AIGC助力大規(guī)模對象存儲服務(wù)OSS的能效提升-阿里巴巴+羅慶超

AlGC助力大規(guī)模對象存儲服務(wù)OSS的能效提升大規(guī)模對象存儲服務(wù)OSS在開發(fā)運維中的挑戰(zhàn)和目標阿里云400萬用戶面對巨大挑戰(zhàn)，如何達成目標???99.995%易用性結(jié)合Al的智能運維助力能效提升場景1:通過Al做好根因分析支撐可用性SLA達成一背景海量存儲規(guī)模X海量存儲規(guī)模每天99.995%可用性SLA1分鐘發(fā)現(xiàn)、5分鐘處置、10分鐘恢復(fù)時長…1·……決策時長·止損時長-恢復(fù)時長(可選)·釘釘機器人監(jiān)控報警運維數(shù)據(jù)管理場景1:通過Al做好根因分析支撐可用性SLA達成一邏輯架構(gòu)釘釘機器人監(jiān)控報警運維數(shù)據(jù)管理實體指標特征畫像(基線庫)異常庫ConstraintK-sigma算法LOF算法智能算法庫異常感知模塊機器級功能模塊級非功能模塊監(jiān)控自身業(yè)務(wù)模塊前端日志后端日志分析結(jié)果錯誤根因分析全鏈路診斷模塊大數(shù)據(jù)計算平臺OLAPOLTP工程化、服務(wù)化的算力和存儲平臺是基礎(chǔ)，多維度的運維數(shù)據(jù)積累是動力算法+專家經(jīng)驗是引擎，簡單易用UI助推廣場景1:通過AlTRACE模塊A(IP地址1)TRACE分析任務(wù)SLS告警分析樹構(gòu)建異常集合候選根因根因分析分析樹配置根因模型分析樹配置模塊B(IP地址3)模塊B(模塊B(IP地址3)特征庫專家經(jīng)驗?zāi)Ｐ陀?xùn)練專家經(jīng)驗指標庫分析任務(wù)構(gòu)建分析樹構(gòu)建模塊C(IP地址4)鏈路異常分析根因分析場景1:通過Al做好根因分析支撐可用性SLA達成一效果(百萬錯誤在1分鐘內(nèi)產(chǎn)生)種數(shù)據(jù)源分析30分鐘場景2:智能分析訪問全鏈路追蹤慢請求一背景哪里慢了整體性慢?硬件慢、軟件慢?租戶B要求不超過2場景2:智能分析訪問全鏈路追蹤慢請求一邏輯架構(gòu)異常監(jiān)控499超時日志存儲(Metric、Trace、Log、Event)時序算法分析實時數(shù)據(jù)機器數(shù)據(jù)異常監(jiān)控機器級集群級根因定位性能分析對象前端機分析對象功能層分析盤古層分析機器層分析聚集性分析(IP、操作類型),用戶行為異常分析(QPS、流量、特殊請求突增)輸慢、某些特定請求慢、訪問底層慢聚集性分析(IP、操作類型),RPC、IO、隊列異常、負載、緩存、盤古層慢盤、集群過載、線程變慢、Burst突發(fā)流量等性能異常(CPU、MEM、Drive、網(wǎng)絡(luò)),進場異常、升級檢測等場景2:智能分析訪問全鏈路追蹤慢請求一效果用戶延時集群延時機器延時之前31ms,當(dāng)前839ms,突增26.2倍報警配置報警處理場景3:采用NLP分析海量工單挖掘改進方向一背景用戶調(diào)研產(chǎn)品使用產(chǎn)品工單系統(tǒng)場景3:采用NLP分析海量工單挖掘改進方向一方案模型迭代打標打標分析流轉(zhuǎn)環(huán)節(jié)，服務(wù)時長降低X倍通過智能分析，大量節(jié)約手工標注開銷場景3:采用NLP分析海量工單挖掘改進方向一效果300+人日/月場景4:探尋AIGC的智能機器人提高易用性一背景用戶調(diào)研產(chǎn)品使用產(chǎn)品自助排查文檔、工具自助服務(wù)智能語音、服務(wù)機器人求助人工服務(wù)工單系統(tǒng)通過AIGC訓(xùn)練的智能機器人，采用文字、圖片、視頻為用戶提供服務(wù)通過智能回答解決問題，降低工單數(shù)量，減少服務(wù)人力投入隨時快速響應(yīng)，解決問題，提高易用性場景4:探尋AIGC的智能機器人提高易用性一方案探索OSS技術(shù)小蜜機器人5月6日17:26Al生成文檔OSS上傳/下載/訪問文件時是否有帶寬、并發(fā)連接數(shù)、QPS限制關(guān)于OSS帶寬及QPS限制說明如下：●單個阿里云賬號在中國內(nèi)地各地域的上行及下行帶寬各為10Gbit/s、非中國內(nèi)地各地域的上行及下行帶寬各為5Gbit/s。如達到該閾值，請求會被流控。讀寫的QPS為2,000,非順序讀寫的QPS為關(guān)于OSS其他限制的更多信息，請參見使用限制。如果上述內(nèi)容未解決問題：●請點擊【人工支持】獲取人工幫助Al生成操作圖片Al生成指導(dǎo)視頻目·高頻問題(根因分析、慢請求、工單優(yōu)化等)采用智能運維切入收益大