- 综合排序
- 最热优先
- 最新优先
- 来自专栏Elastic Stack专栏
AIOps入门之路：Elastic Stack与AIOps
什么是AIOps AIOps是Artificial Intelligence for IT Operations的简称，我们可以将之称之为智能化运维。 这里，我将摘抄一些来自于Gartner的具体内容（Market Guide for AIOps Platforms），帮助我们更好的理解AIOps的现状与未来。 以上，是Gartner对于AIOps的精简描述。 领域无关的 AIOps 与以领域为中心的 AIOps 与领域无关的 AIOps —— 供应商使用通用 AIOps 平台进入市场。这些产品往往主要依靠监控工具来执行数据捕获并满足最广泛的用例。 根据行业平均水平，AIOps能把一年内原本32人完成的工作缩减为只需2人全职完成，为企业降本增效; 十四五国家政策提出加快企业数字化发展，人工智能产业全面提速，建设数字政府和医疗以及推动制造业优化升级。
3.9K82编辑于 2022-03-07 - 来自专栏用户5952482的专栏
选型宝访谈：如何通过AI 全面提升运维效率？AIOps实战案例分享
带着这些问题，选型宝直播采访了国内AIOps技术前沿探索者,Gartner AIOps Sample Vendors——云智慧的副总裁李诚先生。 AIOps的概念、应用场景和用户价值 李维良：AIOps可以应用在哪些运维的场景下？ 李诚：AIOps的应用场景非常广泛，能够切中传统运维中的大量痛点，比如：异常检测、故障预测、关联分析、根因分析、告警抑制、故障自动处理等等。 李维良：云智慧怎么理解AIOps的概念？ 李诚： ☉ 应用场景1：异常监测 我们的一家做航空行业的客户，在业务开展过程中，每天600个业务应用系统（包括售票系统、退票系统、进仓系统、订单查询系统等）产生海量日志数据（2个小时产生7TB/10亿条的增量数据 ☉ 应用场景2 ：关联分析 我们的一家金融行业客户是数字化步伐比较快的大型金融机构，在国内拥有3个数据中心，600个业务应用系统，上万台物理设备，系统彼此之间调用关系复杂，并且部分核心业务之间具有强依赖关系
1.4K20发布于 2019-08-15 - 来自专栏01ZOO
AIOPS 是什么
2.数据分析和预测性分析AIOPS可以分析海量的数据，并从中提取有价值的信息，例如应用程序的性能、资源的使用情况等。 2. 日志分析在大规模的IT系统中，日志文件是非常重要的数据源。通过对日志文件进行分析，可以获得关于系统状态、性能、安全等方面的重要信息。然而，由于日志文件非常庞大，手动分析是非常困难的。 2.提供更好的数据分析和决策支持AIOPS可以分析海量的数据，并从中提取有价值的信息，例如应用程序的性能、资源的使用情况等。 AIOPS将会更好地理解企业的业务需求，以提供更好的决策支持和预测性分析。2.更加开放和可扩展未来的AIOPS将会更加开放和可扩展，能够与不同的IT系统和工具进行集成和交互。 AIOPS可以自动化识别和解决性能问题，从而提高系统的可用性和性能。2.故障诊断和修复AIOPS可以自动发现和解决系统故障和问题，包括网络故障、服务器故障、存储故障等。
2.3K91编辑于 2023-02-26 - 来自专栏Jenkins
AIOps：DevOps 的未来
幸好，AIOps 正在成为一种解决方案。 AIOps 一词是由 Gartner 创造的， 他将其解释为： ---- AIOps 结合了大数据，机器学习和可视化技术，通过更强的洞察力来优化 IT 运维。 他的定义以循环中的人为中心，以他的描述 AIOps 基本上是一种高级的大数据分析。 要解决 DevOps 困境，我们要定一个更高的目标。 那么，AIOps 应该是什么？ 这是一些 AIOps 的关键要求： AIOps 系统从你的数据中学习并适应应用程序的工作模式 这意味着它不会每次都做同样的事情 AIOps 系统无需人工干预即可制定和实施决策 你可以让人参与循环，直到你完全信任这个系统 AIOps 系统能持续运行 它能成为你的交付中的标准单元 向 AIOps 的过渡正处于起步阶段，但它的热度正在上升，而且已经有了成功案例。
1.2K20发布于 2019-04-19 - 来自专栏后场技术
AIOps实现思路思考
现有环境中，眼和手都有比较成熟的解决方案，但眼和手之间存在鸿沟，无法自动联动，AIOps 正好可以充当桥梁，解决此问题。我们将 AIOps 称之为脑，接受眼的输入，做推理决策，让手去自动化执行。 AIOps 的实现思路大体可以分为四步：接入运维数据、建立知识图谱、编排智能算法、自动化执行。 ? 1 接入运维数据。 2 建立知识图谱 接入 CMDB 和经验知识库数据：建立东西向的应用拓扑关系，即应用与应用间关系、服务与服务间关系；建立南北向的资源依赖关系，即服务依赖哪些机器；建立交易链；建立监控 KPI 与应用 做好 AIOps 的前提，是做好基础架构治理和数据治理，使得接入的数据是完全的，同时要不断地进行算法模型优化，使得算法模型是充分优化的，从而使得信息趋于 100%，确定性趋于 100%。 不必 100%确定性，只要超过人的决策能力，就可以用 AIOps 进行自主决策。 ?
1.4K30发布于 2020-09-03 - 来自专栏织云平台团队的专栏
AIOps线下沙龙回顾
得益于此，AIOps应运而生，也就是基于算法的IT运维（Algorithmic IT Operations），帮助大量运用人脑决策和手工操作的运维向着智能运维的方向前进，并且持续为企业带来更加先进的业务能力 此次沙龙旨在分享 AIOps 理念与实践经验，促进 AIOps 爱好者们相互交流和学习。希望让对 AIOps 感兴趣的人们有机会相互交流和共同成长。 本次沙龙是 AIOps 风向标 | GOPS全球运维大会2018 · 深圳站 的前哨站。如需了解4月13-14日的GOPS2018深圳站，请点击文末阅读原文。 沙龙分享 3月10日，由高效运维和腾讯织云联合举办的AIOps沙龙在腾讯大厦圆满举行。 现场互动 现场同学求知若渴，在和分享老师的互动环节表现积极，纷纷表达出自己对AIOps的疑问和看法。 ? ? ? 现场进行了三轮抽奖，奖品为4月GOPS全球运维大会门票。气氛一度到达最高点。 ?
1.4K100发布于 2018-03-28 - 来自专栏养码场
智能运维：AIOps与DevOps落地、数据库选型与SQL优化策略都在这了！
目前主要研究AIOps，与多家大型互联网公司在AIOps领域均有合作。 部分精彩议题 基于AIOps的无人运维 从可视化、自动化到智能化的企业级AIOps演进与落地 小米智能SQL优化与改写 更多干货议题持续更新中…… 希望能在讲解技术细节的同时多增加一些实用性的内容，提供更多大型互联网公司或是转型成功的传统企业的实践案例分享 数据库选型，没有最好只有更适合 时下数据库可选种类众多，成本低、灵活性强的开源数据库无疑成为了越来越多企业的新尝试。至于如何进行选型、部署与应用，希望Gdevops北京站准备的内容能给到多数人答案。 银行业图数据库选型、分析与实践 TiDB原理与实战（拟） 更多干货议题持续更新中…… 除了技术干货，也想听听大牛是怎么从技术咖变身技术leader的。 曾任百度高级工程师、58同城高级架构师、58同城技术委员会主席、58同城C2C技术部负责人。现任58到家技术委员会主席、高级技术总监，负责58速运研发与管理工作。 主题简介：非业务技术部门该怎么带？
1.6K20发布于 2018-08-14 - 来自专栏织云平台团队的专栏
国内外首个 AIOps 企业峰会（附AIOps白皮书）
AIOps 企业峰会（AIOps Enterprise Summit，缩写：AIES）是国内首个的 AIOps 技术峰会，由数据中心联盟（DCA）和开放运维联盟（OOPSA）联合指导、高效运维社区主办。 AIES 大会是国内外首个 AIOps 标准的官方指定发布平台，共邀国内顶级专家畅谈 AIOps 体系与方法、过程与实践、工具与技术，为您呈现国内外顶级企业的 AIOps 实践经验与工具技术。 ? 企业级 AIOps 实施建议白皮书权威解读 高效运维社区创始人，AIOps 白皮书 发起人 萧田国先生为您权威解读国内首个《企业级 AIOps 实施建议》白皮书。 | 本白皮书由 OSCAR联盟 和 高效运维社区联合牵头并联合国内互联网、金融、电信行业顶级 AIOps 大咖共同编写而成。 ? ? 企业级 AIOps 实施建议白皮书下载 ? 腾讯 AIOps 深度培训 国内外首个《企业级 AIOps 实施建议》白皮书编写专家张戎亲自授课，实操培训，绝对有料。 ? 大会日程 ?
5.2K41发布于 2018-06-11 - 来自专栏杨建荣的学习笔记
AIops离我们遥远吗？
DevOps都玩不好还想玩AIOps? 所以我们要推进DevOps的理念，会受到两个方向的阻力，比如运维和开发团队的支持，或者说是上下级同事的支持。 我翻了下今年关于AIops的一些目标，大体有如下的一些阶段和程度吧。 1）开始尝试应用AI能力，还无较成熟单点应用 2）具备单场景的AI运维能力，可以初步形成供内部使用的学件 3）有由多个单场景AI运维模块串联起来的流程化AI运维能力，可以对外提供可靠的运维AI学件 4） 主要运维场景均已实现流程化免干预AI运维能力，可以对外提供可靠的AIOps服务。 对于AIops的落地，自己也有了一个初步的思路，后期在工作中会更加强化API接口层的独立性，然后不断的封装，满足业务需求之外，还可以提供更加深度的技术支持。 ?
46610发布于 2018-07-26 - 来自专栏运维开发故事
AIOps系列 | Agent 入门实战
最近在学习《AIOps》相关的知识课程，为了让学习有一定的收获，所以将其进行了总结分享，如果你恰好也需要，很荣幸能帮到你。 每次循环时，向量匹配的文本块数量会递增，即第一次匹配1个块，第二次匹配2个块，以此类推，增加匹配的范围。 translation_2 = get_completion(prompt, system_message) return translation_2 其中prompt部分中文对应如下： 您是一位语言专家 （2）、代码中接入 os.environ["LANGCHAIN_TRACING_V2"] = "true" os.environ["LANGCHAIN_ENDPOINT"] = "https://api.smith.langchain.com 接收用户的自然语言请求 2. 分析请求并决定是否需要调用工具 3.
73121编辑于 2025-08-01 - 来自专栏前沿技墅
ChatOps = AIOps 落地 + DevOps升级？
随着人工智能的兴起，以上问题是否可以通过AI+Ops（即AIOps，智能运维）实现呢？ 图 2 ChatOps 以聊天室（沟通平台）为中心，通过一系列的机器人去对接后台的各种服务，工作人员只需在聊天窗口中与机器人对话，即可与后台服务进行交互，整个工作的展开就像是使唤一个智能助手那样简单自然 在这个互联网业务量飞速增长、人工智能兴起的年代，我们完全可以考虑将自动化运维进一步发展为AIOps。 参考资料 [1] http://www.cnblogs.com/jetzhang/ p/6068773.html [2] http://www.infoq.com/cn/articles/ devops-not-legend [3] 赵成,郭蕾.为什么说运维的未来必然是 AIOps？.
1.7K60发布于 2018-06-08 - 来自专栏Yangsh888的专栏
【云端选型】2.云模式&选择指南
一般认为，IaaS始于亚马逊的EC2和S3两款产品。近两年，我们说的云计算快速落地，其实主要就是指IaaS的迅速落地。
1.7K20编辑于 2022-03-19 - 来自专栏AI+运维：智能化运维的未来
别让 AIOps 变成“闭眼修系统”——说说可解释 AIOps 如何防止二次事故
别让AIOps变成“闭眼修系统”——说说可解释AIOps如何防止二次事故最近我听到一个很典型的吐槽：“我们上了AIOps之后，系统是能自动修，但修完一次，炸两次。”说实话，这事一点都不意外。 比如诊断慢SQL，不是说“SQL慢了”，而是列出证据链：扫描行数计划执行慢字段IO等待索引调用情况✔2.风险说明：不修多糟、修了多险？ 规则2：不能跨层操作AI不准越权：POD自己弄自己节点不要乱删集群配置必须走审批否则你就是让一个拿菜刀的人操控核弹。 一个反思：AIOps的价值不是省人，是省命有的人把AIOps视为“裁掉运维人力的武器”。我说句不好听的——这种企业最后都会反噬。 AIOps应该做的是：帮助定位帮助解释帮助决策帮助执行而不是“替人拍脑袋”。结语：AIOps不是上帝，它需要透明化我希望未来的AIOps长成这样：像老司机一样解释风险，而不是像赌徒一样压注命运。
21310编辑于 2025-12-19 - 来自专栏运维开发故事
AIOps系列 | 大模型入门实战
最近在学习《AIOps》相关的知识课程，为了让学习有一定的收获，所以将其进行了总结分享，如果你恰好也需要，很荣幸能帮到你。 文章比较长，可以选择性查看。 AIOps 的实现离不开现在大模型的大力发展，所以要做 AIOps 相关的业务，就需要了解并使用大模型相关知识。本次内容将从以下6个章节介绍大模型相关的知识。 第二步：他吃了 2 个，剩下 5 - 2 = 3 个。 第三步：他又买了 3 个，所以现在有 3 + 3 = 6 个苹果。 答：小明现在有 6 个苹果。 （3）执行代码，获取输出 PS E:\workspace\python\aiops\chat-completions> python . 总结 本文围绕 AIOps 智能运维 与 大语言模型（LLM） 的结合展开，介绍了 Prompt Engineering、Function Calling、RAG、Graph RAG、本地模型部署等关键技术的应用方式
1.1K10编辑于 2025-07-16 - 来自专栏后场技术
AIOps根因分析最佳实践
nock 读完需要 4 分钟 速读仅需 2 分钟 随着基础架构和软件环境变得越来越复杂，检测性能或可用性问题的根因变得越来越具有挑战性。 2 为什么当前根因分析尤其重要 从前，根因分析相对简单，因为 IT 团队需要管理的硬件和软件层较少。物理基础架构和硬件环境之间也几乎没有抽象。 3 充分利用 AIOps 进行根因分析 部分原因是由于现代环境中根因分析的困难， AIOps ( https://sweetcode.io/aiops-ebook-ad ) 变得如此重要。 AIOps 工具可以帮助解决这些变化，但是对于人类工程师而言，重要的是要记住根因是可以改变的。不要认为核心问题是一成不变的。 2. 此处的教训是，您应该寻找 AIOps 工具 ( https://sweetcode.io/aiops-ebook-ad ) ，这些工具 ( https://sweetcode.io/aiops-ebook-ad
2.1K10发布于 2020-09-03 - 来自专栏JavaEdge
【大厂消息队列】面试解析(2)-MQ选型
1 选型标准 1.1 开源（白嫖） 方便可以修改源代码，而非一味地等待软件提供商猴年马月发布的下个版本解决。在知识产权下，使用开源的才可商用。 看完标准，于是市面上主要就如下可供选择： 2 RabbitMQ 2.1 优点 Erlang语言编写，最早是为电信行业系统可靠通信设计，是支持AMQP协议的消息队列之一。 kafka、activemq、rabbitmq、rocketmq对比 5 选型总结 最早大家都用ActiveMQ，但是现在用的不多了，没经过大规模吞吐量场景的验证，社区也不是很活跃，算了吧，不推荐 后来大家开始用
91930编辑于 2022-11-30 - 来自专栏大侠之运维
开源告警管理与AIOps平台
Python 的模块与包文章链接：https://cloud.tencent.com/developer/article/2472944 本篇文章主要介绍了Python 的模块与包Keep：开源告警管理与AIOps 平台简介Keep 是一个开源的告警管理和 AIOps 平台，提供了一个统一的界面来管理所有告警和事件。 通过以上步骤，你可以快速部署 Keep 平台，开始体验其强大的告警管理和 AIOps 功能。
2.4K10编辑于 2024-12-03 - 来自专栏Forrest随想录
AI时代，我们离AIOps还有多远？
AI时代，AIOps热炒，这篇算是蹭个热点：）。回到本行，我们运维应该关心的是什么： 1、AIOps到底是什么？ 2、AI和Ops究竟是什么关系？ 3、AIOps到底会带来哪些改变（颠覆or提升）？ ，而这个80%和2倍，就是基于人的经验设定的，说的高端一些是专家经验。 2、分析问题—RCA根因分析 第一个阶段是发现问题，这个阶段是针对单个异常信息的，比如单个的meric异常、单个应用进程异常、单个应用日志信息的异常等。 下面一张图完整说明下我对AIOps体系的理解： ? 2、从公司的角度，先集中精力建设好运维自动化体系，效率的问题解决了，再考虑更高层次的建设，就好比先解决温饱问题，再追求小资生活，这一点前两天毕玄大师的文章也表达了这个观点，我是灰常认同的。
89720发布于 2018-08-09 - 来自专栏罗西的思考
智能运维AIOps-学习笔记
目的是对于所学习的技术，大致知道其应用领域，技术特点和未来方向，看看目前工作中是否可以用到，或者以后选型时能够做到心里有数，顺便也可以梳理清楚自己的知识体系。 1.2 AIOps场景 AIOPS场景很多，诸如异常检测、根因分析、故障自愈、容量预测等方面。根据平台的实际场景和业界AIOPS的实践经验，360将AIOPS划分为三个场景：成本、效率和稳定性。 t时刻的监控数据，与 t-1,t-2,…时刻的监控数据存在相关性。同时，与t-k,t-2k,…时刻的数据也存在相关性（k为周期），如果能利用上这些相关数据对t时刻进行预测，预测结果的误差将会更小。 持续步骤2的操作，直到找到一个覆盖报警数量大于min_size的泛化报警为止。 输出步骤3中找到的报警。 看看你们公司能不能用到 AIOPS在360的实践和探索 基于时间序列的异常检测算法小结 亿级用户百TB级数据的 AIOps 技术实践之路（增强版） 百度云说 | 从0到1，AIOps领先业内的实践之路
3.9K23发布于 2020-09-07 - 来自专栏运维之路
关于AIOps的一些观点
AIOps是运维的方向，但AIOps不能单纯的认为一种技术手段或技术平台，而应该是数智时代人机协同的运维模式。 2.数据、算法、场景、知识组成AIOps关键4要素 如Gartner定义中提出，AIOps应用需要利用大数据，现代机器学习技术和其他高级分析技术，是一种相对较高门槛的工作模式。 为了更好地落地AIOps，运维组织需要深刻的理解AIOps的内涵，重点实现思路：以数据为基础、算法为支撑、场景为导向，知识为扩展的AIOps4要素 数据为先，AIOps需要快速生产高质量数据的能力。 3.AIOps的一些其他观点 建立场景地图，体系化、有节奏的落地AIOps。与AI技术在当前大部分领域的应用类似，AI是一种平台能力，而不是业务。 引入AIOps对于故障管理的赋能，一是为了更快，二是为了更准。
65910编辑于 2022-11-16
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