亿级用户百TB级数据的AIOps 技术实践之路

关于面临的挑战

"因为专业性强，我认为反而让交互方式变简单了，打个点餐的比方，软件1.0阶段是，我要吃鱼香肉丝，我要吃辣的或是素一点的，根据清晰的接口上菜。而软件2.0阶段就是，我今天想吃开心一点的，然后菜就上来了。学件的提出，说明 AIOps 给大家带来的已经不再是枯燥的接口，而是变成很友好的用户交互来解决业务场景。"

现在的输入和之前不一样，之前是输入的是明确的内容，你来替我做行为；现在是输入的是目的，系统来做策略以及执行；后者更加宏观。

关于数据价值

"业务系统情况做到一目了然。"

除了有分析数据，还要有分析结果。怎么做到一目了然，首先要明确都有哪些业务，然后明白业务支撑的系统都有哪些，这些系统底层的操作系统级别的情况怎样，你说我们现在连每天多少数据量，每天多少访问量，ES的QoS是多少，这些运营数据都没有怎么来玩，怎么来搞？所以需要梳理出来一套。

关于数据平台

直接上图，说明了大数据的处理的基本模式，这套模式其实不只是AIOps，大数据相关的一套流程都是如此，此时，关于数据仓库，数据集市的概念也很明白说出来了。

作者对于Durid数据库花了很多笔墨，这项技术还是有价值去研究一下的。

关于数据智能

异常检测

1.Z-score算法

2.Boxplot算法

指标异常检测算法

1.时间序列分解算法

2.多工况检测算法

参考：

https://blog.csdn.net/Mes8Y62b6ogV207/article/details/80193083#t5