随着企业的不断发展,业务对运维系统的可用性、性能、可扩展性提出了更高的要求,要解决这些问题便会涉及各种平台的搭建、虚拟化、容器化、持续集成等,这让运维工作面临空前的挑战。大数据与人工智能的出现,为这些运维难题提供了解决思路,由此,“智能运维”的呼声越来越高。

饶琛琳,日志易产品总监,曾任新浪微博系统架构师、大数据运维技术专家,从事运维工作 11 年,精通大规模互联网性能优化、机器数据处理分析以及监控和管理平台的部署开发。

饶琛琳认为,国内运维界在自动化方面已经达到一定的水平,但自动化和监控两部分的衔接还有一定距离。例如,当你拿到了监控类的报警,可能不清楚立马去做哪一项自动化的部署。如果能把自动化和监控这两部分有机的结合起来,运维的工作会运转得更加顺利。

另外,移动化以及微服务的趋势给运维工作带来了一些麻烦和挑战。没有出现微服务之前,运维人员在一台或者两三台机器中就可以完成问题排查。出现微服务之后,启停很方便,这些问题日志可能被拆分到几十个分布式的地方,各自输出,由此便可能遇到在排查问题时出现混淆的情况。解决这些挑战就需要智能运维。

饶琛琳认为,智能运维的理想状态,是将运维的三项工作(监控、管理和故障定位)利用“机器学习”和“人工智能”的技术有机结合起来。在大数据时代,智能运维是基于大数据之上的。运维想要把监控、管理和“故障定位”这三部分有机结合起来,就不可避免地需要用到智能算法,而智能算法则需要大量的数据去做支撑。

“日志易”能够帮助运维人员管理“海量日志数据”,对IT运维日志、业务日志实时采集、搜索、分析和可视化,并提供监控告警功能。不管业务经过多少模块处理,使用“日志易”的用户都可以将所有模块日志进行统一收集展示,进行日志的自动关联查询。“日志易”还提供“上下文查询”功能,运维人员在筛选出问题日志后,可通过“上下文查询”快速提取问题日志的前后各100条日志,实现分钟级故障定位。

日志易:智能运维需要大数据与机器学习的支撑

日志易最新发布的1.10.1版本,引入了机器学习技术,实现了基于聚类算法的日志模式发现。根据搜索结果数据间的相似度,该功能采用聚类算法对日志进行聚类合并,形成一个个包含相似数据的数据集,方便用户在查看种类繁多的搜索结果时,进行快捷的模式行为分析。饶琛琳表示,在未来,“日志易”将进一步提高运维工作效率,让运维更加智能。

关注中国IDC圈官方微信:idc-quan 我们将定期推送IDC产业最新资讯

查看心情排行你看到此篇文章的感受是:


  • 支持

  • 高兴

  • 震惊

  • 愤怒

  • 无聊

  • 无奈

  • 谎言

  • 枪稿

  • 不解

  • 标题党
2018-01-03 11:29:17
市场情报 2017年终策划:五大锐词带你回顾IT运维这一年
综览2017,作为IT运维领域从业十多年的北塔软件,精心挑选出IT运维领域的五大年度锐词。这些经过重新诠释的语词,浓缩了过去一年中的IT运维技术创新与业界动态,从而帮助你 <详情>
2018-01-03 10:38:24
大数据技术 AI和大数据2017“成长的烦恼”
人工智能和大数据在2017年的发展遇到了以下10个成长的烦恼,包括:人工智能无IQ标准、人工智能延伸边缘、AI嵌入超算和云计算、大数据风口已过、数据保鲜难等等。 <详情>
2017-12-28 15:52:23
市场情报 《2017新科技·新商业年度报告》重磅发布:千亿ABC驱动万亿级新商业市场
12月22日, 30年前,邓小平根据当代科学技术发展的趋势和现状,在全国科学大会上提出了“科学技术是第一生产力”的论断。30年来,这一伟大论断被不断实践和佐证。2017年, <详情>
2017-12-28 10:27:42
大数据应用 数据将主导一切?研究发现53%的公司正在使用大数据分析
研究公司Dresner Advisory Services发现,使用大数据分析公司的比例已经自2015年的17%激增到了2017年的53%。 <详情>
2017-12-28 10:14:00
大数据应用 大数据在金融行业的五大应用与挑战
相比其他行业,金融数据逻辑关系紧密,安全性、稳定性和实时性要求更高,通常包含以下关键技术:数据分析,包括数据挖掘、机器学习、人工智能等,主要用于客户信用、聚类、 <详情>