11月16日，OFweek第七届人工智能(néng)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(néng)领域的实力和优势，获得维科(kē)杯 · OFweek 2022 人工智能(néng)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(yòng)AIOps简化桌面云运维等内容。

近年来，桌面云為(wèi)数字化办公提供了有(yǒu)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(mù)马、应用(yòng)卡慢、响应延迟等问题，这些问题的背后暴露出来的可(kě)能(néng)是私有(yǒu)云资源不足、硬件故障难以定位、网络故障等深层次问题。

為(wèi)此，深信服提出了AIOps 智能(néng)运维一體(tǐ)化技术方案。该方案通过采集桌面云的日志(zhì)、链路和指标数据，执行故障预测、异常检测、关联推理(lǐ)等算法，為(wèi)用(yòng)户提供智能(néng)分(fēn)析服務(wù)。

“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(duō)类指标数据，可(kě)以跨平台、多(duō)应用(yòng)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(kě)扩展。”易佳补充。

易佳介绍，随着用(yòng)户诉求和用(yòng)户體(tǐ)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(yòng)于小(xiǎo)规模用(yòng)户，是一套轻量级监控分(fēn)析系统，支持时序数据、告警数据、统计分(fēn)析和容器化部署，也支持主机、虚拟机数据采集做简单AI分(fēn)析，但是DB/存储与业務(wù)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(fēn)离。但OpenAPI、Requests Handler和Prometheus容易遇到瓶颈，导致體(tǐ)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(néng)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(fēn)级，内存磁盘双对列的模式，為(wèi)低优先级数据设立单独通路，可(kě)以优先保障高优先级数据入库；同时，设计了多(duō)级分(fēn)表，优化了数据结构，这样可(kě)以保留横向扩展能(néng)力。

另外，為(wèi)了平衡实时性与准确度，减少重复数据，AIOps可(kě)以按采集指标區(qū)分(fēn)不同采集周期，例如设定10s采集一次CPU，20s采集一次memory；服務(wù)器型号、磁盘大小(xiǎo)等静态数据尽量只采集一次。

最后，针对多(duō)维异构数据进行了冷热分(fēn)层处理(lǐ)，冷数据存档供AI离線(xiàn)分(fēn)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(fēn)段線(xiàn)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(xīn)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(lǐ)、服務(wù)化等功能(néng)在内的AIOps基础结构。

易佳表示，AIOps可(kě)以快速识别出卡慢故障等异常问题。通过引入50多(duō)个规则、采集800多(duō)个维度数据，实现20多(duō)个机器學(xué)习算法，诊断出30+核心卡慢场景。AIOps的监测分(fēn)析能(néng)力已经能(néng)够全方位地支撑大盘、集群、主机、虚拟机、网络、存储、应用(yòng)软件全栈监控与分(fēn)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(yǒu)47%的问题能(néng)够得到明显缓解，AIOps的智能(néng)诊断能(néng)力，可(kě)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(duō)的反馈和模型的自更新(xīn)机制，实现多(duō)业務(wù)场景的覆盖。同时，基于业務(wù)画像和运维知识图谱，实现精细化故障诊断，打造让用(yòng)户满意的产品體(tǐ)验。