AIOps

一、AIOps 的第一性原理

1. 运维问题的本质

所有运维问题，本质上都可以归结为三个核心问题：

  1. **系统状态是否偏离稳态**（异常发现）
  2. **偏离由什么因素导致**（根因定位）
  3. **应该采取什么行动恢复或优化系统**（决策与执行）

AIOps 的价值不在于“使用了 AI 算法”，而在于：

通过数据驱动的方式，构建“感知 → 认知 → 决策 → 行动 → 反馈”的闭环系统，将原本依赖人工经验的运维活动，转化为可建模、可自动化、可治理的系统能力。

二、AIOps 的统一系统模型

1. 闭环架构抽象

可观测数据   ↓状态建模   ↓异常识别   ↓根因分析   ↓决策生成   ↓行动执行   ↓反馈学习

这一闭环构成了 AIOps 的最小完备系统。

2. 能力分层模型

层级能力定位核心问题
感知层可观测性系统发生了什么
认知层状态与因果建模为什么会这样
决策层策略与行动建议应该怎么做
执行层自动化操作如何快速执行
治理层人机协同与风险控制是否可信、可控

三、故障发现：从阈值判断到状态识别

1. 问题本质

故障发现的本质，是判断系统状态是否偏离其正常运行分布。

难点不在于“是否有指标”，而在于：

2. 方法论抽象

方法族适用问题思想本质
周期性分析是否存在稳定节律正常即规律
统计边界是否越界稳态分布
异常检测是否偏离群体少数即异常
相似度判断是否与历史一致模式相似性

3. 算法示例（实现层）

算法是可替换的，状态建模思想是稳定的。

4. 多指标联合判断

当系统状态由多个指标共同决定时，单指标告警不再成立。

本质做法是：

通过多信号融合，对“系统状态”进行分类或概率判断。

实现方式包括：

四、问题定位：从相关性到因果性

1. 问题本质

问题定位的本质，是在多维系统中找到“变化的主导因子”。

2. 多维归因分析（相关性层）

方法适用场景核心思想
AttributorKPI 波动分析惊喜度与解释力
Divisia贡献拆解总量分解
HotSpot拓扑场景Ripple Effect

这些方法解决的是：

“哪些维度最可能与问题相关”

3. 因果推断（因果层）

在复杂调用链中，仅靠相关性无法定位根因。

方法解决问题
倾向得分匹配消除选择偏差
双重差分干预效果评估
工具变量隐变量干扰

因果推断的引入，标志着 AIOps 从“经验驱动”迈向“科学决策”。

4. 重复问题识别

通过历史故障特征建模，实现：

已知问题的快速复用与自动化处置

本质是：

五、容量预测：从经验预估到模型驱动

1. 问题本质

容量问题的本质，是在不确定性下进行资源配置决策。

2. 流量预测（时间维度）

预测的不是“精确值”，而是：

未来状态的概率区间

3. 资源画像（结构维度）

通过回归模型建立：

流量 → 资源消耗的映射关系

这是容量规划的基础模型。

4. 资源分配（决策维度）

资源分配本质是一个优化问题：

可采用：

六、变更管理：从人工检查到智能守护

1. 问题本质

变更是系统不稳定性的主要来源。

AIOps 的目标不是“避免变更”，而是：

降低变更的不确定性风险。

2. 核心能力抽象

能力作用
自动指标检查降低人工成本
对照分析识别异常波动
依赖影响分析防止级联故障
统计显著性检测量化风险

七、智能决策：人机协同的关键一环

1. 决策的本质

智能决策不是“替代人”，而是“增强人”。

2. 决策模式分级

级别说明
L1决策建议（人工执行）
L2半自动执行（人工确认）
L3全自动闭环

3. 治理与可信性

任何自动化决策都必须具备：

否则，AIOps 将成为系统性风险来源。

八、总结：AIOps 的长期价值

真正成熟的 AIOps，关注的是：

关联内容（自动生成）