asp.net官方网站,网络营销方式的优点,wordpress伪静态不现实,哈尔滨手机网页制作云原生时代下#xff0c;企业的IT运维面临架构复杂化、业务需求多样化和运维数据海量化等挑战#xff0c;如何能够实现精准告警、异常智能诊断、根因定位、异常预测和异常自动修复#xff0c;已成为企业数字化转型的急迫需求。
9月26日#xff0c;阿里巴巴高级技术专家滕圣…云原生时代下企业的IT运维面临架构复杂化、业务需求多样化和运维数据海量化等挑战如何能够实现精准告警、异常智能诊断、根因定位、异常预测和异常自动修复已成为企业数字化转型的急迫需求。
9月26日阿里巴巴高级技术专家滕圣波在《GOPS全球运维大会》上发表了题为《云上服务器无人值守与自助服务实战》的主题演讲分享了阿里云弹性计算团队如何利用人工智能技术赋能运维自动化实现云上服务器无人值守帮助用户降低云服务器实例管理的复杂性来保障实例服务的稳定和高效运行。本文根据滕圣波的演讲整理。 图阿里巴巴高级技术专家滕圣波
本文内容架构 1、云上服务器为什么需要无人值守 2、阿里云无人值守的自服务实战 3、无人值守背后的数据和AI
1、云上服务器为什么需要无人值守
运维是一种服务既包含基础设施软件服务、也包含人力服务服务的对象是企业中使用基础设施的业务团队而云计算IaaS是一种运维服务服务的对象已发展为使用云服务的开发人员和运维团队。随着云计算的广泛落地大部分企业已经上云当前就有100万多家用户的业务运行在阿里云平台上阿里云平台服务的用户也越来越多。
随着平台用户规模的扩大我们发现平台用户在ECS实例运维时普遍面临三个痛点
1背景沟通成本高为什么我的实例出问题了 2人工处理需要较长的时间为什么这个问题这么久还没有解决 3客户操作不透明问题看起来修复了可是刚刚你做了什么
为此我们需要重人力投入在客服人员上让用户的问题得以高效解决。为了避免用户规模扩大带来的客户侧运维成本的线性上升我们开始利用人工智能技术赋能用户运维管理。在无人零售、无人驾驶成为趋势的时候我们认为未来云上服务器也将实现无人值守。
事实上阿里云弹性计算产品推出十年了沉淀了众多ECS实例运维管理经验和异常“行为”规律。所以依托机器学习的数据驱动我们通过异常“行为”数据的分析构建了一套云上服务器的无人值守架构并推出了一系列自助服务实现了ECS实例的自诊断、自修复、自优化、自运维帮助用户降低ECS实例管理的复杂性从而来保障实例服务的稳定和高效运行。
2、无人值守的自服务实战 云计算IaaS的运维工作可以拆分为服务侧运维和客户侧运维服务侧运维是云平台的运维工作通常对用户不可见的主要涉及基础设施、基础产品和上层管控三个层面包括机房、物理设备的运维工作、资源虚拟化、资源调度、热迁移等工作。随着用户规模的扩大这些运维工作会越来越复杂。而用户侧运维工作是对用户自己可见的主要是用户对ECS实例的修改操作和自动化工作包括扩容、重启、监控、客服服务、工单反应、资源编排和运维编排等。
我们构建的云上服务器的无人值守架构为阿里云平台用户提供了一系列的自助服务。广义上看阿里云的自助服务囊括了ECS实例本身、实例生命周期管理、系统管理和自动化、市场和生态四个维度如下图。 图广义上的自助服务 狭义上来说阿里云自助服务为用户实现了ECS实例的诊断、修复和推荐的功能。当天阿里云自助服务已提供实例诊断工具、实例优化推荐、自动修复工具、最佳模板推荐和ECS事件自动化等一系列自助服务工具覆盖了80% ECS常见问题将问题解决的平均周期从几小时缩短至分钟级整个过程无需客服人工参与无隐私泄漏风险做到了云上服务器的无人值守。未来随着AI数据的不断驱动ECS实例的诊断和修复将会越来越精准。 ECS实例的智能诊断 根据平台的数据统计用户在使用ECS实例时主要面临四大类问题 1实例无法远程访问 2实例无法启动/停止 3实例性能异常 4磁盘扩容未生效
所以在智能诊断的能力上我们覆盖了ECS系统服务、磁盘健康服务、网络健康服务和Guest OS系统配置等维度用户一键即可完成实例的智能健康诊断。 ECS实例的自动化修复 在智能诊断完成后我们还会为用户提供ECS实例自动化修复方案在前者定位问题所在之后自动化修复能够在1-3分钟内解决问题主要完成ECS系统服务修复、网络问题修复和磁盘修复。
仅仅实现自动化修复是不够的我们认为自动化修复还应该是透明合规的。我们通过运维编排服务OOS提供自动化引擎通过云助手命令提供GuestOS内的执行能力运维编排服务OOS云助手命令共同帮助用户完成自动化修复同时我们开源了运维编排服务OOS云助手命令的代码做到一切修复逻辑对用户可见一切修复操作还可以通过ECS实例的镜像、快照和数据备份实现回滚通过阿里云RAM角色控制实现一切权限可控通过阿里云操作审计ActionTrail实现一切记录可审计做到了真正的透明合规。
3、无人值守背后的AI与数据能力
让我们实现智能诊断和自动化修复的是冰山下强大的技术支撑——AI数据。依托底层的数据中台我们完成了包括物理机数据、虚拟化数据、网络数据、控制面数据和GuestOS内数据等数据的采集、清洗、分析和模型的构建加上AI算法的不断调优我们搭建了用户画像、决策树、预测和推荐模型等从而保证异常诊断和自动修复越加的精准和高效。 当前在整体的ECS自助服务架构中主要依靠管控监控中心实时监测日志服务、中间件监控、API请求监控以及控制台监控和自助诊断的数据通过机器学习引擎实现问题预警和处理进而驱动运维编排服务OOS实现自动化修复问题。 通过这套AI驱动的自服务架构当前阿里云ECS实时内存异常感知准确率在70%以上实施预测链路延时则控制在100s以内另外融合专家经验、案例库和知识库我们构建了一个强大的诊断决策树为加快问题的定位和修复提供了强有力的依据。
近两年阿里云弹性计算团队持续不断地投入构建异常行为数据集未来计划将其演进成为阿里巴巴集团在异常预测上的“ImageNet 数据集”并进行开源希望能为异常预测在业内的发展贡献更大的价值。 原文链接 本文为阿里云原创内容未经允许不得转载。
