- 综合排序
- 最热优先
- 最新优先
- 来自专栏运维经验分享
CentOS 7 运维优化 原
CentOS 7 运维优化 一般的，我们安装CentOS mini和其他相应服务后，就能正常工作了。但工作一段时间后，服务器会出现不稳定、被入侵、甚至在突然的高并发时直接瘫痪状况。 所以，在这里提供一些运维优化的建议。 1.关闭不需要的服务 众所周知，服务越少，系统占用的资源就会越少， 所以应当关闭不需要的服务。 "$tty" = "$X_TTY" ] && continue initctl start tty TTY=$tty done end script 1 2 3 4 5 6 7 echo "IPV6INIT=no" >> /etc/sysconfig/network-scripts/ifcfg-eth0 # 禁用基于IPv6网络，使之不会被触发启动 1 2 3 4 5 6 7 8 7.调整 Linux 的最大文件打开数 要调整一下 Linux 的最大文件打开数，否则运行 Squid 诅服务的机器在高负载时执行性能将会很差；另外，在 Linux 下部署应用时，有时候会遇上 “
3K20发布于 2019-03-11 - 来自专栏智能运维圈
1位5年智能运维开发对智能运维的理解
这本书理论性很强，个人认为几乎囊括了人工智能各个分支的相关算法。 2019年：进入了千寻的运维保障部门，接触到了更为庞大的业务。对智能运维有了进一步的理解。 》：较为全面的介绍了智能运维。 对完整的智能运维解决方案，开始有了自己独特的理解； 总结一下自己的认知过程 12.png 从不同的角度看智能运维，以质量保障为例 个人认为，智能运维是一套复杂的人工智能的解决方案。 从业务的角度看智能运维 首先，智能运维是建立在运维的基础之上的，只有了解了现有的运维的内容和技术体系，我们才能够合理的思考，智能运维在整个运维体系中的地位和作用。 5分钟定位问题 - 10分钟故障恢复； •故障预测； 从产品的角度看智能运维 目标群体 智能运维的使用方，是一群有着丰富经验的运维专家，但是可能对数据分析、数据挖掘没有任何概念
2.1K72发布于 2021-06-25 IT 运维与 AIOps：把重复运维动作交给智能体
IT 运维是自动化土壤厚的领域，告警、巡检、变更、排障大量重复，却常年靠人盯。我的经验是，运维落地要从高频、规则清的动作切入，先把人从重复操作里解放，再谈智能排障。 四、落地检查清单 高频运维操作是否先固化给执行层 是否做多环境自适应与异常重试 是否建排障剧本支持常见故障自愈 是否沉淀运维知识并持续复盘 敏感操作是否权限分级、全程留痕五、合规与审计不能省运维动了生产系统 某银行把运维操作看清楚之后，不仅效率上来，审计也随时可调。运维自动化越是深入核心，留痕越不能省，否则出一次事故就难定责。留痕看似拖慢效率，实则是运维自动化的护城河，没有它，规模化就是裸奔。 当运维从救火变成预防，系统的稳定性才真正上一个台阶。运维稳，业务才稳。说到底，企业级智能体自动化平台在 IT 运维场景的价值，是把人从重复操作与半夜告警里解放出来，去做架构与优化，而不是堆几个脚本。 运维稳，业务才稳。
19610编辑于 2026-09-16- 来自专栏日志易的专栏
运维未来的发展方向是智能运维（AIops）
随着智能化技术的发展，为了解决上述运维领域的问题，智能运维的呼声越来越高。 3、在大数据时代， 智能运维与数据、自动化运维之间的关系 智能运维的理想状态就是把运维工作的三大部分（监控、管理和故障定位），利用一些机器学习的方法有机结合起来。 目前能够把这三部分融合起来的办法就是利用人工智能的手段，最后达到一种智能运维的状态。 4、智能运维当下的状况及智能运维发展的预测 智能运维当下还是一个初步探索的阶段。 可以举几个时间数字，我所看到的一个和智能运维相关的开源项目是在 2013 年，第一个主动出来宣讲智能运维相关内容的国内企业是百度，时间是 2015 年，智能运维大量出现在宣讲上的时间是在 2016 年下半年 现在比较明确的是大家会朝着智能运维方向发展，并且智能运维的发展一定是一个长期演进的过程。 对于智能运维的发展预测，我的简单看法如下： 智能运维会首先体现出其在告警系统上的价值。
4.8K31发布于 2017-12-13 AIOps 智能运维：从救火到防火的运维范式跃迁
一、当运维遇上"三座大山"凌晨三点，告警电话响起。运维工程师小李从床上爬起来，打开监控大屏——几千条告警同时涌入，CPU、内存、网络、中间件、业务指标全线飘红。 AIOps（Artificial Intelligence for IT Operations，智能运维）正是为翻越这三座大山而生。 Gartner 将其定义为"利用大数据、机器学习和可视化技术，通过智能化方式增强 IT 运维能力"的平台。简单说，就是让机器替人"看数据、找规律、下判断"。 ，形成统一可观测平台；AIOps 与 DevSecOps 融合：从运维走向"研运一体"，在 CI/CD 阶段即引入智能质量门禁；边缘智能运维：面向边缘计算场景的轻量化模型部署。 从"被动响应"到"主动预防"，从"经验驱动"到"数据驱动"，这场运维范式的跃迁已经开始。对于每一个运维团队而言，问题不再是"要不要做 AIOps"，而是"如何以合适的节奏、从合适的场景切入"。
9610编辑于 2026-11-09AIOps 智能运维：从救火到预测的运维范式跃迁
一、为什么传统运维走到了瓶颈过去十几年，企业的 IT 架构经历了从物理机到虚拟机、再到容器与微服务的演进。服务被拆分成成百上千个实例，调用链路跨越多个团队和多个云环境。 它不是一个具体产品，而是把机器学习、大数据分析引入运维全流程的一整套方法论与技术体系，目标是让运维从"被动响应"走向"主动预测与自愈"。 数据层：统一可观测性把 Metrics（指标）、Logs（日志）、Traces（链路）、Events（事件）统一采集、清洗、打标，形成高质量的运维数据底座。没有干净数据，后面的智能都是空中楼阁。2. 五、结语AIOps 的本质不是用 AI 取代运维工程师，而是把人从海量噪声和重复劳动中解放出来，让工程师的注意力集中在真正需要判断力的复杂问题上。 智能运维的路，是一公里一公里修出来的，而不是一次性建成的。
12210编辑于 2026-11-06运维管理数智化：数据与智能运维场景实践
本文来自腾讯蓝鲸智云社区用户：CanWay摘要：笔者根据自身的技术和行业理解，分享嘉为蓝鲸数据与智能运维场景实践。 数据与智能技术在运维业务中的定位数据与智能技术在运维业务中的应用近几年进入“实用化提升阶段”，无论从供给方，还是需求方，都逐步认识到，“数据与智能”运维有其边界和条件，“AI加持运维”比“AI颠覆运维” 然而，为了支撑AIOps场景，该平台需要在运维领域中加入一些特性，高效地孵化出适配各种智能运维场景的算法和模型。首先，智能分析决策平台需要建立运维数据模型、指标体系和知识图谱。 图7: 异常检测模型应用时序数据预测在IT运维领域，对信息系统进行检测，会产生大量多类型的时间序列数据，如用户在线数、主机CPU使用率等。 总结：以上为笔者对数据与智能运维的剖析，欢迎探讨交流，谢谢！
4.6K40编辑于 2024-07-17- 来自专栏前沿技墅
从ITOM到AIOps：IT运维管理向智能运维的进化
面对这些新形势下的挑战，IT 运维管理（ITOM）需要从原有的人工加被动响应，转变为更高效、更智能化的运维体系，为新形势下的IT系统保驾护航。 （来源：Turn Big Data Inward With ITAnalytics） 令IT运维团队感到欣慰的是，智能运维（AIOps）踏着人工智能的时代浪潮应运而生。 通过大数据和人工智能技术分析用户的行为日志和运维数据，发掘潜在的系统安全和合规问题，为企业的信息安全保驾护航。 ? 那么AIOps究竟在IT运维中有哪有典型的应用场景呢？常见的场景大致如下。 不同于以往每次仅可查看数量有限的几种日志，运维人员可通过智能运维平台所提供的关键字、统计函数、单条件、多条件、模糊查找等功能，在多个系统中快速定位故障信息，帮助运维人员从全局视角查看系统的运维数据信息。 因此，我们有理由相信AIOps能够帮助企业及各类运维人员在大数据中找到合适的发展模式。现在是时候用一些类似人工智能的思维方式来为IT产业服务，使大数据的分析方向转到IT运维上了。
6.2K50发布于 2018-06-08 - 来自专栏织云平台团队的专栏
智能运维机器人--AI运维的实践探索【二】
运维同学作为业务运营的主要责任方，运维岗位作为支撑岗位，而且是7*24小时支撑岗位，其职责要求能够随时随地支持业务——无论是开发同学的紧急需求，还是硬件设备的自身故障。 我们专注于运维场景，借助于AI技术，开发了智能运维机器人，为的就是缓解这一矛盾。 登场亮相 什么是智能运维机器人？ 我们所开发的智能运维机器人，就是采用了人工智能技术的，预设场景定位于日常运维咨询和操作需求的，面向开发和运维两类人群的，依托于企业IM工具的客服机器人。 这个定义不怎么友好。眼见为实。 这一点切合运维工具定制化强，开发敏捷的特点。而且相比手机APP这个正统的移动运维平台，智能运维机器人的移动运维工具开发门槛低到大多数的运维同学都能够迈过去。 这也是考虑到智能运维机器人的应用场景中，用户和智能运维机器人交互时，不是想找个人聊聊天放松一下，而是想得到一个权威解答。
6.4K61发布于 2018-03-20 - 来自专栏大数据在线
拯救运维人！智能运维如何实现1+1>2
同为打工人，运维人不该被这样对待。如何改变这种局面？近年来，智能运维异军突起，成为解救企业和运维人员的及时雨。 因此，智能运维开始呼之欲出，也即现在流行的AIOps。 智能运维虽好，却也有一个很现实的问题，即全球没有一家公司的产品可以覆盖全部数据范围来帮助用户构建智能运维中心。 2 如何让智能运维1+1>2 爱数与听云在智能运维领域开启了新模式。今年1月份，双方携手正式推出了智能运维整合方案，旨在帮助客户全面管理、深度洞察海量、多源、异构的机器数据。 未来，随着企业数字化转型的深入，以及像爱数、听云这些中国智能运维厂商利用生态不断完善联合解决方案，中国用户有望得到更加出色的智能运维产品与服务。
1.2K20发布于 2021-01-26 传统运维 vs 智能运维差距有多大？腾讯云 CloudQ 重新定义运维方式
我整理了传统运维和智能运维在6个核心维度的对比，让你看清楚这个差距到底有多大。维度一：如何发现问题传统运维：靠监控告警被动通知。 监控系统检测到指标异常→发告警→运维响应问题已经发生了才知道告警量大，噪音多，真正重要的问题容易被淹没智能运维（CloudQ方案）：主动架构体检，问题发生前预警。 维度三：如何传承知识传统运维：知识在人头上。老员工知道哪些坑，新员工需要几个月才能上手运维手册写了但没人看，更没人更新核心人员离职=运维能力断崖式下降智能运维：知识在系统里。 腾讯云CloudQ把腾讯内部多年的运维最佳实践固化成评估模型新人第一天就能通过对话做基本巡检不需要背命令，不需要记配置，自然语言交互差距：智能运维让经验可复用、可标准化，而不是只存在于某几个人的脑子里。 维度四：如何管理多云传统运维：三个云=三份工作。每个云一套控制台，各自登录各自的告警系统，各自的账单，各自的权限管理汇总多云数据需要人工整理，每周半天不止智能运维（CloudQ）：一个入口，统一视图。
44710编辑于 2026-04-10- 来自专栏AI+运维：智能化运维的未来
运维也能很“智能”？聊聊如何用智能化运维搞定用户体验
运维也能很“智能”？聊聊如何用智能化运维搞定用户体验很多朋友提起运维，脑海里可能还是那副画面：凌晨三点接电话，手忙脚乱登服务器，疯狂 tail -f 日志，然后一边祈祷一边重启服务。 讲真，这种“刀耕火种”的运维方式，不仅运维人员受罪，用户体验也很差。而这几年，越来越多企业开始喊：智能化运维（AIOps）。问题是，智能化运维到底能不能真提升用户体验？还是只是又一个概念噱头？ 二、智能化运维的核心：提前发现+自动修复智能化运维的思路其实特别朴素：提前感知问题：别等用户反馈才知道，而是通过日志、监控指标、调用链路，提前发现异常苗头。 在真实企业里，这一步可能会接入机器学习模型，做更智能的日志模式识别，甚至能做到预测性维护。四、用户体验为什么能被智能运维提升？很多朋友可能会问：智能运维听起来是给运维自己省事，和用户体验有啥关系？ 真正的智能化运维，一定是：能落地、能自动、能持续优化。六、结语：运维不只是救火队，而是体验守护者总结一句话：传统运维，问题靠用户发现，体验靠用户牺牲。智能化运维，问题靠系统预测，体验靠主动守护。
49410编辑于 2025-09-06 运维智能体是什么？看完这篇，搞懂运维智能化的核心引擎
很多运维同行在听到“运维智能体”时，常会将其与传统智能运维（AIOps）混淆，甚至误以为它只是“自动化脚本的升级版本”。 简单来说，运维智能体就像是为运维团队配备了一支“智能协作军团”，每个智能体都具备独立的能力，同时又能协同配合，覆盖运维全流程。 就像资深运维能通过多方面迹象判断问题，运维智能体也能整合全维度数据，避免“只见树木不见森林”的局限。第二，智能决策能力，沉淀运维经验。 对于运维人员而言，理解运维智能体的核心价值，是开启运维智能化转型的第一步。 后续我们将深入探讨运维智能体的选型技巧、落地步骤以及实战案例，帮助大家真正将运维智能体落地到实际工作中，提升运维效率、降低运维成本。关注我们，解锁运维智能化的更多实用技巧！
62410编辑于 2026-05-08- 来自专栏腾讯云大数据
Flink 实践教程-进阶（7）：基础运维
在正式运行之前请检查： 类名是否有拼写错误 确定是否将相关的业务代码依赖打进 JAR 包中 基础运维 作业监控 流计算 Oceanus 提供强大的作业监控能力，我们可以通过【监控】项查看作业的各项指标 之后介绍了下作业启动之后的一些基础运维手段，包括实时监控和告警通知，方便用户及时了解作业的具体运行情况。最后介绍了在作业失败之后通过日志关键字定位问题的方法，具体可以查看 日志诊断指南[6]。 document/product/849/53959 流计算 Oceanus 限量秒杀专享活动火爆进行中↓↓ 点击文末「阅读原文」，了解腾讯云流计算 Oceanus 更多信息~ 腾讯云大数据 长按二维码
3.4K11编辑于 2022-01-21 - 来自专栏博文视点Broadview
运维人员7*24值班拯救指南
运维人员经常需要在周末出去游玩的时候也带着电脑，因为很多情况下运维人员需要随时待命。笔者依稀记得2014年左右，我们10多个运维小伙伴团建时背着5斤重的电脑爬青城山的壮丽场面。 （1）业务线较多，不同的问题得由不同的运维人员跟进。 （2）开发人员、客服、测试人员都会给运维人员反馈问题，流程混乱，运维人员长时间处于被动接受的状态。 ，这种时候值班人员既要承担运维应急工作，又要执行各种协调任务，效率大打折扣。 01 让开发人员参与其中 不少技术团队的值班体系中只包含运维人员，极少有开发人员参与，这也导致当故障发生时，运维人员应急对接开发人员的过程变得不顺畅，再加上开发人员被临时拉进来的时候并没有值班待命状态， （2）业务开发值班人员需要满足7×24小时的待命计划，并且主备两个角色。 （3）正常工作中，参与值班的开发人员的工作需要包含但不仅限于以下内容。
2.1K20编辑于 2023-08-10 大模型在蓝鲸运维体系应用——蓝鲸运维开发智能助手
本文来自腾讯蓝鲸智云社区用户: CanWay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，从被动地提供运维支撑服务 为了让运维人员更快成长为“六边形运维”（参考《在线跟腾讯工程师学习SaaS开发》，泛指运维界的六边形战士，特指掌握了运维开发技能的运维人群），降低运维开发 SaaS 的难度，蓝鲸不仅提供了蓝鲸开发框架， 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 而且，通义灵码的工作节奏比996还要极致：7x24小时随叫随到…看起来，大模型的应用似乎要终结开发框架、低代码这类脚手架开发工具。难道，运维不再需要开发转型了？甚至“零运维”在AI的帮助下提前实现了？ 技术架构上，通过 RAG + Embedding 技术，可以海量的运维知识（截至2023年12月，嘉为知识库存量文档394035篇，月均消费7万+次）向量化存储，作为大模型的外挂知识库，利用大模型强大的总结能力
1.9K10编辑于 2024-11-13- 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 而且，通义灵码的工作节奏比 996 还要极致：7x24 小时随叫随到......看起来，大模型的应用似乎要终结开发框架、低代码这类脚手架开发工具。难道，运维不再需要开发转型了？ 技术架构上，通过 RAG + Embedding 技术，可以海量的运维知识（截至 2023 年 12 月，嘉为知识库存量文档 394035 篇，月均消费 7 万+次）向量化存储，作为大模型的外挂知识库， 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
1.9K01编辑于 2024-05-27 - 来自专栏AIOps
DeepSeek是如何让运维进入真正的智能运维时代的？
直达原文：DeepSeek是如何让运维进入真正的智能运维时代的？ 的深度融合，将运维从“自动化运维”推向了“智能化运维”的新时代。 由此可见，组织升维的前提是其产品扎实的基本功，再拥抱新技术与新趋势，顺势而为，才能更好地为客户服务。智能运维的本质是“运维+AI”——运维是基础，AI是升维的能力。 2）嘉为蓝鲸智能运维大模型开发平台（LLMOps）：智能运维的核心技术底座基于DeepSeek大模型的三大核心突破，嘉为蓝鲸LLMOps平台通过通用AI场景工具能力与灵活扩展能力，为企业智能运维提供全面的技术支撑 （7）应急智能助手功能：预案智能生成、辅助应急故障报告输出、多场景应急演练引导。价值：提升预案准确性与有效性，极大提升IT应急效率。技术：RAG/FunctionCall/意图识别。
1.1K10编辑于 2025-05-27 - 来自专栏罗西的思考
智能运维AIOps-学习笔记
[业界方案] 智能运维-学习笔记 0x00 摘要 本文为本人的学习笔记，非商用。 0x01 AIOps 背景 1.1 AIOps概述 智能运维的理想状态就是把运维工作的三大部分：监控、管理和故障定位，利用一些机器学习算法的方法把它们有机结合起来。 在这一层，我们期望通过对监控和运维平台产生的大量数据进行分析，做趋势性的预测和智能分析，提供一些比较有价值的统计报表，来指导业务运营和决策。 基于 AIOps，我们可以在异常检测、根因分析、故障预测、智能故障处理、智能运维机器人等方面继续发力探索。在解决问题方面，可以借助 KPI 聚类分析进行告警知识库自学习和故障自动处理等。 （AIOps）中几处问题的解决方案与思路 AIOps智能运维之三：无监督异常检测 技术干货 | 日志易产品总监饶琛琳：数据驱动的智能运维平台 从人肉到智能，阿里运维体系经历了哪些变迁？
4.2K23发布于 2020-09-07 - 来自专栏DBA随笔
MongoDB运维与开发(7)---MongoDB监控
// MongoDB运维与开发(7)---MongoDB监控 // MongoDB中自带两个监控的工具，分别是mongostat和mongotop，今天我们看看这两个工具的使用方法。
1.6K10发布于 2020-11-26
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