专题演讲嘉宾：王博

故障管理是运维的重要场景，是决定业务高可用性的关键，当前很多故障的处理都依赖运维工程师对于监控实时数据的分析，但这个过程其实未必可靠。即使是一个小型分布式系统涉及到数据量也是海量的，故障期间运维工程师也很难综合所有数据进行分析，更多的是依靠历史经验基于局部少量信息做决策，一方面如果历史没见过类似故障，经验不再奏效，故障诊断时间将被拉长，另外一方面，基于局部少量信息做决策往往是不够理性的，可能以错误方式试图恢复故障，更可能造成次生灾害。

因此，我们一直在尝试借助算法对监控系统采集的时序指标和日志文本，并在故障管理场景进行落地，解决一些实际问题。例如故障发现环节如何对于黄金指标进行异常检测？如何降低海量指标的阈值配置成本？故障止损环节如何对常见的单机房故障进行流量自动调度切换？故障诊断环节，如何组合海量多样的数据加速诊断的过程，降低运维工程师的诊断成本？如何通过数据的启发对故障进行预测，使运维工作从救火向防火转变？

本次分享，我们将介绍百度在故障管理的一些经验，并且分别介绍在故障发现、故障止损、故障诊断和故障预测环节的一些智能运维算法探索，最后将分享百度在故障管理场景的一些实践案例。

内容大纲

1. 百度运维平台历史

2. 智能运维的意义和基础

3. 故障管理场景

• 故障管理场景模型
• 故障管理场景痛点

 4. 故障管理场景的AIOps探索

• 故障发现：黄金指标异常检测算法
• 故障止损：单机房止损
• 故障诊断
  • 故障定位：黄金指标推导算法
  • 辅助故障定位
    • 日志异常分析
    • 主机指标排查
    •  业务指标排查
    • 变更故障诊断
•  故障预测
  • 资源容量预测
  • 智能变更检查
  • 容量监控模型
    • 容量退化监控
    • 容量水位超限
  • 预警指标挖掘            

听众收益

1. 了解百度的运维平台发展历史，对于智能运维算法的理解和实施要素
2. 了解百度在故障管理场景遇到的难点问题、智能运维算法思想和落地案例
3. 了解百度在故障预测环节的具体实践和未来工作思路