0误报的运维平台，通过什么黑科技实现？

随着云计算与AI技术的发展，运维人员在工作中获得了更多高效算法的协助，可以多模块高效梳理信息，加快定位故障的速度。其中，告警消息作为运维人员掌握系统运行状况的重要途径，是最为直接的信息来源。通过监控中心，时刻监测系统的运行状况，并在某个服务器出现故障时，发出告警消息。运维人员通过分析告警消息能及时准确地定位故障。基于这一应用场景，我们从告警消息的特性与挑战出发，介绍LinkSLA 如何做到告警信息 0误报。LinkSLA智能运维管家

01 常见的告警管理挑战

告警管理作为运维过程中的重要阶段，面临许多挑战。例如传统运维场景中最常见的告警风暴，如何对其进行合理的分析？除此之外，还可以归纳以下几点：

1、误报、漏报、重复报，导致有效的告警信息被垃圾信息埋没。2、告警信息来源复杂，无法迅速定位问题。

3、告警触发条件不同，故障通知精准度低。

4、告警原因不明确，故障分析效率低。因此，如何从海量告警信息中，筛选有效信息，快速定位分析故障，是告警管理亟需解决的问题。

02机器学习打造最强告警系统

当业务系统越来越多，虚拟化、容器化、微服务以及众多开源组件的使用，使监控对象越来越多，指标更是海量增长。如果按照传统的方法配置静态阈值，不仅耗用巨大的人力，而且容易造成告警信息不准确。

机器学习把运维从繁琐的事件中解放出来，更多的放到“数据”一侧，应用场景更丰富，包括异常告警、告警收敛、故障分析、趋势预测等等。更强调效率，在自动化测试、平台部署、立体化监控等多种自动化工具的加持下，运维的过程被大大简化，效率得到大幅提升。

1）建立自适应异常检测

具有周期性、趋势性、季节性的指标，机器学习可建立自适应异常检测。例如，白天的CPU基线和晚上不同，1月份和6月份不同；除了单指标的异常监测，还可进行多维数据分析，例如某个业务系统响应时间超过正常范围，则会监测业务组成对象的关键指标，如CPU使用率、内存使用率、磁盘和网络IO、JVM使用率等等基于决策树分析模型，自动确认影响权重，进行多维数据分析。

2）容量趋势预测

对用户资产的容量指标进行趋势预测，例如文件系统空间、数据库表空间等等，根据增长趋势提前预警，让用户有足够时间进行数据清理、扩容或迁移等等。

3）提供可视化统一界面

为运维人员提供可视化的统一界面，异常告警智能化，基于动态阈值的报警确认，对海量的时序指标进行异常检测，帮助运维人员迅速识别、预测可能出现的问题。基于AI机器学习，对问题根因进行分析，大大提高告警的准确性，提高运维效率。

03平台+服务，打造0误报运维平台

除了机器学习，Moc远程值守增加了一道保护屏障，接收工单，处理工单，全程跟踪和督促，形成线上线下闭环服务，打造0误报的运维平台，交付给用户可持续的运维服务。讲个案例，清明节期间，值守工程师凌晨经常收到某客户的核心文件系统空间爆满的工单，但是9点工单检测发现问题解决，工单自动关闭，一连几天皆是如此，细心的MOC工程师调看历史数据，发现一个规律：每天凌晨1T的空间会被全部占满，到9点左右，又会释放400G的空间。Moc工程师查看磁盘容量、磁盘IO这数据，分析可能是用户进行备份。联系客户得到确认，进一步分析备份日志，发现由于空间不足导致备份失败，核心业务系统也因此受到影响，沟通客户调整备份方案，问题得到彻底解决。通过案例发现，仅仅依靠监控平台是远远不够的，还需要负责的值守团队和庞大的二线专家团队支撑。而Linksla实现运维闭环，采用平台+服务的大运维模式，实现信息0误报。

04高效运维，助力企业数字化转型

LinkSLA与南大人工智能研究院深度合作机器学习、AI算法等技术，联合开发平台，满足企业对日益主动的IT运维、更加细化的成本优化目标和质量期望、更加快速的故障响应与处理、更加稳定的业务持续性的运维需求。助力企业数字化转型，降低运维成本，现阶段LinkSLA开放50个免费试用名额，服务企业用户，LinkSLA提供50名免费试用名额，享受60天全栈监控，30天moc值守服务，数量有限先到先得。