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

近年來，桌面雲為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兼容性、藍屏、木馬、應用卡慢、響應延遲等問(wèn)題，這些問(wèn)題的背後暴露出來的可(kě)能是私有雲資(zī)源不足、硬件故障難以定位、網絡故障等深層次問(wèn)題。

為此，深信服提出了AIOps 智能運維一體化技術(shù)方案。該方案通(tōng)過采集桌面雲的日志、鍊路(lù)和(hé)指标數據，執行故障預測、異常檢測、關(guān)聯推理等算法，為用戶提供智能分析服務。

“AIOps的數據采集引擎基于Golang實現了插件化探針，支持采集Windows、Linux、Docker等多類指标數據，可(kě)以跨平台、多應用地進行動(dòng)态采集，也支持Prometheus協議和(hé)導出，在數據采集上實現了高效和(hé)可(kě)擴展。”易佳補充。

易佳介紹，随着用戶訴求和(hé)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。

第一個(gè)版本适用于小規模用戶，是一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(hé)容器(qì)化部署，也支持主機、虛拟機數據采集做簡單AI分析，但是DB/存儲與業(yè)務耦合嚴重，算法效果難保障，難以支撐大規模虛拟機接入。

第二個(gè)版本是輕量級AIOps引擎，支持OpenAPI和(hé)數據統一調度，引入緩存機制，實現了存算分離(lí)。但OpenAPI、Requests Handler和(hé)Prometheus容易遇到瓶頸，導緻體驗欠佳。

從第三個(gè)版本開始，深信服打造了全棧的AIOps引擎。在該版本中(zhōng)，面對數據上報的性能瓶頸問(wèn)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，為低優先級數據設立單獨通(tōng)路(lù)，可(kě)以優先保障高優先級數據入庫；同時，設計了多級分表，優化了數據結構，這樣可(kě)以保留橫向擴展能力。

另外，為了平衡實時性與準确度，減少(shǎo)重複數據，AIOps可(kě)以按采集指标區分不同采集周期，例如(rú)設定10s采集一次CPU，20s采集一次memory；服務器(qì)型号、磁盤大小等靜态數據盡量隻采集一次。

最後，針對多維異構數據進行了冷(lěng)熱分層處理，冷(lěng)數據存檔供AI離(lí)線分析和(hé)模型訓練，熱數據實時監控和(hé)展示。

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

易佳表示，AIOps可(kě)以快速識别出卡慢故障等異常問(wèn)題。通(tōng)過引入50多個(gè)規則、采集800多個(gè)維度數據，實現20多個(gè)機器(qì)學習算法，診斷出30+核心卡慢場景。AIOps的監測分析能力已經能夠全方位地支撐大盤、集群、主機、虛拟機、網絡、存儲、應用軟件全棧監控與分析。

在算法效果上，桌面雲卡慢/故障異常檢測準确率達到87%。實施卡慢緩解建議後，約有47%的問(wèn)題能夠得到明顯緩解，AIOps的智能診斷能力，可(kě)以覆蓋桌面雲65%的已知資(zī)源卡慢問(wèn)題。

易佳最後總結，AIOps未來會增加更多的反饋和(hé)模型的自更新機制，實現多業(yè)務場景的覆蓋。同時，基于業(yè)務畫像和(hé)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。