智能运维科研问题

针对历史事件

瓶颈分析

热点分析

KPI聚类

KPI关联关系挖掘

异常事件关联关系挖掘

全链路模块调用链分析

故障传播关系图构建

针对当前事件

异常检测

异常定位

异常报警聚合

快速止损

故障根因分析

针对未来事件

故障预测

容量预测

趋势预测

热点分析

案例

故障预测

问题描述

对于发生轻微异常的组件，需要预测在未来一段时间内是否会发生故障。

输入

KPI数据

告警

输出

是否会发生故障

1：会发生故障

0：不会发生故障

转换为机器学习问题（监督学习）

问题定义

二分类问题

关键步骤

样本构造（历史样本集）

特征构造

分类算法（随机森林）

故障定界（异常定位）

问题描述

需要判断是哪一个设备故障导致的异常

输入

KPI数据

网络拓扑

输出

故障位置

转换为机器学习问题（非监督学习）

问题定义

聚类问题

关键步骤

样本构造（历史样本集）

特征构造

聚类算法（层次聚类）

异常事件关联关系挖掘（告警关联）

问题描述

对网络每天产生的大量告警进行关联，把属于同一个故障的告警压缩为一组

输入

告警

网络拓扑

输出

告警组

转换为数据挖掘问题

问题定义

序列频繁项集挖掘问题

关键步骤

告警预处理

清除重复告警

清除闪断告警

告警空间关联

告警时间分组

频繁项集挖掘

挖掘出频繁项集后，有专家人工确认有关联的故障规则