中文
11月16日，ofweek第七届人工智能产业大会暨行业年度颁奖典礼在深圳举办。深信服aiops技术凭借在人工智能领域的实力和优势，获得维科杯 · ofweek 2022 人工智能行业“技术突破奖”。当天，深信服高级研发技术专家易佳受邀出席大会，发表《桌面云场景下的aiops技术实践》的演讲，介绍了桌面云运维遇到的挑战，以及如何利用aiops简化桌面云运维等内容。
桌面云运维面临诸多挑战
近年来，桌面云为数字化办公提供了有力支撑。与此同时，桌面云也容易面临第三方软件兼容性、蓝屏、木马、应用卡慢、响应延迟等问题，这些问题的背后暴露出来的可能是私有云资源不足、硬件故障难以定位、网络故障等深层次问题。
为此，深信服提出了aiops 智能运维一体化技术方案。该方案通过采集桌面云的日志、链路和指标数据，执行故障预测、异常检测、关联推理等算法，为用户提供智能分析服务。
“aiops的数据采集引擎基于golang实现了插件化探针，支持采集windows、linux、docker等多类指标数据，可以跨平台、多应用地进行动态采集，也支持prometheus协议和导出，在数据采集上实现了高效和可扩展。”易佳补充。
历经三次迭代，打造更优运维体验
易佳介绍，随着用户诉求和用户体量的的不断变化，深信服aiops数据模型与ai框架演进了三个版本。
第一个版本适用于小规模用户，是一套轻量级监控分析系统，支持时序数据、告警数据、统计分析和容器化部署，也支持主机、虚拟机数据采集做简单ai分析，但是db/存储与业务耦合严重，算法效果难保障，难以支撑大规模虚拟机接入。
第二个版本是轻量级aiops引擎，支持openapi和数据统一调度，引入缓存机制，实现了存算分离。但openapi、requests handler和prometheus容易遇到瓶颈，导致体验欠佳。
从第三个版本开始，深信服打造了全栈的aiops引擎。在该版本中，面对数据上报的性能瓶颈问题，抽象数据接口，实现requests handler负载均衡；其次是设计了投递分级，内存磁盘双对列的模式，为低优先级数据设立单独通路，可以优先保障高优先级数据入库；同时，设计了多级分表，优化了数据结构，这样可以保留横向扩展能力。
另外，为了平衡实时性与准确度，减少重复数据，aiops可以按采集指标区分不同采集周期，例如设定10s采集一次cpu，20s采集一次memory；服务器型号、磁盘大小等静态数据尽量只采集一次。
最后，针对多维异构数据进行了冷热分层处理，冷数据存档供ai离线分析和模型训练，热数据实时监控和展示。
在ai算法方面，易佳介绍，“桌面云aiops算法包括基于bagging策略的分段线性回归算法、基于网格搜索的缩扩容模型、基于资源约束算法和贪心策略的虚拟机新增模型、基于时间序列特征提取和随机森林的闲置资源识别模型等”，基于这些算法，最终形成了包含aiops算法、ai调度决策、openapi、数据管理、服务化等功能在内的aiops基础结构。
aiops 实践与落地效果
易佳表示，aiops可以快速识别出卡慢故障等异常问题。通过引入50多个规则、采集800多个维度数据，实现20多个机器学习算法，诊断出30 核心卡慢场景。aiops的监测分析能力已经能够全方位地支撑大盘、集群、主机、虚拟机、网络、存储、应用软件全栈监控与分析。
在算法效果上，桌面云卡慢/故障异常检测准确率达到87%。实施卡慢缓解建议后，约有47%的问题能够得到明显缓解，aiops的智能诊断能力，可以覆盖桌面云65%的已知资源卡慢问题。
易佳最后总结，aiops未来会增加更多的反馈和模型的自更新机制，实现多业务场景的覆盖。同时，基于业务画像和运维知识图谱，实现精细化故障诊断，打造让用户满意的产品体验。