如何建立基于机器学习的智能化运维

1、运螗徇吼笊维知识的积累和运维模型的建立，是非常重要的基础性工作。模型就是通过一系列的指标和基线数 ，为系统建立一个僦多揉驼科学的评估体系，用直观的分数来描述模型、描述系统的状态。一旦模型中的分数发生变化，或者分数的某个维度发生变化，就说明系统的状态发生了变化 ，运维人员就可以从这些变化中得到警示，从而发现问题。

2、实现智能化运维的基础方法是通过智能模型和运维自动化知识来建立一种全新的自动化运维系统。目前运维的对象系统越来越复杂，指标数量庞大，除了问题很难快速定位，经常需要有资深经验的人员处理。

3、新的思路是通过机器学习，建立一种新的专家系统，替代传统的专家人员。通过采集生产系统数据，进行特征提取，构建训练模型，最终建立分类与预测模型。

4、以数据库运维为例，可以建立五大模型——健康模型、性能模型、负载模型、容量模型和故障模型其中各个模型要继续细化，例如健康模型可以细化为——操作系统、数据库负载、数据库IO、数据库集群、数据库命中率、数据库并发

5、改变以往的人工巡检模式，采用数据库状态巡检——基于模型，一旦模型给系统打分出现异常，就主动发起巡检任务，并通过自动化采集和智能化数据分析，得出初步结论提交运维值班人员进行确认处理。

6、运维知识自动化平台的演进是从最初级的预案，标准化开始，由运维需求推动演进，随着AI技术的发展，最终走到自动化阶段。运维知识自动化的数据模型分为知识点、判断与脚本三种基础元素。

7、运维自动化系统可以积累与灵活运用已有的知识，增强运维人员的能力。通过长时间的积累，可以将人脑中最有价值的知识沉淀到企业的系统平台中，实现核心价值从人到组织的转移。

8、传统的运维自动化是以指标、工具与场景为核心的系统，比较容易解决已知的简单的问题。而基于机器学习和智能模型的自动化运维，可以使运维更具针对性，提前发现并自动定位问题，通过导入经验进行知识积累。随着运维数据的积累，模型会越来越强大，智能运维也就离我们越来越近了。