xb721029的博客

随着大量企业上云以及云端应用的高速发展，数据中心网络的规模和架构都发生了巨大的变化，网络虚拟化给网络运维工作带来了新的巨大挑战。一方面，传统的分光、镜像无法覆盖虚拟化接入层；古老的 Netflow 也无法采集 VLAN/VXLAN 等虚拟网络信息，如何解决网络数据源的采集难题是运维智能化的第一步。另一方面，运维团队亟需解决复杂云网中故障的快速定位与修复难题；在此基础上，对网络数据的高效存储可以帮助运维人员回溯历史故障、发现网络中潜伏的各类异常。 在云、管、端的生态体系中，网络的价值不在于管道，而在于数据。因此对网络数据进行实时的精细化分析，能够发现毫秒级的网络毛刺并使之与应用相关联，有助于网络团队第一时间深入虚拟网络中定位故障。通过网络数据分析系统进一步挖掘更大时间尺度上的网络风险，掌握网络运行的健康态势，将给业务带来前所未有的价值提升。

随着软件日新月异的发展和微服务的深入人心，运维越来越受到人们的重视。在大量的运维数据里，最不可忽视的就是各种 KPI、指标数据，它们在数学上都可以被表达为时间序列的形式。在一个大型软件系统里，往往每分钟能产生百万级的时间序列，如何从这些海量数据里发现规律，指导运维并将其智能化，成为了下一代运维中最重要的环节之一。 在本次演讲中，我们将从机器学习的角度分享运维里指标的三大问题：预测、异常检测和根源分析。同时，运维系统里的每个指标并非独立存在，我们将阐述如何能从多 KPI 中挖掘它们的关联去更好地指导系统监控。