课程概要

【案例背景介绍】
经过长时间的客户调研和分析，当前互联网行业IT运维中存在着如下痛点：
1. 监控系统建设不完整：在出现问题时，现有的监控系统无法提供足够的排查问题的监控数据信息，很多监控点是在故障出现之后延迟补齐；
2. 告警噪声过多，散落在各个监控系统中：已有的告警信息包含大量的噪声，给日常的运维工作带来较大的负担，在出现故障时告警信息散落在各个监控系统中，需要通过专家在不同的监控系统之间人工进行整合，解决问题的速度受限于专家的知识和能力，处理效率有待提升；
3. 组织绩效和单点依赖的问题冲突问题：专家知识经验可以在问题排障的过程中发挥其价值，但专家本身的流动性会带来组织绩效和运维水平/能力波动的问题，需要寻求一种新的方式解决此二者的冲突。

【解决思路/成功要点】
基于运维大数据和人工智能技术，运用多种机器学习算法，在故障产生时通过指标异常检测、日志异常检测等算法及时感知故障，同时通过告警聚类、根因推荐、关联数据排查等快速定位故障，帮助企业解决运维故障管理中耗时较长（发现-定位）的问题，从而降低MTTR提升SLA 。

【成果】
目前本产品已经在互联网和银行业有了实际落地的案例，本次分享集中在互联网行业

听众收益

1.了解AIOps当前行业发展的现状和进展；
2. 了解Linkedaiops根因溯源产品逻辑；
3. 了解根因溯源实现的核心算法模型