58集团AIOps实践：智能监控与故障管理

"《58集团在AIOps领域的实践和整体思路》是58集团高级技术经理龚诚的一次分享，重点讲述了58集团在AIOps（人工智能运维）领域的实践经验与整体策略。龚诚拥有丰富的AI和运维背景，曾在百度、新浪微博等公司工作，负责相关技术和管理工作。分享中涵盖了智能监控的多个方面，如关键指标的智能监控、智能告警合并、智能根因分析、智能故障自愈和智能故障预警。" 在AIOps实践中，58集团经历了监控系统从自动化到智能化的演进，包括监控自动化、系统可用性和好用性提升、立体化监控、平台化和产品化，直至最终的智能化。传统的监控系统主要关注单机状态，依赖固定阈值判断异常，而智能监控则更注重业务的整体运行，通过预测和异常检测技术提前预警，并进行根因分析和自动处理。 智能监控的几个核心功能包括： 1. 智能监控概述：全面覆盖业务流程，提供故障预警，预测周期性指标变化，并具备异常检测能力。 2. 智能告警合并：减少冗余告警，提高告警信息的有效性和准确性。 3. 关键指标的智能监控：针对波动较大的关键业务指标进行智能预测和异常检测，如网络流量和访问量。 4. 智能根因分析：自动分析故障根源，帮助快速定位问题本质，减少人工分析时间。 5. 智能故障自愈：依据故障原因，自动执行合适的修复策略，实现故障的自动解决。 6. 智能故障预警：在故障发生前发出预警，提前做好应对准备。 58集团的这些实践表明，AIOps不仅提升了运维效率，减少了人工干预，还在很大程度上增强了系统的稳定性和业务连续性。通过智能化手段，企业可以更好地应对复杂、动态的IT环境，确保服务质量和用户体验。