典型智能運維場景說明、場景能力解析示例

在智能運維場景實現過程中，應從實際出發(fā)，立足當前運維痛點，從場景切入，由點到面進行智能運維體系建設，并通過設立評價指標對實施效果進行測量，確保已建場景滿足既定運維目標并有效體現智能特征。智能運維場景按照復雜度及實施路徑可分為單一場景具備個別智能特征的簡單運維場景，混合場景是將多個單一場景融合形成的智能運維場景。本附錄表A.1典型智能運維場景說明(第1頁/共4頁)目標在事前、事中、事后的各方面，有效提高運維服務對象的運行穩(wěn)單一常撥測該場景通過HTTP請求、TCP/IP請求、應用系統(tǒng)API請求等不同形式，對應響應結果發(fā)現異常并告警應用系統(tǒng)異常撥測率=撥測發(fā)現異常對象數/總異常對象數該場景通過自動化方式對系統(tǒng)、中間行啟停、切換等便捷操作自執(zhí)行該場景通過設定正則表達式等規(guī)則，合并為一個告警告警聚合率=1-聚合后告警數/總告故障自愈該場景通過實時海量數據處理、非結式，對故障場景特征精準識別，并自動調用預設的應急動作，實現業(yè)務的故障自愈率=自愈能感知、可決策、會診斷、自交易量、成功率、耗時、系統(tǒng)性能、日志等數據，利用機器學習訓練歷史數據運行模型，實時檢測運行數據，態(tài)有效告警數/總告(應告警數-有效告警數)/應告警自適應、自學習、能感知、會析間依賴關系和配置數據，實現快速準故障影響分析準確率=影響范圍分析正確的故障數量/異常根因定位該場景通過排障決策樹、對象關聯(lián)圖異常根因定位準確率=準確推薦根因因故障數；率=準確推薦根因能感知、可決學習、自適應、表A.1典型智能運維場景說明(第2頁/共4頁)目標在事前、事中、事后的各方面，有效提高運維服務對象的運行穩(wěn)定性和可故障預測領域的故障模型，提取故障特征，歸行趨勢的動態(tài)預測=準確預測數/總預測數自學習、會診斷該場景通過自動收集運維對象信息，如性能數據、狀態(tài)數據、技術數據和日志數據等，利用同類運維對象的橫向比較、歷史數據分布比較、最佳實運維對象數/總能感知、會描施、應用(資源)方面，有務對象的運行和管單一負載統(tǒng)一調度、集中管理、實時計算，實現網絡數據的快速轉發(fā)、高效傳輸，并根據網絡質量智能選路、業(yè)務路徑調優(yōu)，充分利用網絡資源，降低使用網絡堵塞年度減度發(fā)生數流程自動化單流程，以更快的速度、更高的準確率實現運維工單自動化填寫等操作，有效代替人工并降低成本自動化工單流程的數量/運維工自執(zhí)行資源彈性控，根據資源使用情況進行動態(tài)伸資源，避免資源的浪費，如數據庫擴容、私有云的動態(tài)伸縮、文件系統(tǒng)、內存、CPU等動態(tài)擴容或收縮等資源調整自動化資源次數/總調整資源次數能感知、自學習、可決策、自性能預測CPU、I/0、內存、日志信息等應用系行成本測準確率=準確預測數/總預測數能感知、自學習、可決策、自各運維行為的時效性和準確性單一日常巡檢自動化備端口狀態(tài)、流量等進行自動巡檢，并形成符合要求的巡檢報告日常巡檢自動化務數/總巡檢任務數自執(zhí)行表A.1典型智能運維場景說明(第3頁/共4頁)目標效維行為的時效單一化信息、環(huán)境參數，備份業(yè)務數據，日志信息進行檢查，以確認軟件分軟件分發(fā)配置自動化率=自動化數量/運維對象自執(zhí)行檢檢結果，提升工作效率機器人巡檢準確率=正確巡檢隱患數量/實際隱患數量；化率=機器完成的巡檢任務數/需完成的總任務數能感知、會診斷、可決策、自用該場景通過文本識別、圖像識別、等條目數/知識總條目數能感知、會描決策該場景通過利用自動化腳本、自動量重復、復雜的作業(yè)進行智能化編排，實現作業(yè)時間短、質量高、資源利用均衡等目標，降低運維人員壓力，提升運維服務效能確率=完成作業(yè)正確數/作業(yè)執(zhí)能感知、可決策、會診斷、自執(zhí)行、自適應、自學習安和運維對象的性單一測威脅IP檢測準確率=識別出真實威脅IP數量/識量自執(zhí)行漏洞檢測該場景通過定期對運維對象進行漏=正確檢測漏洞數量/實際漏洞自執(zhí)行訪問控制審核該場景是在開通網絡訪問策略時，自動校驗高危端口，實現網絡訪問策略的嚴格管控確率=正確審核高危需求數量/能感知數據中心人員出入和行為活動的全過程跟蹤、記錄、數據中心人員出入管控準確率=準確發(fā)現異常行為數/總發(fā)現異能感知、自學決策、自執(zhí)行、自適應目標服務和運維對象的安全性和網絡安全態(tài)勢感知該場景利用大數據分析、數據挖掘、特征提取和態(tài)勢預測等技術，獲取和素信息，評估網絡安全的狀況，預測其未來發(fā)展趨勢網絡安全態(tài)勢感知覆蓋率=已感知網絡資產數/實際存在網絡資產；網絡安全態(tài)勢感知安全攻擊數/總感知安全攻擊網絡安全態(tài)勢感知自動化率=自動總處置安全事件數能感知、會描診斷、可決策、自執(zhí)行、自適應場景能力解析示例給出了一個智能日志異常診斷實踐落地的場景，明確了該場景的建設目標，識別了該場景的活動及活動需要具備表B.1場景能力解析示例(第1頁/共5頁)目標活動征能力域能力項能力要素人員資源知識智能日志異常診斷：自型日志，自動提取各日志模板，建并進行告的同時，也效率提升成本降低能感知、自能力域發(fā)團隊與日志產生方就日志異常診斷場景數據案和計劃，動日志接收主要通過采集平臺的日志實現，主動采集可使用Fluentd等主流技術，的實時性、有效性、可靠性和安全性等要求；c)針對日志數據采集節(jié)點，使用相關技術監(jiān)控日志采集延誤和丟失的情況求，明確采集方行、審建立日志標，如日志源端采集資源消障率、人工工作采集動作的相關配置策略，集配置模版，日志源端資源響正常的業(yè)務監(jiān)控日志時間略，及時發(fā)現日志采集延誤節(jié)點數量、日志類型、網絡安全分區(qū)分布，配力和網絡資型的日志數據采用不同的數據采集規(guī)范，包括(接收/主/定期)、采集級別(全量/采目標活動征能力域能力項能力要素人員資源知識智能日志異常診斷：自型日志，自動提取各日志模板，建并進行告的同時，也效率提升成本降低能感知、自能力域儲設計能力的成員制定不僅限于副足日志數據存儲的高性能、高吞吐率和大容量b)對日志數據進行分級分類處理，包括原始日志、解析后日志、日志模板等類型，并根據日志類型特征、訪問性能進行分級存儲；滿足數據高可用要求，定義并實施日存儲需求、制定存儲規(guī)范、條件及標準、實施、檢查、果取速率等，以根據不同日志類型的壓寫性能需同的算法，如PPMD、存儲的規(guī)模、性能和高可用當的資源，包存儲等a)日志保存策略。包括不同數據存儲類冷熱溫數據存儲方案、數據清理策略術方案、目標活動智能能力域能力項能力要素人員資源知識智能日志異常診斷：自型日志，自動提取各日志模板，建并進行告的同時，也效率提升成本降低自學習、會決策能力域研發(fā)團隊特征工程等相關背景知識和研發(fā)能力的成員制板提取方案，至少應包含日志解析、特征顆粒度定義和特征抽取日志模板的日志數據，日志需先進行日志則可直接提取場景，利用NLP等技術將無結構化日志轉化成結構的日志明細數不同的日志類型自動選擇不同算法，產生多個日志模板；b)系統(tǒng)持續(xù)跟蹤日志的變化情況，結果進行識別、命周期管理各種日志模版的原如日志類別、模板模板生成速度、模成的各明細日志模板，包括征，日志內參數的變量分布等a)針對日志類型的運維數據，使用日志模板提取FT-行結構化轉換；的指標類型運維征提取、使用等算法進行趨勢等根據日志的規(guī)模和分析日志的實時置適當的大數據計算集群頻使用的日志建立日志要求等；識別、判斷、優(yōu)化和目標活動征能力域能力項能力要素人員資源知識智能日志異常診斷：自型日志，自動提取各日志模板，建并進行告的同時，也效率提升成本降低自學習、會診斷決策能力域決策團隊安排具備能力的成員承常檢測模型的設計與研發(fā)、用等工作模日志分類模型訓練框架技b)考慮采用日志多維定位和關聯(lián)分析技術板建立運行動圍等),并持續(xù)在線訓練；間段建立日志續(xù)在線訓練；日志模板和單位時間段內日志模板占比是否偏離動態(tài)基線基線數漏報率、誤報率、及時率等出現的頻次變化并使用時序異常檢測進行b)利用JS散度、對模板中關鍵變量的分布做檢測：對模板出現的順序規(guī)律進行的語義進行分根據日志的日志的實時群略：總結歸納不同日志告警策略，包括基線敏感度、異常頻次告警規(guī)則、稀有日志告警策略b)算法應用指南：為不同日志類型和場景標識有效的日志異南：總結歸納不同日志能力邊界場目標活動智能能力域能力項能力要素人員資源知識智能日志異常診斷：自型日志，自動提取各日志模板，建并進行告的同時，也自學習、可決策決策能力域景研發(fā)團隊安排具備能力的警使用方就日志數據告警可視化制定方案達成一致圖表、儀表盤、大屏等可視化組件的快速創(chuàng)建；b)建立日志數據訪問權限框架，實現日志數據可視化視圖的展示和訪問控c)采用統(tǒng)計圖形學、展示或交互處理；染技術，提高實時動態(tài)日志數據和告據告警可視化的目標與選擇可視化技術，開發(fā)和調用可視化組件，并對可視化結果進行識別、分析、的組件將海量日志數據告警相關數據以圖標形式呈現出維人員分析a)具備日志數據告警展示過程中的展示布局模板等狀態(tài)數日志數據告警可視化有效性的指標整度、頁面刷新率