来源 :中国科技资讯网2022-11-17
中国科技资讯网 2022年11月17日最新消息
2022年11月16日，OFweek第七届人工智能产业大会暨产业年度颁奖盛典在深圳举行。深信服AIOps技术凭借在人工智能领域的实力和优势，荣获维科杯OFweek 2022人工智能行业“技术突破奖”。当天，深信服资深研发技术专家易佳应邀出席大会并以《桌面云场景下的AIOps技术实践》为主题发表演讲，介绍了桌面云运维中遇到的挑战，以及如何利用AIOps简化桌面云运维。
人工智能产业大会现场
桌面云运维面临着许多挑战
近年来，由于疫情多发等原因，桌面云成为企业数字办公室的首选方案，但在实际使用过程中也面临第三方软件兼容性、蓝屏、木马、应用卡慢、响应延迟等问题。这些问题的背后可能会暴露出私有云资源不足、硬件故障难以定位的问题、网络故障等深层问题。
桌面云运维的挑战
为此，深信服提出了AIOps智能运维一体化技术解决方案。该方案通过采集桌面云的日志、链接、索引数据，并执行故障预测、异常检测、关联推理等算法，为用户提供智能分析服务。
“AIOps数据采集引擎基于Golang实现插件式探针，支持Windows、Linux、Docker等各类指标数据采集，可跨平台、多应用动态采集，同时支持Prometheus协议和导出。在数据收集方面实现了高效率和可扩展性。”易佳补充道。
历经三轮迭代，打造更好的运维体验
易佳介绍，随着用户需求和用户体量的不断变化，深信服AIOps数据模型和AI框架已经演进了三个版本。
第一个版本适合小规模用户。是一个轻量级的监控分析系统，支持时序数据、告警数据、统计分析、容器化部署。也支持主机和虚拟机数据采集，用于简单的AI分析，但DB/存储与业务耦合严重，难以保证算法效果，支持大规模虚拟机接入。
第二个版本是轻量级的AIOps引擎，支持OpenAPI和数据统一调度，引入缓存机制，实现存储和计算分离。但是OpenAPI、Requests Handler、Prometheus容易出现瓶颈，导致体验不佳。
从第三个版本开始，深信服打造了全栈AIOps引擎。该版本中，面对数据上报的性能瓶颈问题，对数据接口进行抽象，实现Requests Handler的负载均衡；其次，设计了交付分类，内存和磁盘双列模式，为低优先级数据设置单独通道，可以优先保证高优先级数据存储；同时设计多级分表，优化数据结构，保留水平扩展能力。
另外，为了平衡实时性和准确性，减少重复数据，AIOps可以根据采集指标区分不同的采集周期，比如设置CPU每10秒采集一次，内存每10秒采集一次。每20秒收集一次；服务器型号和磁盘大小等静态数据应尽可能只收集一次。
最后，针对多维异构数据进行冷热分层处理，冷数据归档供AI离线分析和模型训练，热数据实时监控展示。
在AI算法方面，易嘉介绍，“桌面云AIOps算法包括基于bagging策略的分段线性回归算法、基于网格搜索的缩放模型、基于资源约束算法和贪婪策略的虚拟机新模型、基于时间的Sequence特征随机森林提取和空闲资源识别模型等。”基于这些算法，最终形成了包括AIOps算法、AI调度决策、OpenAPI、数据管理、服务等功能的AIOps基础设施。
AIOps 实践与落地效果
易佳表示，AIOps可以快速识别慢卡故障等异常问题。引入50多条规则，收集800多条维度数据，实现20多种机器学习算法，诊断30+核心卡慢的场景。AIOps的监控和分析功能可以全面支持大盘、集群、主机、虚拟机、网络、存储和应用程序软件全堆栈监控和分析。
在算法效果上，桌面云卡慢/错异常检测精度达到87%。实施卡缓解建议后，约47%的问题明显缓解，AIOps的智能诊断功能可以覆盖65%的台式机云的已知资源卡速度问题。
最后易佳总结，AIOps今后将增加更多反馈和模型的自我更新机制，以实现多业务方案的覆盖面。此外，还可以根据业务画像和运维知识指导，将问题解决具体化，创造出用户满意的产品体验。