专题演讲嘉宾：常益凡

AIOps 智能运维是指将人工智能应用于运维领域，基于已有的运维数据（日志、监控信息、应用信息等），通过机器学习的方式来进一步解决自动化运维无法解决的问题，其涵盖了质量、成本、效率等多方面场景。其中，质量保障方面对 AIOps 的诉求最为迫切。当事故发生后，最为关注的对象是 mttr，即平均修复时间，其阶段通常分为：故障感知、故障定位、故障止损三个方面。

为充分压缩 mttr，降低事故等级、减少事故损失，我们字节跳动研发效能团队精心打造了 Kepler 智能告警系统。系统以自研分布式 influxdb 作为 PB 级时序数据存储，涵盖了短视频、直播、电商、Tik Tok 等多个字节跳动核心业务；以 Flink 作为在线实时流式数据处理平台；抽象出 Point、Event 两大领域模型；并结合时序数据预测、多模型联合决策等 AI 算法，充分赋能了字节跳动的故障感知和事故定位，召回率和准确率均在 95% 以上，将整体 mttr 由 XX mins 降低到了 YY mins。

演讲提纲：
1. 平台介绍

• 背景
• 整体架构
• 业务流程

2. 核心能力

• 平台技术
  • 设计原则：稳定、高效的系统设计
  • 存储：多数据源、海量时序数据落地演进
    • mvp 的初探：mysql+mongodb
    • 时序数据应有的归宿：influxdb
    • 成熟 AIOps 系统该有的模样：自研分布式 influxdb
  • 计算：打造实时告警系统
    • 基于 flink 的在线实时流式数据处理
    • 系统整体优化：缓存、链路
  • 告警治理：从 Point 到 Event
    • 告警分级
    • 防抖配置
• 智能算法
  • 时序数据预测
  • 多模型联合决策
  • 指标周期判断
  • 智能阈值生成 

3. 落地效果

• 核心功能
• 案例分享

你将获得：

• AIOps 在字节跳动的真实落地案例
• AIOps 整体架构设计与实现
• AIOps 相关智能算法