資訊專欄INFORMATION COLUMN
摘要：機器學習技術在監控工具中的應用已經成為運維與團隊的一大熱點話題。在運維管理的語境中，機器學習的首要替代方案是為運維管理建立行為模型，了解這一點非常重要。在，機器學習主要用于消除噪音。
機器學習技術在監控工具中的應用已經成為 IT 運維與 DevOps 團隊的一大熱點話題。盡管相關的使用案例很多，對 IT 團隊而已真正的「殺手級應用」是機器學習如何提高實時事件管理能力，從而幫助較大規模的企業提高服務質量。對此，關鍵在于在用戶發現問題之前提早探測異常，進而減少生產事故與中斷的負面影響。
那么，在IT運維管理的環境下，機器學習到底是什么？
網上有不少關于機器學習的宏觀定義：對于某給定的任務T，在合理的性能度量方案P的前提下，某計算機程序可以自主學習任務T的經驗E；隨著提供合適、優質、大量的經驗E，該程序對于任務T的性能逐步提高。更通俗的來講，即：隨著任務的不斷執行，經驗的積累會帶來計算機性能的提升。
如果在IT運維管理的前提下，也許這樣的定義更加準確：機器學習是分析數據，反復地向數據學習，進而在不參考明確模型的情況下，找出隱藏觀點的一類方法。
在 IT 運維管理的語境中，機器學習的首要替代方案是為 IT 運維管理建立行為模型，了解這一點非常重要。行為模型方法要求了解基礎架構的所有組件，才能理解出現中斷或服務質量下降的可能原因。更確切地說，你要試著判斷哪些事件和告警模式與你希望監控的條件相匹配。
事實上，大多數 IT 運維管理工具都屬于這一類別。不論是過時的遺留事件管理器，還是使用「聚合及查詢」方法進行 IT 運維的現代工具。總之，你都要對這些工具進行一定的配置，讓它們留意你預先就知道需要搜尋的東西。
而另一方面，機器學習則使用數據本身來尋找值得留意的特征，這些特征可能在事先完全無法預知。例如，非監督式機器學習，可用于分析事件流或日志消息，從而找出異常的消息集群。之后，這些異常可以與某項運維結果相聯系，從而捕獲潛在中斷的原因與癥狀。
然而，監督式機器學習可用于記錄用戶針對給定告警及告警集群的活動，并相應地做出算法上的調整。本質上，機器學習利用數據不斷地創建并更新行為模型，而不是使用靜態的行為模型尋找特定的結果。
在 IT 數字化轉型的今天，隨之而來的規模復雜度、變更速度以及軟件抽象化等挑戰成為了機器學習應用于 IT 運維管理的理由。
如果基礎架構處于不斷變化的狀態，根本無法建立起固定的行為模型。如果你想了解來自應用與基礎架構的大量數據的意義，使用基于規則的方法無疑是死路一條。在新的軟件時代，你必須利用機器學習進行實時的數據分析，這是保證服務質量的必備條件。無可否認，IT 領域正變得越發混雜、虛擬化以及流動化，只有使用機器學習技術，才能坦然應對這些變化。
現代 IT 環境下，不斷變化的基礎架構會產生大量的事件數據需要處理。在 OneAlert，機器學習主要用于「消除噪音」。例如，面對每秒鐘成千上萬的告警事件，如何在消除噪音的同時保留有價值的信息事件？
目前 OneAlert 產品對告警事件的壓縮率已經高達80%。基于時間片的告警信息壓縮已經趨于成熟，基于告警屬性相似度的聚類模型能夠將告警壓縮率達到 95%。而基于機器學習的人工智能壓縮更是能夠將告警壓縮到 99%（我們敬請期待！）
OneAlert 是北京藍海訊通科技有限公司旗下產品，是國內首個 SaaS 模式的云告警平臺，集成國內外主流監控/支撐系統，實現一個平臺上集中處理所有 IT 事件，提升 IT 可靠性。想了解更多信息，請訪問 OneAlert 官網 ，歡迎免費注冊體驗 。
本文轉自 OneAPM 官方博客
文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。
轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/7952.html
摘要：如何有效處理緊急事件驅動的工作，成為特別是運維主管運維工作的關鍵。通知到位和及時響應。機器學習領域是未來的重要發展方向，目前我們還在摸索中。機器學習告警合并事件單的處理如果告警量很大，告警后續處理和跟蹤往往會依賴于外部團隊部門外或公司外。 編者按]本文作者為陳伯龍，云告警平臺[OneAlert創始人，著《云計算與OpenStack》，在IT運營管理、云計算方面從業10多年。 正文 互聯...
摘要：如何有效處理緊急事件驅動的工作，成為特別是運維主管運維工作的關鍵。通知到位和及時響應。機器學習領域是未來的重要發展方向，目前我們還在摸索中。機器學習告警合并事件單的處理如果告警量很大，告警后續處理和跟蹤往往會依賴于外部團隊部門外或公司外。 編者按]本文作者為陳伯龍，云告警平臺[OneAlert創始人，著《云計算與OpenStack》，在IT運營管理、云計算方面從業10多年。 正文 互聯...
摘要：作者介紹王藝，百度云智能運維架構研發負責人。年轉向運維方向，作為智能運維架構方向的技術負責人，致力于為百度智能運維平臺和產品提供高性能高可用可擴展的系統架構和基礎設施。持續的數據建設，是智能運維建設的關鍵。 作者介紹王藝，百度云智能運維架構研發負責人。2010年加入百度，先后負責百度鏈接庫、百度志愿計算、百度統一資源管理的研發，經歷過千億級網頁鏈接的洗禮，也調度過數十萬量級的服務器，熱衷于直...
閱讀 1158·2021-10-15 09:39
閱讀 3062·2021-09-10 10:50
閱讀 3459·2019-08-30 15:53
閱讀 1882·2019-08-30 15:52
閱讀 2573·2019-08-29 15:31
閱讀 1982·2019-08-26 13:43
閱讀 2601·2019-08-26 13:37
閱讀 1448·2019-08-23 18:31
