云原生時代下，企業(yè)的IT運維面臨架構復雜化、業(yè)務需求多樣化和運維數(shù)據(jù)海量化等挑戰(zhàn)，如何能夠實現(xiàn)精準告警、異常智能診斷、根因定位、異常預測和異常自動修復，已成為企業(yè)數(shù)字化轉型的急迫需求。

9月26日，阿里巴巴高級技術專家滕圣波在《GOPS全球運維大會》上發(fā)表了題為《云上服務器無人值守與自助服務實戰(zhàn)》的主題演講，分享了阿里云彈性計算團隊如何利用人工智能技術賦能運維自動化，實現(xiàn)云上服務器無人值守，幫助用戶降低云服務器實例管理的復雜性，來保障實例服務的穩(wěn)定和高效運行。本文根據(jù)滕圣波的演講整理。

?

?

圖：阿里巴巴高級技術專家滕圣波

本文內容架構：
1、云上服務器為什么需要無人值守？
2、阿里云無人值守的自服務實戰(zhàn)
3、無人值守背后的數(shù)據(jù)和AI

1、云上服務器為什么需要無人值守？

運維是一種服務，既包含基礎設施軟件服務、也包含人力服務，服務的對象是企業(yè)中使用基礎設施的業(yè)務團隊，而云計算IaaS是一種運維服務，服務的對象已發(fā)展為使用云服務的開發(fā)人員和運維團隊。隨著云計算的廣泛落地，大部分企業(yè)已經上云，當前就有100萬多家用戶的業(yè)務運行在阿里云平臺上，阿里云平臺服務的用戶也越來越多。

隨著平臺用戶規(guī)模的擴大，我們發(fā)現(xiàn)平臺用戶在ECS實例運維時普遍面臨三個痛點：

（1）背景溝通成本高，為什么我的實例出問題了？
（2）人工處理需要較長的時間，為什么這個問題這么久還沒有解決？
（3）客戶操作不透明，問題看起來修復了，可是剛剛你做了什么？

為此，我們需要重人力投入在客服人員上讓用戶的問題得以高效解決。為了避免用戶規(guī)模擴大帶來的客戶側運維成本的線性上升，我們開始利用人工智能技術賦能用戶運維管理。在無人零售、無人駕駛成為趨勢的時候，我們認為未來云上服務器也將實現(xiàn)無人值守。

事實上，阿里云彈性計算產品推出十年了，沉淀了眾多ECS實例運維管理經驗和異常“行為”規(guī)律。所以依托機器學習的數(shù)據(jù)驅動，我們通過異常“行為”數(shù)據(jù)的分析，構建了一套云上服務器的無人值守架構，并推出了一系列自助服務，實現(xiàn)了ECS實例的自診斷、自修復、自優(yōu)化、自運維，幫助用戶降低ECS實例管理的復雜性，從而來保障實例服務的穩(wěn)定和高效運行。

2、無人值守的自服務實戰(zhàn)

?

云計算IaaS的運維工作可以拆分為服務側運維和客戶側運維，服務側運維是云平臺的運維工作，通常對用戶不可見的，主要涉及基礎設施、基礎產品和上層管控三個層面，包括機房、物理設備的運維工作、資源虛擬化、資源調度、熱遷移等工作。隨著用戶規(guī)模的擴大，這些運維工作會越來越復雜。而用戶側運維工作，是對用戶自己可見的，主要是用戶對ECS實例的修改操作和自動化工作，包括擴容、重啟、監(jiān)控、客服服務、工單反應、資源編排和運維編排等。

我們構建的云上服務器的無人值守架構，為阿里云平臺用戶提供了一系列的自助服務。廣義上看，阿里云的自助服務囊括了ECS實例本身、實例生命周期管理、系統(tǒng)管理和自動化、市場和生態(tài)四個維度，如下圖。

?

?

圖：廣義上的自助服務

狹義上來說，阿里云自助服務為用戶實現(xiàn)了ECS實例的診斷、修復和推薦的功能。當天，阿里云自助服務已提供實例診斷工具、實例優(yōu)化推薦、自動修復工具、最佳模板推薦和ECS事件自動化等一系列自助服務工具，覆蓋了80% ECS常見問題，將問題解決的平均周期從幾小時縮短至分鐘級，整個過程無需客服人工參與，無隱私泄漏風險，做到了云上服務器的無人值守。未來隨著AI+數(shù)據(jù)的不斷驅動，ECS實例的診斷和修復將會越來越精準。

ECS實例的智能診斷

根據(jù)平臺的數(shù)據(jù)統(tǒng)計，用戶在使用ECS實例時主要面臨四大類問題：
（1）實例無法遠程訪問
（2）實例無法啟動/停止
（3）實例性能異常
（4）磁盤擴容未生效

所以，在智能診斷的能力上，我們覆蓋了ECS系統(tǒng)服務、磁盤健康服務、網絡健康服務和Guest OS系統(tǒng)配置等維度，用戶一鍵即可完成實例的智能健康診斷。

ECS實例的自動化修復

在智能診斷完成后，我們還會為用戶提供ECS實例自動化修復方案，在前者定位問題所在之后，自動化修復能夠在1-3分鐘內解決問題，主要完成ECS系統(tǒng)服務修復、網絡問題修復和磁盤修復。

僅僅實現(xiàn)自動化修復是不夠的，我們認為自動化修復還應該是透明合規(guī)的。我們通過運維編排服務OOS提供自動化引擎，通過云助手命令提供GuestOS內的執(zhí)行能力，運維編排服務OOS+云助手命令共同幫助用戶完成自動化修復；同時，我們開源了運維編排服務OOS+云助手命令的代碼，做到一切修復邏輯對用戶可見；一切修復操作還可以通過ECS實例的鏡像、快照和數(shù)據(jù)備份實現(xiàn)回滾；通過阿里云RAM角色控制實現(xiàn)一切權限可控，通過阿里云操作審計ActionTrail實現(xiàn)一切記錄可審計，做到了真正的透明合規(guī)。

3、無人值守背后的AI與數(shù)據(jù)能力

讓我們實現(xiàn)智能診斷和自動化修復的，是冰山下強大的技術支撐——AI+數(shù)據(jù)。依托底層的數(shù)據(jù)中臺，我們完成了包括物理機數(shù)據(jù)、虛擬化數(shù)據(jù)、網絡數(shù)據(jù)、控制面數(shù)據(jù)和GuestOS內數(shù)據(jù)等數(shù)據(jù)的采集、清洗、分析和模型的構建；加上AI算法的不斷調優(yōu)，我們搭建了用戶畫像、決策樹、預測和推薦模型等，從而保證異常診斷和自動修復越加的精準和高效。

?

當前，在整體的ECS自助服務架構中，主要依靠管控監(jiān)控中心實時監(jiān)測日志服務、中間件監(jiān)控、API請求監(jiān)控以及控制臺監(jiān)控和自助診斷的數(shù)據(jù)，通過機器學習引擎實現(xiàn)問題預警和處理，進而驅動運維編排服務OOS實現(xiàn)自動化修復問題。

?

通過這套AI驅動的自服務架構，當前阿里云ECS實時內存異常感知準確率在70%以上，實施預測鏈路延時則控制在100s以內；另外融合專家經驗、案例庫和知識庫，我們構建了一個強大的診斷決策樹，為加快問題的定位和修復提供了強有力的依據(jù)。

近兩年，阿里云彈性計算團隊持續(xù)不斷地投入構建異常行為數(shù)據(jù)集，未來計劃將其演進成為阿里巴巴集團在異常預測上的“ImageNet 數(shù)據(jù)集”并進行開源，希望能為異常預測在業(yè)內的發(fā)展貢獻更大的價值。

?

原文鏈接
本文為阿里云原創(chuàng)內容，未經允許不得轉載。

總結

以上是生活随笔為你收集整理的130 秒揭秘 EDAS 3.0 如何平滑应对突发流量高峰，为您的业务保驾护航的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。