深信服AIOps助力用户提升桌面云运维效率

11月16日，OFweek第七届人工智能产业大会暨行业年度颁奖典礼在深圳举办。深信服AIOps技术凭借在人工智能领域的实力和优势，获得维科杯 · OFweek 2022 人工智能行业“技术突破奖”。当天，深信服高级研发技术专家易佳受邀出席大会，发表《桌面云场景下的AIOps技术实践》的演讲，介绍了桌面云运维遇到的挑战，以及如何利用AIOps简化桌面云运维等内容。

人工智能产业大会现场

桌面云运维面临诸多挑战

近年来，由于疫情多发等原因，桌面云已经成为企业数字办公的首选方案，但在实际使用过程中，也面临第三方软件兼容性、蓝屏、木马、应用卡慢、响应延迟等问题，这些问题的背后暴露出来的可能是私有云资源不足、硬件故障难以定位、网络故障等深层次问题。

桌面云运维的挑战

为此，深信服提出了AIOps 智能运维一体化技术方案。该方案通过采集桌面云的日志、链路和指标数据，执行故障预测、异常检测、关联推理等算法，为用户提供智能分析服务。

“AIOps的数据采集引擎基于Golang实现了插件化探针，支持采集Windows、Linux、Docker等多类指标数据，可以跨平台、多应用地进行动态采集，也支持Prometheus协议和导出，在数据采集上实现了高效和可扩展。”易佳补充。

历经三次迭代，打造更优运维体验

易佳介绍，随着用户诉求和用户体量的不断变化，深信服AIOps数据模型与AI框架演进了三个版本。

第一个版本适用于小规模用户，是一套轻量级监控分析系统，支持时序数据、告警数据、统计分析和容器化部署，也支持主机、虚拟机数据采集做简单AI分析，但是DB/存储与业务耦合严重，算法效果难保障，难以支撑大规模虚拟机接入。

第二个版本是轻量级AIOps引擎，支持OpenAPI和数据统一调度，引入缓存机制，实现了存算分离。但OpenAPI、Requests Handler和Prometheus容易遇到瓶颈，导致体验欠佳。

从第三个版本开始，深信服打造了全栈的AIOps引擎。在该版本中，面对数据上报的性能瓶颈问题，抽象数据接口，实现Requests Handler负载均衡；其次是设计了投递分级，内存磁盘双对列的模式，为低优先级数据设立单独通路，可以优先保障高优先级数据入库；同时，设计了多级分表，优化了数据结构，这样可以保留横向扩展能力。

另外，为了平衡实时性与准确度，减少重复数据，AIOps可以按采集指标区分不同采集周期，例如设定10s采集一次CPU，20s采集一次memory；服务器型号、磁盘大小等静态数据尽量只采集一次。

最后，针对多维异构数据进行了冷热分层处理，冷数据存档供AI离线分析和模型训练，热数据实时监控和展示。

在AI算法方面，易佳介绍，“桌面云AIOps算法包括基于bagging策略的分段线性回归算法、基于网格搜索的缩扩容模型、基于资源约束算法和贪心策略的虚拟机新增模型、基于时间序列特征提取和随机森林的闲置资源识别模型等”，基于这些算法，最终形成了包含AIOps算法、AI调度决策、OpenAPI、数据管理、服务化等功能在内的AIOps基础结构。

AIOps 实践与落地效果

易佳表示，AIOps可以快速识别出卡慢故障等异常问题。通过引入50多个规则、采集800多个维度数据，实现20多个机器学习算法，诊断出30+核心卡慢场景。AIOps的监测分析能力已经能够全方位地支撑大盘、集群、主机、虚拟机、网络、存储、应用软件全栈监控与分析。

在算法效果上，桌面云卡慢/故障异常检测准确率达到87%。实施卡慢缓解建议后，约有47%的问题能够得到明显缓解，AIOps的智能诊断能力，可以覆盖桌面云65%的已知资源卡慢问题。

易佳最后总结，AIOps未来会增加更多的反馈和模型的自更新机制，实现多业务场景的覆盖。同时，基于业务画像和运维知识图谱，实现精细化故障诊断，打造让用户满意的产品体验。