- 综合排序
- 最热优先
- 最新优先
- 来自专栏bisal的个人杂货铺
大模型和智能运维的结合
3.收益，使用智能化运维能够更快速更高效地解决运维问题。 ● 观点2 有如下难点： 1.数据安全：企业数据的安全问题，一般企业数据是不能将数据流出到外面，因此不可用外部的大模型服务。 大模型智能化运维这几个问题如何解决：1.如何对设备系统的数据收集、清洗和转换？2.如何自动化执行运维任务，故障修复，提高运维效率？3.大模型被认为一个黑盒，如何对问题处理决策进行解释？ （3）数据转换：传统nlp需要进行分词，词性标注等等，而到了大模型时代，不需要太多的数据转换，只需要大模型的词表统计即可，方便后续token化。 2.如何自动化执行运维任务，故障修复，提高运维效率？ ● 观点3 智能运维大模型的建设对企业现有运维工具提出了更高要求，但是否需要重新整合，取决于工具链的适配性、改造成本以及对业务目标的支撑能力。 3、大模型智能化运维面临内容和问题 在大模型智能化运维中，面临的主要问题包括数据收集清洗转换的质量保障，自动化执行运维任务的有效性，以及大模型的劣势规避。
1.3K00编辑于 2025-02-03 - 来自专栏大模型
大模型在蓝鲸运维体系应用——蓝鲸运维开发智能助手
直达原文：大模型在蓝鲸运维体系应用——蓝鲸运维开发智能助手背景1、运维转型背景蓝鲸平台从诞生之初，就一直在不遗余力地推动运维转型，让运维团队可以通过一体化 PaaS 平台，快速编写脚本，编排流程，开发运维工具 2、大模型对运维开发带来的挑战和机遇最近几年，大模型的爆发式发展为开发和运维行业带来新的变革，2021 年 7 月 1 日，由 GitHub 和 OpenAI 共同开发的人工智能编码助手——Copilot 3、语言创作大模型能够根据输入的上下文信息生成连贯、流畅的文本，例如撰写文章、生成对话、创作诗歌或故事等。 3、专业知识问答大模型天然在自然语言理解和知识总结有巨大的优势，而嘉为蓝鲸又有上千家各行各业的企业运维解决方案实施经验，积累了海量的运维开发领域专业知识。 直达原文：大模型在蓝鲸运维体系应用——蓝鲸运维开发智能助手
1.3K01编辑于 2024-05-27 大模型在蓝鲸运维体系应用——蓝鲸运维开发智能助手
2、大模型对运维开发带来的挑战和机遇最近几年，大模型的爆发式发展为开发和运维行业带来新的变革，2021 年 7 月 1 日，由 GitHub 和 OpenAI 共同开发的人工智能编码助手——Copilot 3、语言创作大模型能够根据输入的上下文信息生成连贯、流畅的文本，例如撰写文章、生成对话、创作诗歌或故事等。 3、专业知识问答大模型天然在自然语言理解和知识总结有巨大的优势，而嘉为蓝鲸又有上千家各行各业的企业运维解决方案实施经验，积累了海量的运维开发领域专业知识。 的功能；2.运维开发平台将数据库表结构和用户输入文本进行格式化整合后，经过 Prompt 优化后发送到大模型；3.大模型返回SQL语句，用户复制或插入到平台中。 ；3.每个开发任务步骤，大模型会自动生成代码函数片段，并自动调用大模型的 Code Review 能力，生成代码审查报告；4.开发者根据每个步骤的代码片段，结合 Code Review 结论，可以进一步完善步骤提示词
1.2K10编辑于 2024-11-13- 来自专栏AI+运维：智能化运维的未来
大模型进驻运维战场：运维数据处理的智能革命
大模型进驻运维战场：运维数据处理的智能革命在传统运维工作中，数据处理一直是个让人头疼的问题——日志分析、异常检测、告警优化，各种数据纷至沓来，往往让运维人员不堪重负。 如今，大模型技术正在悄然改变这一现状，让运维不再是靠经验“拍脑袋”，而是依赖数据驱动的智能决策。今天，我们就来聊聊大模型技术在运维数据处理中的应用，看看它到底能帮运维人员省多少力。 运维数据为何需要大模型？ 应用场景3：智能告警优化告警泛滥是运维人员的噩梦，但大模型可以通过智能分类和聚合，让告警更精准。 未来展望：大模型将如何继续改变运维？运维工作的核心是提高可靠性、降低运维成本、减少故障时间，而大模型正在成为实现这些目标的重要工具。
60210编辑于 2025-05-25 - 来自专栏素质云笔记
大模型时代的模型运维与部署：LLMops
---- 1 LLMOps介绍 1.1 关联定义 术语 LLMOps 代表大型语言模型运维。它的简短定义是 LLMOps 是 LLM 的 MLOps。 MLOps（机器学习运维）是一组工具和最佳实践，用于管理 ML 驱动的应用程序的生命周期。 因此，LLMOps 是一组工具和最佳实践，用于管理 LLM 支持的应用程序的生命周期。 专有模型提供商的示例是： OpenAI (GPT-3, GPT-4) AI21 Labs (Jurassic-2) Anthropic (Claude) 开源模型通常在作为社区中心的Hugging Face 测试和训练数据分布差异大：实际使用的数据分布总是不同于训练数据的分布。 难以用一个核心指标去衡量：指标不那么直接，可能无法捕捉模型的不同行为。语言模型需要对行为和定性输出测量有更多样化的理解。 ---- 3 参考文献 LLMOps（Large Language Model Operations）简介 了解一下新领域 LLMOps: 大模型运维 LLM训练营课程笔记之 LLMOps: Deployment
7.5K21编辑于 2023-07-09 - 来自专栏AI+运维：智能化运维的未来
大模型+实时监控，运维不再“眼瞎心慌”
大模型+实时监控，运维不再“眼瞎心慌”在运维领域，实时监控一直是保障系统稳定运行的关键。然而，传统的监控方式往往存在几个痛点：告警泛滥：运维人员每天被大量无意义的告警轰炸，难以筛选真正关键的异常。 3. 代码实践：基于大模型的根因分析告警发生后，最头疼的事就是找原因。我们可以训练一个深度学习模型，输入告警日志，输出可能的根因。 现实落地：AI+运维真的好用吗？大模型在运维监控中并非万能，落地过程中仍有一些挑战：计算资源消耗：大模型计算成本高，需要优化部署方式，如轻量化模型或边缘计算。 即便如此，越来越多企业已经在运维场景中尝试大模型，利用 AI 技术提升监控系统智能化程度。未来，运维人员可能不再需要盯着数百条日志逐行排查，而是可以通过智能化系统快速响应并预防故障。 结语大模型技术正在重塑运维监控的范式，从传统的被动响应转向主动预测和智能分析。运维人员不再是疲于奔命的“救火队员”，而是可以利用 AI 赋能，让监控系统更智能、更高效。
1.2K20编辑于 2025-04-07 - 来自专栏大模型
大模型在蓝鲸运维体系应用——大模型在可观测的增强
随着 5G、云计算和微服务等技术的深入融合与广泛应用，IT 系统架构正经历着从传统的单体架构向分布式架构乃至云原生架构的转型，这一过程使得企业所面临的 IT 运维环境变得愈发复杂。 在这样的背景下，企业需要运维的系统不仅数量多，而且网络架构复杂、基础设施多样。可观测性建设是帮助工程师掌握复杂分布式系统运行状态、感知系统异常、故障定位、根因分析持续改善系统设计的必要手段。 3、多业务多技术领域高效的故障定位在复杂业务领域及软件架构下，故障往往涉及多个业务系统、多个技术领域，故障责任边界不清、上下文传递低效、人员技能缺失是实现故障高效定位的难点。 因此，基于观测工具感知到的异常事件如何进行有效分析，如何打通后端运维处置工具触发有效故障分派及运维操作行为，加速故障闭环，是运维体系生态建设的关键壁垒。 而嘉为蓝鲸在大模型的应用方面，利用内部观测数据以及内部沉淀知识库对大模型进行训练，并结合在线大模型相结合的方式，在数据采集、数据清洗、数据统计、告警分析和处置等多个场景进行探索和落地。
1.1K10编辑于 2024-06-17 - 来自专栏大模型应用
大模型应用：构建智能大模型运维体系：模型健康度监测系统实践.8
引言 大型语言模型已成为各行各业的核心基础设施。从客户服务到内容创作，从代码生成到科学研究，大模型正深度融入企业的核心业务流程。 然而，随着模型规模的不断扩大和业务场景的日益复杂，模型运维管理面临着前所未有的挑战。 今天我们将以模型健康度监测系统为例，深度剖析现代大模型运维平台的设计理念、技术实现与创新亮点。通过详细的流程分析、架构解读和实践场景说明，为构建智能化的模型运维体系提供完整的实践参考和技术路线图。 ): """智能性能评分算法 - 基于大模型服务特性的专业评分体系""" score = 100 # 基准分数 # CPU性能 (权重: 25%) - 考虑到大模型推理对CPU 六、总结 系统初步实现了对模型健康监测的服务运维监控体系，基于Flask框架确保API服务的稳定性，多线程监控保证数据实时性，内存队列存储控制资源消耗，整体方案技术风险可控，部署维护成本合理
34543编辑于 2026-02-05 日志服务 MCP Server，让大模型 “听懂” 运维需求
日常运维工作中，运维及研发同事经常需要查询日志来排查系统异常问题，每次查询日志都需要登录监控系统、查找监控资源、编写日志查询语句，最后再逐行查看日志。这实在是太麻烦了，严重影响了工作效率。 腾讯云日志服务CLS推出的MCP Server ( Model Context Protocol Server)，让您可以使用大模型直接查询日志数据！ 无论是技术小白还是资深运维，都能轻松上手，大幅提升日志查询效率。 运维排障：当系统出现异常时，大模型智能分析当前错误日志，快速定位问题 2. 业务运营：用自然语言查询"今日用户登录失败次数"，实时掌握业务状态 3. 开始对话，例如“查询重庆地域CLB Demo日志主题的日志，统计当前接口错误率，用中文回答” 3. 可进一步分析详细错误情况，例如“分析下其中10条错误日志”
1.8M34编辑于 2025-08-08- 来自专栏kafka专栏
3.【kafka运维】Topic的生产和发送运维脚本(3)
Topic的消费kafka-console-consumer.sh More 日常运维 、问题排查 怎么能够少了滴滴开源的 滴滴开源LogiKM一站式Kafka监控与管控平台 1.Topic的发送 默认值) –max-partition-memory-bytes Long 为分区分配的缓冲区大小 16384 –message-send-max-retries Integer 最大的重试发送次数 3 bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --whitelist ‘.*’ --from-beginning 3. kafka.tools.NoOpMessageFormatter、kafka.tools.ChecksumMessageFormatter More Kafka专栏持续更新中…(源码、原理、实战、运维
72220发布于 2021-08-03 - 来自专栏AI+运维：智能化运维的未来
大模型技术赋能运维决策支持：开启智能运维新时代
而大模型技术的出现，为运维决策支持带来了全新的变革机遇。一、大模型技术在运维数据处理中的优势运维工作每天都会产生大量的数据，包括服务器日志、性能指标、用户行为数据等。 三、大模型助力运维决策优化在面对复杂的运维场景时，大模型可以为运维人员提供决策建议。例如，当需要决定是否对某个系统进行升级时，大模型可以综合考虑系统的当前性能、业务需求、升级风险等多方面因素。 四、大模型技术在运维自动化中的应用大模型技术还可以与运维自动化工具相结合，实现更加智能的自动化运维流程。例如，在自动化脚本编写方面，大模型可以根据运维任务的需求自动生成相应的脚本代码。 例如，要将大模型生成的决策建议无缝集成到现有的运维监控平台中，以便运维人员能够方便地获取和应用这些建议。这需要运维团队和大模型开发团队密切合作，共同制定集成方案，确保系统之间的兼容性和协同性。 尽管面临一些挑战，但随着技术的不断发展和完善，大模型将逐渐成为运维领域不可或缺的一部分，推动运维工作向更加智能、高效、可靠的方向发展。
70710编辑于 2025-01-07 - 来自专栏AI+运维：智能化运维的未来
大模型也能当“运维警察”？——大模型技术在异常检测中的应用
大模型也能当“运维警察”？——大模型技术在异常检测中的应用1. 前言：运维的噩梦——异常检测作为一名运维，最怕的就是半夜被电话叫醒：“系统挂了！”——更可怕的是，报警一响，却找不到具体问题在哪里。 其实，大模型的强大之处在于它能学习复杂的模式，并且能够自动识别异常行为。运维中的日志分析、系统指标分析、本机调用链分析等，都是非结构化或者时序数据，正好适合用深度学习模型来挖掘异常。 3. 代码实战：用Transformer进行异常检测下面我们用Python+PyTorch实现一个简单的基于Transformer的大模型异常检测。 未来展望：大模型+运维还能玩出啥花样？大模型在运维领域的应用，远不止异常检测这么简单。智能日志分析：基于ChatGPT等大模型解析海量日志，快速找到问题根因。 结语大模型已经成为智能运维的得力助手，运维不再只是“修服务器”的工作，而是向智能化、自动化迈进。用好大模型，不仅能减少人工介入，还能极大提升故障检测效率。
89200编辑于 2025-03-29 - 来自专栏开发运维工程师
运维分享｜安全运维之网络七层模型
3 七层模型七层模型，亦称OSI（Open System Interconnection）。 参考模型是国际标准化组织（ISO）制定的一个用于计算机或通信系统间互联的标准体系，一般称为OSI参考模型或七层模型。3.1 应用层「描述」网络服务与最终用户的一个接口。 「协议」HTTP FTP TFTP SMTP SNMP DNS TELNET HTTPS POP3 DHCP3.2 表示层「描述」数据的表示、安全、压缩。 「协议」ICMP IGMP IP（IPV4 IPV6）3.6 数据链路层「描述」建立逻辑连接、进行硬件地址寻址、差错校验 [3] 等功能。 （由底层网络定义协议）4 现状目前市面上比较常见的有3、4层的防火墙。一般的防火墙只能做到3-4层的保护，也叫做网络层的防火墙，对于5-7层的应用保护很一般，保护正式IDS和IPS的长处。
1.2K20编辑于 2023-11-18 - 来自专栏AI+运维：智能化运维的未来
大模型+运维：让AI帮你干脏活、累活、重复活！
大模型+运维：让AI帮你干脏活、累活、重复活！在运维的世界里，有三样东西最让人头疼：告警爆炸、日志如山、手动操作出错。 但现在，大模型技术来了，它不光能写代码、画画，连运维的脏活、累活、重复活都能一键搞定。今天，我们就来聊聊大模型在运维中的最佳实践，看看如何让AI帮你省时省力，甚至提升整个系统的稳定性。1. 大模型在运维中的核心应用场景很多人以为大模型就是个高级聊天机器人，实际上，它在运维中能发挥超多实用价值，主要体现在以下几个方面：智能告警分析：从海量告警里找到关键问题，减少误报、合并关联告警。 下面，我们通过一些实战案例和代码示例，看看大模型究竟能怎么帮运维团队省力。2. 智能告警分析：从告警海洋里捞出真正的问题问题：告警风暴，根本看不过来大多数运维人员都有被告警“轰炸”的经历。 3. 日志分析与故障定位：海量日志中精准找问题问题：日志像海洋，查问题像大海捞针运维人员最痛苦的事情之一就是翻日志。一个生产环境可能每天产生上GB的日志，想找到某次故障的原因，简直像在沙漠里找一粒米。
1.1K00编辑于 2025-03-21 - 来自专栏AI+运维：智能化运维的未来
大模型助力运维：让服务性能监控更“聪明”
大模型助力运维：让服务性能监控更“聪明”随着互联网的飞速发展，服务性能监控成为了运维工作中至关重要的一环。 大模型通过对历史数据的学习，可以理解不同场景下的“正常”行为，并精准检测异常。例如，某服务QPS（每秒查询量）突然下降，大模型可以自动捕捉到这一变化。3. 预测能力：提前发现潜在风险大模型还能够基于时间序列数据，预测未来可能发生的性能问题，为运维团队争取宝贵的修复时间。例如，系统负载如果在未来一小时内有爆发增长的风险，模型可以提前发出预警。 然而，大模型的潜力毋庸置疑。随着模型能力的不断提升以及计算资源的进步，我们可以想象一个“自愈系统”的未来：系统性能问题在它成为用户困扰之前就已经被预测并修复。这不仅降低了运维成本，也提高了服务质量。 运维团队若能将大模型技术合理引入监控体系，将会在性能管理中如虎添翼。
61910编辑于 2025-03-13 - 来自专栏AI SPPECH
基于大模型的智能运维自动化编排实践
本文将深入探讨基于大模型的智能运维自动化编排实践，包括自动化编排的基础概念、传统自动化编排的挑战、大模型在自动化编排中的价值、系统架构设计、核心技术实现、应用场景与案例、最佳实践及未来趋势，帮助运维工程师构建智能 ：利用大模型处理复杂的异常情况 知识管理系统：利用大模型构建运维知识管理系统 大模型与传统编排的融合 ┌─────────────────────────┐ ┌───────────────── 你如何看待大模型在自动化编排中的应用前景？你认为大模型能完全替代人工进行运维决策吗？ 结合你的实际工作经验，你认为哪些运维场景最适合首先引入智能自动化编排？为什么？ 欢迎在评论区分享你的想法和经验，让我们一起探讨基于大模型的智能运维自动化编排的最佳实践！ 参考资料 《运维自动化实战》- 阮明 《AIOps：智能运维进阶指南》- 陈皓 《大模型与自动化决策》- 李航 《Apache Airflow实战指南》- 王健 《Ansible自动化运维实战》- 吴光科
40010编辑于 2025-11-13 - 来自专栏AI SPPECH
大模型在云原生环境中的运维实践指南
对于运维工程师来说，如何将大模型技术与云原生运维实践相结合，提升系统的稳定性、可靠性和效率，是当前面临的重要挑战和机遇。 本文将深入探讨大模型在云原生环境中的运维实践，包括容器集群智能监控、Kubernetes故障智能诊断、资源优化和安全防护等方面，帮助运维工程师掌握大模型在云原生环境中的应用方法，提升运维水平和效率。 版本控制、手动同步 配置漂移检测、自动修复 二、大模型对云原生运维的价值 2.1 大模型的核心能力 大模型（如GPT-4、Claude 3、通义千问等）具有强大的自然语言理解、生成、推理和知识整合能力 自动化生成：自动生成配置、脚本和故障处理方案 2.2 大模型在云原生运维中的应用场景 大模型技术可以广泛应用于云原生运维的各个环节： 大模型在云原生运维中的应用场景 监控告警智能分析 → 故障智能诊断 总结与展望 9.1 大模型在云原生运维中的价值总结 大模型技术为云原生运维带来了革命性的变化，主要体现在以下几个方面： 提高运维效率：自动化和智能化的运维流程，减少人工干预 提升系统稳定性：更准确的异常检测和故障诊断
42410编辑于 2025-11-13 - 来自专栏织云平台团队的专栏
腾讯云运维干货沙龙-海量运维实践大曝光 （三）
12月16日，首期沙龙“海量运维实践大曝光”在腾讯大厦圆满举行。 一、活动背景 [图片] 运维有三座大山：大活动、大变更、大故障。这几个运维场景是最消耗运维人力的。特别是大活动，非常考验弹性能力，对运维自动化挑战很大。 我今天所分享的主题就是深入百亿次红包大活动的背后，解析腾讯运维的方法体系，了解织云平台如何帮助运维实现大活动高效运维，如何减少运维人海战术。 根据运营指标，运维按历史性能数据、容量模型和业务架构，评估出春节活动需要2万台虚拟机和3千台数据库服务器扩容支撑。 节前恰好遇到厂商内存供货问题，服务器供应非常紧张，采购比原计划延期了一个多月。 相关文章 腾讯云运维干货沙龙-海量运维实践大曝光 （一） 腾讯云运维干货沙龙-海量运维实践大曝光 （二） 沙龙PPT下载地址： https://share.weiyun.com/5c406a57164ed4cf7e248160aebf74c3
6.2K10发布于 2017-12-17 - 来自专栏织云平台团队的专栏
腾讯云运维干货沙龙-海量运维实践大曝光 （二）
作者丨魏旸：腾讯高级工程师，具有15年运维经验的专家。负责QQ空间、微云、QQ空间相册等的运维工作。 12月16日，首期沙龙“海量运维实践大曝光”在腾讯大厦圆满举行。 沙龙出品人腾讯运维技术总监、复旦大学客座讲师、DevOps专家梁定安，讲师腾讯手机QQ运维负责人郭智文，腾讯高级工程师魏旸，腾讯SNG资深运维专家周小军出席沙龙，并带来精彩的技术分享。 [图片] SET模型 在有了可度量的SET标准后，我们就可以基于自己的业务形态来创建SET模型了。 1） 名称分为2段，用“_”分割；第1段固定为SET，表示专区； 2） 第二段分为4节，每节占一位，前3位与目前规则一致： 3） SET类型，简写为A、D 、B、I，分别代表接入、数据SET、基础数据， [图片] [图片] 相关文章 腾讯云运维干货沙龙-海量运维实践大曝光 （一） 腾讯云运维干货沙龙-海量运维实践大曝光 （三） 沙龙PPT下载地址： https://share.weiyun.com/5c406a57164ed4cf7e248160aebf74c3
9.4K10发布于 2017-12-17 - 来自专栏织云平台团队的专栏
腾讯云运维干货沙龙-海量运维实践大曝光 （一）
作者丨郭智文：腾讯高级工程师，手机QQ运维负责人。 12月16日，首期沙龙“海量运维实践大曝光”在腾讯大厦圆满举行。 沙龙出品人腾讯运维技术总监、复旦大学客座讲师、DevOps专家梁定安，讲师腾讯手机QQ运维负责人郭智文，腾讯高级工程师魏旸，腾讯SNG资深运维专家周小军出席沙龙，并带来精彩的技术分享。 业务运维同事通过腾讯网络中心联系到重庆联通网络负责人，经过多轮沟之后，确认确实是运营商在凌晨时段割接网络引起，运营商与厂商经过两次调整最后故障才得以解决。 总结 相关文章 腾讯云运维干货沙龙-海量运维实践大曝光 （二） 腾讯云运维干货沙龙-海量运维实践大曝光 （三） 沙龙PPT下载地址： https://share.weiyun.com
6K30发布于 2017-12-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号