靠性較低將重復(fù)性操作實(shí)現(xiàn)為自動(dòng)化工具，采 用自動(dòng)化運(yùn)維時(shí)系統(tǒng)可靠性較高結(jié)合自動(dòng)化工具，并采用多種策略使用工具，高可 靠

5、性學(xué)習(xí)成本需掌握多個(gè)系統(tǒng)的運(yùn)維知識(shí)和操 作指令，學(xué)習(xí)難度高、成本高需對(duì)自動(dòng)化工具有一定掌握，學(xué)習(xí)難 度較高、成本較高故障分析、預(yù)警及異常處理可由智能運(yùn)維自動(dòng)實(shí)現(xiàn) 學(xué)習(xí)難度與成本低建設(shè)與使用成本建設(shè)運(yùn)維的工具成本低，可采用 系統(tǒng)自帶的運(yùn)維命令。但對(duì)復(fù)雜 系統(tǒng)的運(yùn)維需投入大量的人力， 人力成本高建設(shè)自動(dòng)化運(yùn)維的成本較高，投入運(yùn) 維的人力成本則相對(duì)較低智能運(yùn)維的建設(shè)成本較高，投入運(yùn)維的人力成本低應(yīng)用范圍運(yùn)維基礎(chǔ)手段，應(yīng)用廣泛，但不 適用于分布式、大規(guī)模系統(tǒng)運(yùn)維在互聯(lián)網(wǎng)企業(yè)、金融行業(yè)得到廣泛應(yīng) 用，適用于集群系統(tǒng)、服務(wù)器數(shù)量一 般的分布式系統(tǒng)運(yùn)維新技術(shù)，目前有部分金融企業(yè)、互聯(lián)網(wǎng)企業(yè)開(kāi)展研 究與實(shí)踐，

6、適用于大規(guī)模分布式系統(tǒng)運(yùn)維優(yōu)缺點(diǎn)對(duì)比創(chuàng)新觸發(fā)期期望膨脹期冷靜期啟蒙復(fù)蘇期穩(wěn)定成熟期卡內(nèi)基梅?。篘etflix合作清華大學(xué)：交行/阿里/IBM南京大學(xué)：360/騰訊科 研 機(jī) 構(gòu)阿里云：智能故障管理平臺(tái)百度：?jiǎn)螜C(jī)房故障自愈系統(tǒng)騰訊：哈勃大數(shù)據(jù)平臺(tái)、織云智能監(jiān)控、藍(lán)鯨智云監(jiān)控互 聯(lián) 網(wǎng)金 融 行 業(yè)Splunk：大數(shù)據(jù)搜索與可視化 華 為 ：FusionInsight IBM：實(shí)時(shí)大數(shù)據(jù)分析驅(qū)動(dòng)京東/IBM/國(guó)自：巡檢機(jī)器人技 術(shù) 廠 商產(chǎn)學(xué)研現(xiàn)狀運(yùn)維大數(shù)據(jù)：交行/中行智能巡檢：陽(yáng)光保險(xiǎn)/上海銀行 容量評(píng)估：太平洋保險(xiǎn)/招行眼睛：運(yùn)維大數(shù)據(jù)平臺(tái)。它能采集、處理、存儲(chǔ)、展示各種運(yùn)維數(shù)據(jù)，感知與洞察技

7、術(shù)系統(tǒng)大腦：智能運(yùn)維算法。它利用人工智能算法，根 據(jù)具體的運(yùn)維場(chǎng)景、業(yè)務(wù)規(guī)則或?qū)＜医?jīng)驗(yàn)等，對(duì) 運(yùn)維事件進(jìn)行分析、定位，并作出決策手：自動(dòng)化運(yùn)維工具。 它基于確定邏輯的運(yùn)維 工具，對(duì)技術(shù)系統(tǒng)實(shí)施 諸如運(yùn)行控制、監(jiān)控、 上線(xiàn)等系列處理操作運(yùn)維大 數(shù)據(jù)平 臺(tái)自動(dòng)化運(yùn) 維工具智能運(yùn) 維算法核心技術(shù)組成運(yùn)維數(shù)據(jù)是在日常技術(shù)系統(tǒng)運(yùn)行維護(hù)過(guò)程中產(chǎn)生的數(shù)據(jù)，用以表述當(dāng)前系統(tǒng)的狀態(tài)、事件、異常等信息，一般可分為動(dòng)態(tài)數(shù)據(jù)和靜態(tài)數(shù)據(jù)兩類(lèi)監(jiān)控?cái)?shù)據(jù)設(shè)備監(jiān)控?cái)?shù)據(jù) 系統(tǒng)監(jiān)控?cái)?shù)據(jù) 數(shù)據(jù)庫(kù)監(jiān)控?cái)?shù)據(jù) 中間件監(jiān)控?cái)?shù)據(jù) 應(yīng)用監(jiān)控?cái)?shù)據(jù) 安全監(jiān)控?cái)?shù)據(jù) 動(dòng)環(huán)監(jiān)控?cái)?shù)據(jù) 環(huán)境監(jiān)控?cái)?shù)據(jù) 統(tǒng)一告警時(shí)間日志數(shù)據(jù)系統(tǒng)日志 應(yīng)用日志 網(wǎng)絡(luò)日志 設(shè)備日志

8、 安全日志配置信息CMDB變更管理運(yùn)維大數(shù)據(jù)平臺(tái)運(yùn)維大數(shù)據(jù)平臺(tái)分布式存儲(chǔ) 層（Hadoop）非結(jié)構(gòu)化數(shù)據(jù)源各系統(tǒng)日志Logs數(shù)據(jù)計(jì)算層離線(xiàn)計(jì)算性能監(jiān)控?cái)?shù)據(jù)數(shù)據(jù)展示層數(shù)據(jù)中心數(shù)據(jù)源系統(tǒng)監(jiān)控?cái)?shù)據(jù)應(yīng)用日志告警事件網(wǎng)絡(luò)&設(shè)備日志巡檢日志監(jiān)控?cái)?shù)據(jù)安全訪(fǎng)問(wèn)&審計(jì)日志實(shí)時(shí)事件日志日志收集及處理（flume）數(shù)據(jù)準(zhǔn)實(shí)時(shí)獲取、數(shù)據(jù)直接訪(fǎng)問(wèn)數(shù)據(jù)挖掘統(tǒng)計(jì)分析 應(yīng)用平臺(tái)數(shù)據(jù)接口機(jī)器學(xué)習(xí)算法輸入輸 出分析結(jié)果文件實(shí)時(shí)計(jì)算分析數(shù)據(jù)流事件驅(qū)動(dòng)BI展現(xiàn)數(shù)據(jù)存儲(chǔ)層數(shù)據(jù)組織存儲(chǔ)flume/sqoop/JDBC歷史數(shù)據(jù)FTP/sqoop日志數(shù)據(jù)HDFS 數(shù)據(jù)采集層Hive Storm/ Spark Streaming智能運(yùn)維分析K

9、ibana指標(biāo)預(yù)警、報(bào)警聚合異常定位、故障自我修復(fù)LogStashRedis搜索引擎可視化ElasticsearchMysqlETLSpark sql物理拓?fù)?自動(dòng)構(gòu)建業(yè)務(wù)拓?fù)?自動(dòng)構(gòu)建故障傳播 鏈構(gòu)建歷史故障 工單畫(huà)像故障止損 預(yù)案構(gòu)建自動(dòng)化任 務(wù)腳本應(yīng)用流量 畫(huà)像指標(biāo)畫(huà)像 及聚類(lèi)日志正常 模式畫(huà)像故障先兆 畫(huà)像容量畫(huà)像性能瓶頸 畫(huà)像交易鏈條 畫(huà)像應(yīng)用健康 畫(huà)像特殊日整 體畫(huà)像運(yùn)維數(shù)據(jù) 整體畫(huà)像主體畫(huà)像類(lèi)知識(shí)圖譜類(lèi)主體畫(huà)像與知識(shí)圖譜類(lèi) + 動(dòng)態(tài)決策類(lèi)通過(guò)多種算法挖掘運(yùn)維歷史數(shù)據(jù)，從而得出運(yùn)維主體畫(huà)像，然后構(gòu)建運(yùn)維主體之間的關(guān)系，最終形成運(yùn)維主體的知識(shí)圖譜運(yùn)維主體：系統(tǒng)軟件、硬件及其運(yùn)行狀態(tài)，

10、如指標(biāo)、日志、事件、變更等畫(huà)像：用以描述運(yùn)維主體的自身屬性，如容量畫(huà)像、指標(biāo)畫(huà)像等知識(shí)圖譜：基于畫(huà)像，用來(lái)描述主體之間相互關(guān)系，如故障失效傳播鏈舉例：構(gòu)建故障傳播鏈，是對(duì)失效現(xiàn)象進(jìn)行回本溯源的分析，查找引起該失效的可能的故 障原因。主體畫(huà)像與知識(shí)圖譜智能運(yùn)維算法動(dòng)態(tài)決策單指標(biāo)異 常檢測(cè)多指標(biāo)異 常檢測(cè)文本日志 異常檢測(cè)異常檢測(cè)交易鏈條 異常檢測(cè)異常機(jī)器 定位多維數(shù)據(jù) 定位變更故障 定位交易鏈條 定位故障定位部署自動(dòng) 攔截遷移可行 性評(píng)估彈性擴(kuò)縮 容決策限流決策故障處置容量預(yù)測(cè)變更風(fēng)險(xiǎn) 評(píng)估故障規(guī)避智能瓶頸 報(bào)表故障預(yù)測(cè)主體畫(huà)像與知識(shí)圖譜類(lèi) + 動(dòng)態(tài)決策類(lèi)在已經(jīng)挖掘好的運(yùn)維畫(huà)像與知識(shí)圖譜的基礎(chǔ)上

11、，利用實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)作出實(shí)時(shí)響應(yīng)與決策，甚至預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)系統(tǒng)運(yùn)行狀態(tài)舉例：故障預(yù)測(cè)，基于歷史經(jīng)驗(yàn)的基礎(chǔ)上，使用多種模型或方法對(duì)現(xiàn)有的系統(tǒng)狀態(tài)進(jìn)行分 析，判斷未來(lái)某一段時(shí)間內(nèi)發(fā)生失效的概率舉例： 單指標(biāo)異常檢測(cè)是對(duì)系統(tǒng)中突然出現(xiàn)的單個(gè)KPI性能指標(biāo)的異常（如突增、突降、 抖動(dòng)）自動(dòng)判斷和識(shí)別，檢測(cè)出潛在的故障智能運(yùn)維算法自動(dòng)化運(yùn)維工具根因分析異常預(yù)測(cè)異常定位異常檢測(cè)人工智能運(yùn)維人員告警 修復(fù)建議專(zhuān)家知識(shí) 反饋執(zhí)行預(yù)案腳本修復(fù)軟硬件故障執(zhí)行預(yù)案腳本采取運(yùn) 維手段技術(shù)系統(tǒng)技術(shù)系統(tǒng) 變更監(jiān)控信息 配置信息 變更信息智能運(yùn)維閉環(huán)：離線(xiàn)：分析構(gòu)建運(yùn)維主體畫(huà) 像與知識(shí)圖譜在線(xiàn)：利用主體畫(huà)像與知識(shí) 圖譜分

12、析處理實(shí)時(shí)日志信息，預(yù) 測(cè)、檢測(cè)以及定位異常，執(zhí)行自動(dòng)化腳本將系統(tǒng)恢復(fù)到正常狀態(tài)運(yùn)維知識(shí)反饋：智能運(yùn)維自動(dòng)從歷史的運(yùn)維操作中學(xué)習(xí)并總 結(jié)規(guī)律，增強(qiáng)運(yùn)維決策能力運(yùn)維閉環(huán)執(zhí)行修復(fù)建議背景介紹智能運(yùn)維研究智能運(yùn)維應(yīng)用實(shí)踐智能運(yùn)維實(shí)施路徑/7/2221事后 快速定位遠(yuǎn)程集中管理事前智能預(yù)警夜間無(wú)人值守戰(zhàn)略目標(biāo)智能預(yù)警作業(yè)運(yùn)行預(yù)測(cè)最長(zhǎng)路徑分析指標(biāo)預(yù)警智能檢測(cè)異常報(bào)警聚合智能異常檢測(cè)故障根因分析智能值守值班操作智能化運(yùn)維數(shù)據(jù)可視化智能巡檢應(yīng)用巡檢智能化機(jī)房巡檢智能化應(yīng)用場(chǎng)景應(yīng)用場(chǎng)景智能預(yù)警基于作業(yè)歷史運(yùn)行數(shù)據(jù)，構(gòu) 建作業(yè)運(yùn)行時(shí)間的特征模型利用歷史數(shù)據(jù)訓(xùn)練模型利用回歸類(lèi)算法預(yù)測(cè)當(dāng)天作 業(yè)的運(yùn)行時(shí)間60%的作

13、業(yè)可建立回歸預(yù)測(cè)模型預(yù)測(cè)值誤差在10%以?xún)?nèi)舉例：某作業(yè)預(yù)測(cè)值的平均誤差為9.21秒，誤差在3.7%以?xún)?nèi)作業(yè)運(yùn)行時(shí)間預(yù)測(cè)基于歷史運(yùn)行信息，對(duì)批處理作業(yè)的運(yùn)行時(shí)間進(jìn)行預(yù)測(cè)方法效果以作業(yè)預(yù)測(cè)數(shù)據(jù)、作業(yè)關(guān)系為輸入利用動(dòng)態(tài)規(guī)劃算法實(shí)時(shí)計(jì)算 關(guān)鍵路徑及關(guān)鍵完成時(shí)刻利用SPFA算法驗(yàn)證并修正預(yù)測(cè)結(jié)果與實(shí)際結(jié)果擬合度超過(guò)90%起點(diǎn)：處理前備份終點(diǎn)：處理結(jié)束智能預(yù)警最長(zhǎng)路徑分析結(jié)合作業(yè)運(yùn)行時(shí)間的預(yù)測(cè)值，實(shí)時(shí)計(jì)算跑批過(guò)程中關(guān)注的作業(yè)最晚處理時(shí)刻方法效果指標(biāo)預(yù)警是針對(duì)某一應(yīng)用或系統(tǒng)，根據(jù)其歷史運(yùn)行的信息，以時(shí)間序列為軸，構(gòu)建其正常運(yùn)行的基線(xiàn)，結(jié)合該應(yīng)用或系統(tǒng)當(dāng)前的運(yùn)行狀態(tài)、指標(biāo)數(shù)值，判斷是否出現(xiàn)異常。指標(biāo)是用以衡量

14、應(yīng)用系統(tǒng)各方面業(yè)務(wù)狀態(tài)（業(yè)務(wù)指標(biāo)）和運(yùn)行狀態(tài)（技術(shù)指標(biāo)）的自描述的標(biāo)準(zhǔn)或數(shù)據(jù)舉例：成交筆數(shù)、交易量；未應(yīng)答數(shù)，服務(wù)響應(yīng)延遲時(shí)間，http請(qǐng)求狀態(tài)等智能預(yù)警指標(biāo)預(yù)警平臺(tái)預(yù)警對(duì)象：技術(shù)指標(biāo)和業(yè)務(wù)指標(biāo)指標(biāo)類(lèi)型：基于時(shí)間序列、基于時(shí)刻預(yù)警閾值：固定類(lèi)、變化類(lèi)智能預(yù)警異常報(bào)警聚合是將冗余的報(bào)警信息進(jìn)行聚合，將其處理成精簡(jiǎn)的報(bào)警信息聚合相同時(shí)間段內(nèi)多個(gè)關(guān)聯(lián)性較強(qiáng)異常報(bào)警挖掘歷史報(bào)警數(shù)據(jù)中的關(guān)聯(lián)關(guān)系，建立關(guān)聯(lián)的報(bào)警策略列表重新回顧報(bào)警策略，將報(bào)警關(guān)注度較低的報(bào)警策略剔除故障根因分析是基于準(zhǔn)確報(bào)警，分析查找異常發(fā)生原因，定位故障點(diǎn)。它是對(duì)異常報(bào)警聚合、故障失效傳播鏈的一次綜合應(yīng)用。智能檢測(cè)檢測(cè)器特征機(jī)器學(xué)習(xí)異

15、常分類(lèi)器檢測(cè)器特征檢測(cè)結(jié)果歷史日 志信息實(shí)時(shí)日 志信息故障 案例值班操作智能化基于基線(xiàn)的報(bào)警確認(rèn)利用聚類(lèi)算法、孤立森林的報(bào)警分類(lèi)與識(shí)別異常處理智能化運(yùn)維數(shù)據(jù)可視化豐富監(jiān)控對(duì)象提升數(shù)據(jù)的可視化程度與現(xiàn)有監(jiān)控相集成智能值守應(yīng)用巡檢智能化是對(duì)應(yīng)用系統(tǒng)采用模擬的、黑盒的自我檢查，一方面可提前判斷關(guān)鍵業(yè)務(wù)的可用性， 另一方面可結(jié)合歷史數(shù)據(jù)與當(dāng)前KPI指標(biāo)，預(yù)測(cè)應(yīng)用系統(tǒng)未來(lái)的可用性對(duì)外服務(wù)應(yīng)用系統(tǒng)的巡檢內(nèi)部應(yīng)用組件的互檢機(jī)房智能巡檢是引入智能巡檢機(jī)器人、定點(diǎn)攝像實(shí)時(shí)監(jiān)控機(jī)器人，對(duì)IT設(shè)備、機(jī)房環(huán)境進(jìn)行巡檢或定點(diǎn)監(jiān)控智能巡檢綜合巡檢平臺(tái)集中統(tǒng)一顯示對(duì)內(nèi)、對(duì)外應(yīng)用自檢狀況異常處理時(shí)，可結(jié)合內(nèi)外部應(yīng)用的自檢信息

16、，快速定位智能巡檢智能運(yùn)維門(mén)戶(hù)GrafanaKibana信息統(tǒng)一展示大屏監(jiān)控應(yīng)用場(chǎng)景智能預(yù)警 作業(yè)運(yùn)行預(yù)測(cè) 最長(zhǎng)路徑分析指標(biāo)預(yù)警智能檢測(cè) 異常報(bào)警聚合 智能異常檢測(cè) 故障根因分析智能值守值班操作智能化運(yùn)維數(shù)據(jù)可視化智能巡檢應(yīng)用巡檢智能化機(jī)房巡檢智能化智能運(yùn)維算法運(yùn)維知識(shí)圖譜服務(wù)調(diào)用鏈 故障失效鏈系統(tǒng)畫(huà)像CMDB動(dòng)態(tài)決策庫(kù)性能預(yù)測(cè) 異常檢測(cè)根因診斷 止損決策運(yùn)維數(shù)據(jù)平臺(tái)數(shù)據(jù)存儲(chǔ)hadoopkafkaRedisHiveESMpp數(shù)據(jù)采集flumelogstashAgent/API批處理運(yùn)行控制 服務(wù)器管理工具 應(yīng)用發(fā)布部署工具自動(dòng)化工具軟件監(jiān)控系統(tǒng) 硬件監(jiān)控系統(tǒng) 集中報(bào)警系統(tǒng) 批處理監(jiān)控系統(tǒng)監(jiān)控工

17、具IT基礎(chǔ)設(shè)施X86計(jì)算資源池小型機(jī)計(jì)算資源池網(wǎng)絡(luò)資源池存儲(chǔ)資源池服務(wù)器網(wǎng) 絡(luò)存 儲(chǔ)機(jī) 房智能運(yùn)維技術(shù)架構(gòu)智能運(yùn)維門(mén)戶(hù)GrafanaKibana信息統(tǒng)一展示大屏監(jiān)控應(yīng)用場(chǎng)景智能預(yù)警 作業(yè)運(yùn)行預(yù)測(cè) 最長(zhǎng)路徑分析指標(biāo)預(yù)警智能檢測(cè) 異常報(bào)警聚合 智能異常檢測(cè) 故障根因分析智能值守值班操作智能化運(yùn)維數(shù)據(jù)可視化智能巡檢應(yīng)用巡檢智能化機(jī)房巡檢智能化智能運(yùn)維算法運(yùn)維知識(shí)圖譜動(dòng)態(tài)決策庫(kù)服務(wù)調(diào)用鏈系統(tǒng)畫(huà)像性能預(yù)測(cè)根因診斷 故障失效鏈CMDB異常檢測(cè)止損決策h(yuǎn)adoopkafka運(yùn)維數(shù)據(jù)平臺(tái)數(shù)據(jù)存儲(chǔ) Redis HiveESMpp數(shù)據(jù)采集flumelogstashAgent/API批處理運(yùn)行控制 服務(wù)器管理工具 應(yīng)用發(fā)布部署工具自動(dòng)化工具軟件監(jiān)控系統(tǒng) 硬件監(jiān)控系統(tǒng) 集中報(bào)警系統(tǒng) 批處理監(jiān)控系統(tǒng)監(jiān)控工具IT基礎(chǔ)設(shè)施X86