针对 Metrics 以及 Trace 数据，⼯业界已有⼤量优秀的 AIOps 产品，字节内部也均已落地。但是针对 Log 数据的智能化分析，在⼯业界落地起来却是困难重重，其面临着分析成本巨⼤、先验知识缺乏、业务变更频繁、预训练困难、成本⾼且收益不确定等种种挑战。而随着业务的不断发展，字节内部产⽣了⼤量的⽇志数据，为应对以上挑战，字节提炼出了一套日志智能化方案，目前已覆盖字节跳动内部数万个服务。在本次演讲中，我们将带来字节在⽇志智能化领域的思考与实践，分享基于这些海量的原始⽇志数据，如何通过智能算法提炼出更有价值的信息，并且将这些元数据应⽤到报警、排障、变更监控、成本优化等多种场景。

演讲提纲：

1. 字节⽇志智能化的技术挑战

• 分析成本巨⼤
• 先验知识缺乏
• 业务变更频繁
• 预训练困难、成本⾼且收益不确定

2. 智能⽇志聚类与报警的建设

3. ⽇志智能化能⼒的多场景实践

• 微服务可观测
• 变更异常检测
• 成本治理
• 端侧⽇志显著性分析

4. 未来⽇志智能化的发展⽅向

• 利⽤ LLM 提升⽇志排查、模式提取和异常检测的技术
• 利⽤ CoT 实现故障智能分析场景，以进⼀步降低 MTTR

你将获得：

• 了解字节分析海量日志数据面临的技术挑战
• 了解日志智能化核心能力的构建经验
• 了解基于此能力在不同业务场景中的实践