11月16日，
，OFweek第七届人工智能产业大会暨行业年度颁奖典礼在深圳举办。
。。博耀AIOps技术凭借在人工智能领域的实力和优势，，，，获得维科杯 · OFweek 2022 人工智能行业“技术突破奖”。。。当天，，，，博耀高级研发技术专家易佳受邀出席大会
，
，
，
，发表《桌面云场景下的AIOps技术实践》的演讲，，介绍了桌面云运维遇到的挑战，
，，以及如何利用AIOps简化桌面云运维等内容
。
。。
。

桌面云运维面临诸多挑战 

近年来，，，桌面云为数字化办公提供了有力支撑。。与此同时
，，桌面云也容易面临第三方软件兼容性、、
、、蓝屏、、、木马、
、应用卡慢、
、响应延迟等问题，，这些问题的背后暴露出来的可能是私有云资源不足、、、、硬件故障难以定位、、、、网络故障等深层次问题。。。

为此，
，
，，博耀提出了AIOps 智能运维一体化技术方案。。
。该方案通过采集桌面云的日志、
、、链路和指标数据，，执行故障预测、、
、、异常检测、、、
、关联推理等算法，，，为用户提供智能分析服务。
。。

“AIOps的数据采集引擎基于Golang实现了插件化探针，，，，支持采集Windows
、、Linux、、Docker等多类指标数据，
，可以跨平台、
、、、多应用地进行动态采集，，，，也支持Prometheus协议和导出，，，在数据采集上实现了高效和可扩展。。。”易佳补充。
。。

历经三次迭代，，
，打造更优运维体验

易佳介绍
，，
，，随着用户诉求和用户体量的的不断变化
，，
，博耀AIOps数据模型与AI框架演进了三个版本。。

第一个版本适用于小规模用户，，是一套轻量级监控分析系统，，
，支持时序数据、、、、告警数据、、、统计分析和容器化部署，，，
，也支持主机
、
、虚拟机数据采集做简单AI分析，，，但是DB/存储与业务耦合严重，，
，算法效果难保障，，，
，难以支撑大规模虚拟机接入。。

第二个版本是轻量级AIOps引擎，，，支持OpenAPI和数据统一调度
，，引入缓存机制，，，实现了存算分离
。
。。但OpenAPI
、
、Requests Handler和Prometheus容易遇到瓶颈，
，，导致体验欠佳。
。

从第三个版本开始，，，，博耀打造了全栈的AIOps引擎。。。在该版本中，
，面对数据上报的性能瓶颈问题，，
，，抽象数据接口，，
，实现Requests Handler负载均衡；其次是设计了投递分级，
，，，内存磁盘双对列的模式，，，为低优先级数据设立单独通路，，，，可以优先保障高优先级数据入库；同时，，，设计了多级分表，，
，，优化了数据结构，，，这样可以保留横向扩展能力。。。

另外，，为了平衡实时性与准确度
，，，，减少重复数据，，
，AIOps可以按采集指标区分不同采集周期
，，，
，例如设定10s采集一次CPU，，，20s采集一次memory；服务器型号、
、、、磁盘大小等静态数据尽量只采集一次。
。。
。

最后
，，，
，针对多维异构数据进行了冷热分层处理，，，冷数据存档供AI离线分析和模型训练，
，热数据实时监控和展示。
。。

在AI算法方面，，，易佳介绍，，，，“桌面云AIOps算法包括基于bagging策略的分段线性回归算法、
、、、基于网格搜索的缩扩容模型、、基于资源约束算法和贪心策略的虚拟机新增模型、、、基于时间序列特征提取和随机森林的闲置资源识别模型等”，，，，基于这些算法，，
，，最终形成了包含AIOps算法、
、
、AI调度决策、、
、OpenAPI
、、数据管理、、、
、服务化等功能在内的AIOps基础结构。。

AIOps 实践与落地效果

易佳表示，，，AIOps可以快速识别出卡慢故障等异常问题
。。。。通过引入50多个规则
、、、、采集800多个维度数据，，，实现20多个机器学习算法，，诊断出30+核心卡慢场景。。。
。AIOps的监测分析能力已经能够全方位地支撑大盘
、、集群、、、主机
、、虚拟机、、、、网络
、
、存储、、
、、应用软件全栈监控与分析
。。。

在算法效果上
，，桌面云卡慢/故障异常检测准确率达到87%。。。实施卡慢缓解建议后，，约有47%的问题能够得到明显缓解，，
，AIOps的智能诊断能力，，，，可以覆盖桌面云65%的已知资源卡慢问题
。。。。

易佳最后总结，，AIOps未来会增加更多的反馈和模型的自更新机制，，，
，实现多业务场景的覆盖。。。同时，，，基于业务画像和运维知识图谱，
，实现精细化故障诊断，，打造让用户满意的产品体验。。