谭健当运维管理遇上认知计算

《谭健当运维管理遇上认知计算》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、当运维管理遇上认知计算谭健IBM混合云工程师GOPS全球运维大会2017·北京站什么是认知计算?有三种能力，可以区分认知系统与传统的编程计算系统理解推理学习认知系统像人类一样理解，无认知系统能够推理。它们既能理解他们从不停止学习。作为一种论是通过自然语言还是书面语表面信息，又能推理潜在的想法和技能，这意味着系统实际上随言，声音或视觉。原因。着时间的推移变得更有价值。他们发展“专长”。这种推理能力可以随着时间的推移变得更先进。GOPS全球运维大会2017·北京站IBM认知IT运维路线基于洞察以提升效率应急救火基于洞察

2、以提前预判基于Watson的认知决策ValueInmarkettodayRoadmapAfullyCognitiveSolutionWearebuildingaWatsonbasedCognitiveAssistantforCloud,ITandNetworkOperations.Machinelearningonperformancedata,(倾听、学习和交互)OOTBanomalydetection,andinsightsinPredictiveInsights.CognitiveDataScientistE

3、ventanalyticsandmachinelearningoneventdatainNOI.TextanalyticsonITOperationaldatainLogAnalysis.基于预先给定的模型或场景分析。AnalyticsSolutionsSeeslidenotesBGOPS全球运维大会2017·北京站认知IT运维:三个指导原则持续学习介入纠正建议动作认知运维分析能力PredictiveInsightsAdvancedEventAnalyticsLogAnalytics(exploitingWatso

4、n)AvailableEarlyaccesstrialofWatsonforITServicesManagementNowGOPS全球运维大会2017·北京站事件告警发生之周期性时间规律学习n某应用端口Down固定发生在每天早上6点到6点半之间，且每周、每月内发生频率均衡分布GOPS全球运维大会2017·北京站事件告警发生之周期性时间规律学习n某Web容器线程池使用率在下午3-4点通常会到达99%，早上9点前及晚上8点后从未发生，且每周一到周三发生频率最高，周四到周日负载逐级下降GOPS全球运维大会2017·北京站

5、事件告警发生之相关性、因果规律学习n机器自学习策略设定：强、中、弱关系学习多个操作员在处理不同的事件，但结果问题是同一个同一个问题触发多个工单，导致SME效率低下Failure根源定位需要经验、时间和足够视野部分客户可以解决该问题，但需依赖确定的场景、关联规则和高成本低效率的IT运维专业经验，且云化环境下不具可复制性机器学习自动识别事件间相关性可以显著提升IT运维甚至运营效率EventClustersFailureAutogeneratedoroutoftheboxCorrelationrulesGOPS全球运维大

6、会2017·北京站基于时间序列的KPI行为学知•单个KPI认知分析ü对每个KPI学习其历史的行为ü当KPI偏离其历史的行为时，认为是异常ü周期性变化分析•多KPI认知分析ü使用统计学方法识别KPI之间的关系，确立相关性，并确定哪个KPI指标最有可能是其相关的指标数据集合的变化根源ü了解正常的行为模式，并在识别到行为模式与正常的行为相异时，发送警告•基于Grangercausalitytest的方法进行实现ü由诺贝尔奖获得者，经济学家CliveGranger提出ü使用类似”delayedcorrelations”等统

7、计测试以确定因果关系ü对大量的基于时间序列的数据进行整体分析，识别存在于这些数据中的显著因果关系GOPS全球运维大会2017·北京站格林杰因果关系分析（GrangerCausality）IfKPIAmakesthefuturepredictionsofthevalueBsignificantlybetterthanusingpastvaluesofBontheirownthenitisconsideredtobeGrangerCausingGranger,CliveW.J."InvestigatingCausalR

8、elationsbyEconometricModelsandCross-SpectralMethods."Econometrica37,424-438.GOPS全球运维大会2017·北京站格林杰因果关系分析（GrangerCausality）格林杰因果关系描述，箭头指示因果，粗细描述关系强弱:Sridharan,D.,Levitin,D.J.&Menon,V