时序 Metrics 数据在字节跳动内部应用广泛，覆盖率非常高，基本上所有的业务、服务、机器都会发送时序数据到 TSDB 进行数据的存储和查询。这些海量的时序 Metrics 数据的主要用途就是监控和报警。传统的基于阈值的监控和报警在使用上有诸多不便：一方面阈值的确定比较困难（尤其是有周期性的指标），并且随着业务的发展，阈值需要经常更改；另一方面，不同的业务对需要报警的时序类型有不同倾向（有的需要过滤抖动，有的只需要掉底报警）。

除此之外，同一个服务或者多个服务的不同报警规则之间由于缺乏关联关系，会使得报警风暴极易形成。本次分享，我们将介绍基于时序 Metrics 数据的智能监控在字节跳动的实践，这套实践方案已经在字节跳动内部推广，并且取得了很好的效果，可以帮助开发运维人员更准确、快速地发现并修复线上问题。

内容大纲

1. 传统阈值监控和报警的困境

2. 智能监控体系构建

• 多数据源的构建
• 异常发现：针对不同指标类型（场景）的时序 Metrics 异常检测
• 异常分类和按需订阅
• 报警收敛
• 自动诊断和修复
• 结果反馈

3. 应用效果

4. 总结和展望

听众受益

1. 了解阈值监控和报警的困境
2. 了解字节跳动 AIOps 团队在智能监控体系构建过程中的经验，包括多数据源的构建、异常检测、异常分类、报警收敛和自动诊断与修复

适合人群

技术总监、运维团队负责人、运维人员。