摘要：机器学习技术在监控工具中的应用已经成为运维与团队的一大热点话题。在运维管理的语境中，机器学习的首要替代方案是为运维管理建立行为模型，了解这一点非常重要。在，机器学习主要用于消除噪音。
机器学习技术在监控工具中的应用已经成为 IT 运维与 DevOps 团队的一大热点话题。尽管相关的使用案例很多，对 IT 团队而已真正的「杀手级应用」是机器学习如何提高实时事件管理能力，从而帮助较大规模的企业提高服务质量。对此，关键在于在用户发现问题之前提早探测异常，进而减少生产事故与中断的负面影响。
那么，在IT运维管理的环境下，机器学习到底是什么？
网上有不少关于机器学习的宏观定义：对于某给定的任务T，在合理的性能度量方案P的前提下，某计算机程序可以自主学习任务T的经验E；随着提供合适、优质、大量的经验E，该程序对于任务T的性能逐步提高。更通俗的来讲，即：随着任务的不断执行，经验的积累会带来计算机性能的提升。
如果在IT运维管理的前提下，也许这样的定义更加准确：机器学习是分析数据，反复地向数据学习，进而在不参考明确模型的情况下，找出隐藏观点的一类方法。
在 IT 运维管理的语境中，机器学习的首要替代方案是为 IT 运维管理建立行为模型，了解这一点非常重要。行为模型方法要求了解基础架构的所有组件，才能理解出现中断或服务质量下降的可能原因。更确切地说，你要试着判断哪些事件和告警模式与你希望监控的条件相匹配。
事实上，大多数 IT 运维管理工具都属于这一类别。不论是过时的遗留事件管理器，还是使用「聚合及查询」方法进行 IT 运维的现代工具。总之，你都要对这些工具进行一定的配置，让它们留意你预先就知道需要搜寻的东西。
而另一方面，机器学习则使用数据本身来寻找值得留意的特征，这些特征可能在事先完全无法预知。例如，非监督式机器学习，可用于分析事件流或日志消息，从而找出异常的消息集群。之后，这些异常可以与某项运维结果相联系，从而捕获潜在中断的原因与症状。
然而，监督式机器学习可用于记录用户针对给定告警及告警集群的活动，并相应地做出算法上的调整。本质上，机器学习利用数据不断地创建并更新行为模型，而不是使用静态的行为模型寻找特定的结果。
在 IT 数字化转型的今天，随之而来的规模复杂度、变更速度以及软件抽象化等挑战成为了机器学习应用于 IT 运维管理的理由。
如果基础架构处于不断变化的状态，根本无法建立起固定的行为模型。如果你想了解来自应用与基础架构的大量数据的意义，使用基于规则的方法无疑是死路一条。在新的软件时代，你必须利用机器学习进行实时的数据分析，这是保证服务质量的必备条件。无可否认，IT 领域正变得越发混杂、虚拟化以及流动化，只有使用机器学习技术，才能坦然应对这些变化。
现代 IT 环境下，不断变化的基础架构会产生大量的事件数据需要处理。在 OneAlert，机器学习主要用于「消除噪音」。例如，面对每秒钟成千上万的告警事件，如何在消除噪音的同时保留有价值的信息事件？
目前 OneAlert 产品对告警事件的压缩率已经高达80%。基于时间片的告警信息压缩已经趋于成熟，基于告警属性相似度的聚类模型能够将告警压缩率达到 95%。而基于机器学习的人工智能压缩更是能够将告警压缩到 99%（我们敬请期待！）
OneAlert 是北京蓝海讯通科技有限公司旗下产品，是国内首个 SaaS 模式的云告警平台，集成国内外主流监控/支撑系统，实现一个平台上集中处理所有 IT 事件，提升 IT 可靠性。想了解更多信息，请访问 OneAlert 官网 ，欢迎免费注册体验 。
本文转自 OneAPM 官方博客
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/18114.html
摘要：机器学习技术在监控工具中的应用已经成为运维与团队的一大热点话题。在运维管理的语境中，机器学习的首要替代方案是为运维管理建立行为模型，了解这一点非常重要。在，机器学习主要用于消除噪音。 机器学习技术在监控工具中的应用已经成为 IT 运维与 DevOps 团队的一大热点话题。尽管相关的使用案例很多，对 IT 团队而已真正的「杀手级应用」是机器学习如何提高实时事件管理能力，从而帮助较大规模的...
摘要：如何有效处理紧急事件驱动的工作，成为特别是运维主管运维工作的关键。通知到位和及时响应。机器学习领域是未来的重要发展方向，目前我们还在摸索中。机器学习告警合并事件单的处理如果告警量很大，告警后续处理和跟踪往往会依赖于外部团队部门外或公司外。 编者按]本文作者为陈伯龙，云告警平台[OneAlert创始人，著《云计算与OpenStack》，在IT运营管理、云计算方面从业10多年。 正文 互联...
摘要：如何有效处理紧急事件驱动的工作，成为特别是运维主管运维工作的关键。通知到位和及时响应。机器学习领域是未来的重要发展方向，目前我们还在摸索中。机器学习告警合并事件单的处理如果告警量很大，告警后续处理和跟踪往往会依赖于外部团队部门外或公司外。 编者按]本文作者为陈伯龙，云告警平台[OneAlert创始人，著《云计算与OpenStack》，在IT运营管理、云计算方面从业10多年。 正文 互联...
摘要：作者介绍王艺，百度云智能运维架构研发负责人。年转向运维方向，作为智能运维架构方向的技术负责人，致力于为百度智能运维平台和产品提供高性能高可用可扩展的系统架构和基础设施。持续的数据建设，是智能运维建设的关键。 作者介绍王艺，百度云智能运维架构研发负责人。2010年加入百度，先后负责百度链接库、百度志愿计算、百度统一资源管理的研发，经历过千亿级网页链接的洗礼，也调度过数十万量级的服务器，热衷于直...
摘要：年加入阿里巴巴，目前负责基础运维平台。产品数据这也是我们产品在阿里内部的一些数据，每天有上亿次的服务器操作，分钟可以操作万台服务器，插件有多个，管理服务器规模在百万级，资源占有率也特别低，支持主流发行版。 摘要： 还记得那些年我们半夜爬起来重启服务器的黑暗历史吗？双11期间，阿里巴巴百万量级主机管理能安全、稳定、高效，如丝般顺滑是如何做到的？阿里巴巴运维中台技术专家宋意，首次直播揭秘阿...
阅读 2137·2021-11-24 09:39
阅读 3570·2021-11-19 09:40
阅读 1926·2021-09-27 13:36
阅读 1142·2021-09-10 10:50
阅读 1770·2019-08-30 15:44
阅读 274·2019-08-30 13:52
阅读 2577·2019-08-30 11:13
阅读 1905·2019-08-29 16:18
