原標題：深信服能監(jiān)控 超融合690向未來更進一步

　　隨著新一輪AI熱潮的到來,越來越多的目光聚焦到了AI上。云計算作為數字化轉型的基石之一,其本身需要借助先進技術不斷強化自身能力,AI技術的融入,將讓用戶的數字化轉型更加順暢。

　　深信服基于AI First理念將AI能力在自身產品全面推廣,通過對智能算法模型進行深度訓練構筑技術中臺,根據運維、性能、安全方面的能力需求,衍生出了三大技術分支:AIOps、AIRun、AISec。以深信服超融合690版本為例,在AI能力的加持下,超融合不再是單純承載業(yè)務的基礎設施,而是助力用戶數字化轉型的強力支持。

　　AIOps:簡化運維,提高運維人效比

　　變革創(chuàng)新的車輪滾滾向前,IT基礎設施的運維手段也在不斷進化。從手工運維、流程化標準化運維、平臺自動化運維,再到如今的AIOps,每一次模式的創(chuàng)新與變革都意味著能力和效率的提升。

　　相比于傳統IT基礎設施復雜的運維流程,深信服AIOps率先將ITOM與AI技術結合,打造出O2O場景下的AI運維引擎——天工引擎。將AI能力注入超融合690的運維業(yè)務,用更高的人效比和更快的響應速度,幫助用戶將運維工作化繁為簡,實現“人人皆可運維”。如今,超融合690憑借天工引擎可提前7~30天預測故障風險,預測精準度超過90%,1分鐘及時發(fā)現,3分鐘快速定位。

　　為了將業(yè)務風險消除于萌芽之中,天工引擎采集了log、trace、metric等與故障有強關聯性的硬件資源數據,借助深度學習的Attention機制分別建立故障專屬預測模型。在模型上通過CNN因果卷積網絡、Transformer機制提取并挖掘故障發(fā)生的時間規(guī)律,實時對照系統內正常工作的軟硬件參數,在故障發(fā)生前提前預測風險。

　　故障預測流程圖

　　為了避免用戶在海量預警下錯過關鍵信息,天工引擎采用NLP算法、分詞運算、熵值算法等智能算法,根據模式特征將海量告警信息收斂為關鍵告警,幫助用戶將精力聚焦在關鍵業(yè)務。同時為了幫助用戶更快消減故障帶來的停機風險,天工引擎可將故障產生的異常數據導入因果推理模型,綜合根因定位模擬并生成異常事件的溯源鏈路,直觀的展示異常在指標間的傳播效應,幫助運維人員快速、精準的定位問題根因。

　　根因分析流程圖

　　AIRun:性能優(yōu)化,助跑架構實現高性能

　　隨著越來越多的業(yè)務上云,多業(yè)務混合部署已經成為當下云環(huán)境常態(tài)。多業(yè)務部署在同一臺主機的方式雖然能在一定程度上節(jié)省資源成本,但也加劇了不同業(yè)務系統間的資源搶奪。

　　為了更好的保障用戶核心業(yè)務的正常運轉,深信服AIRun可基于業(yè)務畫像分析引擎捕捉虛擬機資源指標與業(yè)務性能的關聯性信息,并根據性能需求的差異性將平臺內運行的業(yè)務體系分為計算密集型、訪存密集型、IO密集型等類別。

　　同時,采用的CPU智能調度算法就像一名擁有“上帝視角”的調度員,在對底層資源全局調控的同時,精準識別核心業(yè)務的資源需求,根據業(yè)務類別把運算資源優(yōu)先分配給核心業(yè)務,保障業(yè)務的流暢運行。在不綁定硬件的前提下,進一步提高資源利用率,實現平臺的高性能運轉。

　　AISec:告警梳理,實現業(yè)務上線即安全

　　得益于AI中臺,超融合的安全能力未來將不止作用于單一的虛擬化。為了更好的應對未知的安全風險,打造安全省心的業(yè)務環(huán)境,AISec可根據用戶云平臺過往的告警數據進行時序建模,實時學習并利用業(yè)務基線過濾告警,為用戶梳理海量的告警信息,優(yōu)先解決緊急的安全事件。

　　AISec安全運營流程圖

　　同時,對于結果導向不明確的安全線索,AISec可根據圖分析和中心性算法評估告警信息的準確性,對安全事件進行深度挖掘并及時定性。在檢測層面將安全事件的誤報漏報下降一個數量級,做到提前預警、精準預警。而在安全事件的處置層面,運維人員無需具備專業(yè)的安全知識,即可對安全事件進行定位、分析、排障,用不斷進化的AI能力,實現云平臺業(yè)務上線即安全。

備注：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

   投稿郵箱：chuanbeiol@163.com   詳情請訪問川北在線：http://dstuf.com/