云智慧智能运维算法技术黑板报 | 内容合集
智能运维,又称 AIOps,它能够将大数据、AI 、机器学习和其他技术相结合,通过主动、个性化和动态的洞察力支持所有主要 IT 的运营功能。现在行业内对智能运维达成了高度的、更加面向现实的共识:AIOps 要“以数据为基础、以场景为导向、以算法为支撑”。
从经验主义到数据驱动再至业务导向,智能运维未来又将如何落地应用?云智慧在算法技术黑板报里与大家分享,我们对智能运维领域算法与场景的探究以及最佳实践成果。
1、无场景不智能-面向场景的智能运维算法体系 - InfoQ 写作平台
从场景、算法、实践的角度,云智慧正在为智能运维行业挖掘了一条算法体系建设的清晰路径。
作为人工智能包含的机器学习分支之一,深度学习的日志异常又该如何检测?让我们来听听北大在读博士生,云智慧智能研究院算法研究实习生黄同学怎么说。
3、在智能运维中如何进行指标异常检测与分类? - InfoQ 写作平台
通过阅读大量文献并结合实践经验,云智慧智能研究院研究员在这里对指标的异常类型划分、常用的异常检测算法分类、数据分类进行了初步介绍。
4、针对各种指标数据如何选择合适的算法? - InfoQ 写作平台
面对不同类型的指标数据,研究员根据指标数据的特征与实践经验,为不同数据特征的指标数据推荐了合适的算法。
5、分布迁移下的深度学习时间序列异常检测方法探究 - InfoQ 写作平台
在智能运维领域中广泛存在分布迁移的问题,这对机器学习与深度学习算法是非常大的挑战。东京大学在读博士生、云智慧智能研究院算法研究实习生房同学,分享了他在该领域中对深度学习时间序列异常检测方法的思考。
为什么单指标异常检测方法可能会在多指标系统中失效?中国人民大学在读博士生、云智慧智能研究院算法研究实习生张同学,从统计与机器学习两方面,梳理现有的部分多指标异常检测方法的思路,并介绍了基于投影降维的多指标异常检测思路。
着眼于运维人员在日志分析方面所面临的问题与实际需求,云智慧智能研究院以日志语义异常检测为切入点,进行了相关的分析与实验,对在智能运维中如何进行日志分析,给出了基于日志语义异常检测的答案。
8、告警风暴来袭,智能运维应如何化解? - InfoQ 写作平台
作为运维人员了解系统运行状况的重要途径,当告警消息的风暴来袭时,英国巴斯大学硕士生、云智慧智能研究院算法研究员卢同学,建议我们基于告警信息的特性建立适用的告警管理算法体系。
中国矿业大学(北京)博士、云智慧智能研究院算法工程师徐同学,从时序序列分类的概念、研究意义、基本框架及算法总结四个方面,分享了他对时间序列分类算法的研究。
根据智能运维领域的指标预测场景所需,研究员详细概述了指标预测的场景与算法。
11、云智慧正式开源运维管理平台(OMP),加速AIOps社区生态建设 - InfoQ 写作平台
云智慧开源运维管理平台 OMP(Operation Management Platform),具备纳管、部署、监控、巡检、自愈、备份、恢复等功能,可为用户提供安全便捷的运维和业务管理服务。
12、云智慧开源数据可视化编排平台—FlyFish - InfoQ 写作平台
这是一款由云智慧自主设计与研发的低门槛、高拓展性的低代码应用开发平台,可为大屏开发场景提供一站式解决方案。
13、GAIA:智能运维领域通用公开数据集 - InfoQ 写作平台
为进一步推动智能运维(AIOps)行业产学研协同发展,云智慧通过多年产业实践反哺学术研究,推出 GAIA(Generic AIOps Atlas)智能运维领域通用公开数据集。吸引学者共同探索、挖掘、解决 AIOps 领域问题。
14、智能运维之时间序列预测中的经典时序模型 - InfoQ 写作平台
智能运维领域时间序列预测都有哪些典型应用场景?典型的算法有哪些?这些算法在实际落地应用中有哪些优缺点?让我们一起来看看云智慧对此是怎样理解的。
大家看完还有什么疑问欢迎在下方留言~
版权声明: 本文为 InfoQ 作者【云智慧技术社区】的原创文章。
原文链接:【http://xie.infoq.cn/article/07dc68f5370ecc696732ad3de】。
本文遵守【CC-BY 4.0】协议,转载请保留原文出处及本版权声明。
评论