刘晓辉-运维平台可观测与数字孪生的落地实践_加水印

应用运维开发团队负责人刘晓辉工作总结

关于应用运维的问题与思考

运维痛点

• 应用运维的主要工作集中在工具化和自动化层面，但智能化程度仍需提升。
• 运维平台建设路径需关注工具化率和自动化特征指标，逐步向智能化（AI驱动）演进。

运维平台整体架构方案

• 监控整体架构：基于日志、指标和调用链路分析，构建可观测性体系。
• 监控三要素：日志和指标是核心，通过审计日志实现调用链路分析。

特征指标

• 工具化率自动化（Automation）：利用脚本和工具减少人工干预。
• 无智能化（IntelligentOperation）：应用AI/ML技术实现自我优化和故障预测。

可观测监控

基于审计日志的调用链路分析

• 通过程序入口和出口的日志（含唯一ID、进出目的、错误响应、系统耗时等）构建调用链路。

基于生成对抗网络（GAN）的无监督异常检测

• 数据预处理：标准化[-1,1]、缺失值处理、滑动窗口构建X。
• 模型训练：编码器-解码器对抗学习，包含原始空间判别器和隐空间判别器。
• 异常检测：通过重构误差和异常分数识别异常样本，部分场景优于基线算法。

多尺度时序异常检测方法

• 创新点：小波变换降复杂度、图模块建模依赖性、流式场景下的蒸馏和记忆遗忘机制。
• 模型构成：多尺度分解-生成模块、多尺度图模块、知识蒸馏模块、记忆遗忘模块。
• 应用领域：识别复杂时序数据中的异常模式，预防事故。

数字孪生

数字孪生（DigitalTwin）定义

• 物理对象的虚拟动态模型，用于模拟、预测、测试和优化。

数字孪生的初步实现

• 基于诊断和快照进行根因分析。

可观测与数字孪生的结合

• 数字孪生模拟系统变更，可观测性平台监控实际表现。

未来展望

AIAgent和大模型的应用场景

• 智能监控：智能阈值推定提升检测准确性。
• 根因分析：利用NLP能力提取信息，调度Agent辅助分析。
• 知识管理：整合推理能力提升系统性和输出精准性。
• 人机交互：提升NLU/NLG能力增强交互流畅度。