11月(yuè)16日，OFweek第七屆人工(gōng)智能(néng)産業(yè)大會(huì)暨行業(yè)年(nián)度頒獎典禮在深圳舉辦。深信服AIOps技(jì)術(shù)憑借在人工(gōng)智能(néng)領域的實力和優勢，獲得維科杯 · OFweek 2022 人工(gōng)智能(néng)行業(yè)“技(jì)術(shù)突破獎”。當天，深信服高(gāo)級研發技(jì)術(shù)專家易佳受邀出席大會(huì)，發表《桌面雲場景下(xià)的AIOps技(jì)術(shù)實踐》的演講，介紹了桌面雲運維遇到(dào)的挑戰，以及如何利用AIOps簡化桌面雲運維等内容。

近年(nián)來，桌面雲為(wèi)數字化辦公提供了有力支撐。與此同時，桌面雲也容易面臨第三方軟件(jiàn)兼容性、藍屏、木(mù)馬、應用卡慢(màn)、響應延遲等問題，這些問題的背後暴露出來的可能(néng)是私有雲資源不足、硬件(jiàn)故障難以定位、網絡故障等深層次問題。

為(wèi)此，深信服提出了AIOps 智能(néng)運維一(yī)體化技(jì)術(shù)方案。該方案通(tōng)過采集桌面雲的日志(zhì)、鏈路(lù)和指标數據，執行故障預測、異常檢測、關聯推理等算(suàn)法，為(wèi)用戶提供智能(néng)分析服務。

“AIOps的數據采集引擎基于Golang實現了插件(jiàn)化探針，支持采集Windows、Linux、Docker等多(duō)類指标數據，可以跨平台、多(duō)應用地進行動态采集，也支持Prometheus協議和導出，在數據采集上(shàng)實現了高(gāo)效和可擴展。”易佳補充。

易佳介紹，随著(zhe)用戶訴求和用戶體量的的不斷變化，深信服AIOps數據模型與AI框架演進了三個(gè)版本。

第一(yī)個(gè)版本适用于小(xiǎo)規模用戶，是一(yī)套輕量級監控分析系統，支持時序數據、告警數據、統計分析和容器(qì)化部署，也支持主機(jī)、虛拟機(jī)數據采集做簡單AI分析，但是DB/存儲與業(yè)務耦合嚴重，算(suàn)法效果難保障，難以支撐大規模虛拟機(jī)接入。

第二個(gè)版本是輕量級AIOps引擎，支持OpenAPI和數據統一(yī)調度，引入緩存機(jī)制，實現了存算(suàn)分離。但OpenAPI、Requests Handler和Prometheus容易遇到(dào)瓶頸，導緻體驗欠佳。

從(cóng)第三個(gè)版本開(kāi)始，深信服打造了全棧的AIOps引擎。在該版本中，面對數據上(shàng)報(bào)的性能(néng)瓶頸問題，抽象數據接口，實現Requests Handler負載均衡；其次是設計了投遞分級，内存磁盤雙對列的模式，為(wèi)低(dī)優先級數據設立單獨通(tōng)路(lù)，可以優先保障高(gāo)優先級數據入庫；同時，設計了多(duō)級分表，優化了數據結構，這樣可以保留橫向擴展能(néng)力。

另外，為(wèi)了平衡實時性與準确度，減少重複數據，AIOps可以按采集指标區分不同采集周期，例如設定10s采集一(yī)次CPU，20s采集一(yī)次memory；服務器(qì)型号、磁盤大小(xiǎo)等靜(jìng)态數據盡量隻采集一(yī)次。

最後，針對多(duō)維異構數據進行了冷熱分層處理，冷數據存檔供AI離線分析和模型訓練，熱數據實時監控和展示。

在AI算(suàn)法方面，易佳介紹，“桌面雲AIOps算(suàn)法包括基于bagging策略的分段線性回歸算(suàn)法、基于網格搜索的縮擴容模型、基于資源約束算(suàn)法和貪心策略的虛拟機(jī)新增模型、基于時間序列特征提取和随機(jī)森林的閑置資源識别模型等”，基于這些算(suàn)法，最終形成了包含AIOps算(suàn)法、AI調度決策、OpenAPI、數據管理、服務化等功能(néng)在内的AIOps基礎結構。

易佳表示，AIOps可以快速識别出卡慢(màn)故障等異常問題。通(tōng)過引入50多(duō)個(gè)規則、采集800多(duō)個(gè)維度數據，實現20多(duō)個(gè)機(jī)器(qì)學習算(suàn)法，診斷出30+核心卡慢(màn)場景。AIOps的監測分析能(néng)力已經能(néng)夠全方位地支撐大盤、集群、主機(jī)、虛拟機(jī)、網絡、存儲、應用軟件(jiàn)全棧監控與分析。

在算(suàn)法效果上(shàng)，桌面雲卡慢(màn)/故障異常檢測準确率達到(dào)87%。實施卡慢(màn)緩解建議後，約有47%的問題能(néng)夠得到(dào)明顯緩解，AIOps的智能(néng)診斷能(néng)力，可以覆蓋桌面雲65%的已知資源卡慢(màn)問題。

易佳最後總結，AIOps未來會(huì)增加更多(duō)的反饋和模型的自(zì)更新機(jī)制，實現多(duō)業(yè)務場景的覆蓋。同時，基于業(yè)務畫(huà)像和運維知識圖譜，實現精細化故障診斷，打造讓用戶滿意的産品體驗。