- 综合排序
- 最热优先
- 最新优先
- 来自专栏人工智能机器学习
企业运维安全管理实践的9大领域
运维安全作为企业安全保障的基石，特别是互联网企业，它不同于Web安全、移动安全、或者业务安全，因为运维安全位于最底层，或涉及到服务器、网络设备。 而在企业日常运营中，运维安全事件的出现通常预示着这个企业的安全规范、流程有问题，这种情况下就会不止一台机器有同样的漏洞，会是一大片，甚至波及整个公司的核心业务。 分享6个经典的与运维安全相关的漏洞： 一次成功的漫游京东内部网络的过程（由一个开发人员失误导致） 首先研发人员将公司的代码发布到第三方代码托管平台，例如GitHub。 邮箱没有对通讯录遍历功能进行限制，导致遍历通讯录 对所有的用户进行一次弱口令的洗劫（参考图一的弱口令），是用Burpsuite破解（简称：BP） 得到一个运维或者运维组员工的邮箱，在邮件里面找到了明文密码 以上内容参考：运维安全管理必修课 安全牛课堂 来自：
1.3K00发布于 2019-07-22 - 来自专栏bisal的个人杂货铺
大模型和智能运维的结合
2、IT运维团队需要具备哪些能力，才能更好地使用大模型赋能自动化运维？ ● 观点1 若面向运维团队的话，运维领域知识与大模型结合的能力可能是最需要考虑的首要要素。 运维团队需要构建自身的领域知识体系为大模型作平台支撑，通过建立运维框架为大模型进行数据输入，比如，日志、指标以及相关事件信息等。 对应的运维红线和决策升级机制都可以写到智能体的提示词里，规避大模型的“幻觉”导致的运维事故。 4、企业构建智能运维大模型时，当下的运维工具是否需要重新整合？ 团队在构建大模型智能运维时，需明确运维场景与目标，将一个大的难题进行子问题拆解，最终落实到大模型以及Agent上，要确保团队在实际应用中不断尝试与优化，逐步迭代完成整体的智能运维的目的。 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、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。 的大模型技术，蓝鲸始终坚持脚踏实地地推动技术的实际应用，不断降低运维使用新技术的门槛。 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、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。 大模型查询运维开发平台内置的组件，并在页面快速生成组件实例，整个过程比拖拉拽的交互更加高效。 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。 未来展望“把AI和大模型的能力赋能给运维团队，推动运维开发转型，实现组织可持续、自生长”始终是蓝鲸品牌的发展理念，无论是已经“越过顶峰、走出低谷”的PaaS平台、云原生技术，还是处于“期望顶峰”的大模型技术
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？ 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。 运维人员的工作将逐步从“疲于奔命”变为“智能运维”，让数据真正服务于业务增长。总结大模型技术的引入，让运维数据处理迈向智能化。
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。 外部数据(External Data)：基础模型通常缺乏上下文信息（例如，访问某些特定文档或电子邮件），并且可能很快就会过时（例如，GPT-4在 2021 年 9 月之前接受了数据训练）。 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 - 来自专栏数据库相关
运维DBA的4大纪律9项注意【转】
http://dbaplus.cn/blog-134-1077-1.html 运维DBA的四大纪律 一、一切行动听指挥 甭管你是团队，还是团伙，要求都是一样的，一切行动听指挥！听谁的指挥？ 听运维经理、运维总监、CTO、CEO的指挥。 当年墨子当巨子的时候，手下180人，训练有素，同心同德，“赴火蹈刃，死不还踵”。这样的团队来搞运维，就具备了基本要求。 运维DBA的九项注意 三大纪律是规矩-Rules，八项注意是指导原则-Guidance。 做运维的人，不能总说这个我们没想到，哎呀，没想到这也不行。 如果你不是BAT，也不是京东新美大饿了么，最好的方式，是找专业运维的公司研发的自动化运维平台，是骡子是马拿出来遛两下，你就喜欢上了。 9、起步始于交流，收获源于分享 做过讲师的人，都会有这样一个共识，就是讲完东西，自己其实比听课的“学生”收获更大。
72530发布于 2019-09-17 - 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。 近年来，大模型（如 GPT、BERT、Transformers）在数据分析、自然语言处理领域取得了突破，而这些技术在运维监控中的应用，也正在悄然改变行业的游戏规则。1. 大模型如何赋能实时监控？ 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。 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。 可观测领域的大模型应用场景探索大模型技术在数据处理方面拥有非常明显的优势，正如本系列上一篇所述(☜点击回看）：语言理解：大模型通过训练可以理解和解释自然语言文本，能够回答问题、提供解释、理解指令和上下文含义等 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 - 来自专栏DBA随笔
MongoDB运维与开发(9)---readConcern
// MongoDB运维与开发(9)---readConcern // readConcern产生背景： MongoDB的写请求写入Primary， secondary从Primary自动获取并且应用
1.8K20发布于 2020-12-14 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. 以 Cherry Studio 为例，模型建议使用 DeepSeek Chat/Reasoner（首次使用需提前添加），启用cls-mcp-server 2.
1.8M34编辑于 2025-08-08- 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。 近年来，GPT、BERT、Transformer等大模型在NLP、计算机视觉领域大放异彩，很多运维小伙伴可能会问：“这东西跟我们异常检测有什么关系？” 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。 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 运维那些事儿（9）：运维知识库，串联全流程的运维效率神器
本期我们将详细拆解运维知识库的功能、价值和实用场景，重点介绍专属运维知识库的核心算法、实现目标和使用流程，让它与现有运维体系无缝联动，实现 “一站式运维支持”。 先搞懂：运维知识库的核心功能、价值与实用场景很多人觉得运维知识库只是 “存资料”，实则不然。它能深度融入日常运维工作，用智能匹配替代手动检索，用规范流程降低操作风险，核心价值和场景一看就懂、一用就会。 核心重点：专属运维知识库详解（算法 + 目标 + 流程）咱们的专属运维知识库，是结合前八期运维需求定制的，核心优势是 “精准匹配、贴合需求、联动所有工具”。 一、核心支撑：4 大智能算法，确保匹配精准高效知识库能实现 “智能匹配、精准推荐”，全靠 4 大算法相互配合，不用懂复杂底层原理，重点看实操价值：1. 二、明确目标：核心 + 辅助，全方位支撑运维工作知识库的所有设计都围绕明确目标，核心聚焦 “解决问题”，辅助优化 “使用体验”：（一）核心目标：4 大核心痛点全解决智能故障诊断：输入故障现象，自动匹配解决方案
17721编辑于 2026-03-18- 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。 （在五层模型里面已经合并到了应用层）「格式」JPEG、ASCll、EBCDIC、加密格式等3.3 会话层「描述」建立、管理、终止会话。 （在五层模型里面已经合并到了应用层）对应主机进程，指本地主机与远程主机正在进行的会话3.4 传输层「描述」定义传输数据的协议端口号，以及流控和差错校验。 对于TCP/IP的七层模型来讲，我们知道第三层是网络层，三层的防火墙会在这层对源地址和目标地址进行检测。
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。 解决方案：用大模型做日志摘要我们可以用大模型来解析日志，自动生成故障摘要。
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。 而大模型技术的兴起，为我们提供了智能化的新思路：利用大模型的强大能力，使性能监控不仅仅是被动的响应，而是主动的洞察和预测。一、大模型技术如何改变性能监控？1. 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。 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 在使用大模型进行云原生运维时，你认为最重要的安全考虑因素是什么？如何确保大模型的使用符合企业的安全要求？ 结合你的实际工作经验，你认为大模型在云原生运维中最有价值的应用场景是什么？为什么？
42410编辑于 2025-11-13
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