基于人工智能技术的AIOps智能运维系统技术方案

本发明专利技术提供了基于人工智能技术的AIOps智能运维系统，包括AIOps智能运维中心系统、数据中台系统、AI中台系统、技术中台系统、业务中台系统和业务应用系统；智能运维中心系统还额外包含有系统健康度评分模块、根因分析模块、故障预测模块、容量评估模块和智能告警收敛与降噪模块。拉通“一中心四中台”及五层架构的监控运维，用多种形式采集运维相关的日志、监控、性能等数据，拉通前、中、后台的运维接口，实现统一门户的运维集中化管理；合理构建与集团统一AI的租户模式对接能力，合理引用AI模型与算法、计算资源结合当地运维数据，进行AIOps场景模型与集中化AI平台完成训练框架及规范兼容，实现模型服务的共享复用。实现模型服务的共享复用。实现模型服务的共享复用。

【技术实现步骤摘要】
基于人工智能技术的AIOps智能运维系统


[0001]本专利技术涉及运维管理
，具体而言，涉及基于人工智能技术的AIOps智能运维系统。

技术介绍

[0002]AIOps(Artificial Intelligence for IT Operations)，即智能运维，是将人工智能的能力与运维相结合，通过机器学习的方法来提升运维效率。
[0003]在传统的自动化运维体系中，重复性运维工作的人力成本和效率问题得到了有效解决。但在复杂场景下的故障处理、变更管理、容量管理、服务资源过程中，仍需要人来掌控决策的过程，这阻碍了运维效率的进一步提升。而AI方法的引入，使得机器能够代替人来做出决策，从而让真正意义上的实现完全自动化成为了可能。
[0004]随着移动业务的快速增长，以及5G时代的到来，业务请求及渠道日益复杂，如何准确把握应用系统运行状态及健康度提出新的要求；大量的运维监控产生的海量数据存在重大价值，对于如何以数据驱动结合Al算法智能分析，落地AIOps场景提升系统管控能力，是急需补充的能力。
[0005]目前的运维系统存在主要存在以下问题：1.故障定位待优化：云计算、PAAS容器化相关上线后，运维环境越来越复杂，对故障进行定位也越来越困难，当故障发生后，定位故障消耗了很多时间，甚至会超过解决故障所用时长；2.智能运维待优化：智能运维在实际运维应用不足，大部分的运维场景仍靠人工及经验解决，AI应在各运维场景推进有效落地方案；3：运维场景待适应：现场运维场景复杂，数据来源多样，目前的AI模型对现场的运维场景适应性差，常表现为测试效果良好，现场效果较差的情形；4：无法跨域集中分析与运维：无法对跨域、跨平台、跨应用的业务、调用链分析；无法对跨域、跨平台、跨应用的资产资源实现健康监测；监控工具分散、运维工具分散、监控指标分散，监控数据未充分挖掘其价值，监控和运维操作未联动；无PASS双态运维：目前还是传统应用的智能运维，正在对接PASS运维管理、监控与运维协同操作；无法实现跨域、跨平台的监控、健康检测、告警汇聚。没有AIOps的数据采集、数据分析、AI运维场景等智慧运维能力，去驱动各域、各平台的精准化、精细化运维。
[0006]因此我们对此做出改进，提出基于人工智能技术的AIOps智能运维系统以便于解决上述中提出的问题。

技术实现思路

[0007]为了实现上述专利技术目的，本专利技术提供了以下技术方案：
[0008]基于人工智能技术的AIOps智能运维系统，包括AIOps智能运维中心系统、数据中台系统、AI中台系统、技术中台系统、业务中台系统和业务应用系统，所述AIOps智能运维中心系统与数据中台系统之间双向连接传输，智能运维中心系统与AI中台系统之间双向连接传输，智能运维中心系统与技术中台系统之间双向连接传输，业务中台系统和业务应用系
统与AIOps智能运维中心系统之间均为单向连接传输；
[0009]智能运维中心系统还额外包含有系统健康度评分模块、根因分析模块、故障预测模块、容量评估模块和智能告警收敛与降噪模块。
[0010]作为本专利技术的进一步方案，所述智能运维中心系统内部包含有运维数据统一采集服务模块、系统监控服务模块、智能运维服务模块、运维数据分析与管理模块。
[0011]作为本专利技术的进一步方案，所述智能运维中心系统与数据中台系统之间主要进行数据采集与存取，智能运维中心系统内部设有运维数据统一采集服务模块，运维数据统一采集服务模块采集日志、监控、性能等运维数据，其中运维数据包括：日志数据、系统性能指标数据、业务系统资产数据、设备资源资产信息、设备监控与性能数据、数据库监控与性能数据、中间件监控与性能数据和开源软件监控与性能数据；将采集到的数据存储到数据中台系统中并进行处理，智能运维中心系统还可随时调用数据中台系统中的数据，通过运维数据分析与管理模块进行分析和模型训练。
[0012]作为本专利技术的进一步方案，所述技术中台系统具有资源监控、资源调度和分布式缓存管理功能。
[0013]作为本专利技术的进一步方案，所述业务中台系统主要负责将客户中心、销售中心、产商中心和营业中心的性能指标及日志数据传输到智能运维中心系统1中进行检测。
[0014]作为本专利技术的进一步方案，所述系统健康度评分模块工作时，AI中台系统包含有数据预处理模块、异常检测算法模块、自然语言处理模块、树形模型模块、聚类算法模块和模型管理模块。
[0015]作为本专利技术的进一步方案，所述根因分析模块工作时，AI中台系统包含有数据预处理模块、相关性分析算法模块和模型模块。
[0016]作为本专利技术的进一步方案，所述故障预测模块工作时，AI中台系统包含有数据预处理模块、相关性分析算法模块和三次指数平滑算法、树形回归算法和模型管理模块。
[0017]作为本专利技术的进一步方案，所述容量评估模块工作时，AI中台系统包含有数据预处理模块、时间序列预测算法模块、holt
‑
winter算法模块、集成学习算法模块和模型管理模块。
[0018]作为本专利技术的进一步方案，所述智能告警收敛与降噪模块工作时，AI中台系统包含有数据预处理模块、关联分析算法模块、聚类算法模块和分类算法模块
[0019]本专利技术的有益效果：
[0020]1.运维集中管理：拉通“一中心四中台”及五层架构的监控运维，用多种形式采集运维相关的日志、监控、性能等数据，拉通前、中、后台的运维接口，实现统一门户的运维集中化管理；
[0021]2.与AI中台交互能力:合理构建与集团统一AI的租户模式对接能力，合理引用AI模型与算法、计算资源结合当地运维数据，进行AIOps场景模型与集中化AI平台完成训练框架及规范兼容，实现模型服务的共享复用；
[0022]3.全面监控分析：集中各类监控，实现对跨域、各中台、各平台、各系统的业务调用链分析对跨域应用、各中台整体、各中台应用、各平台、各系统的资产资源实现健康监测；完成监控工具、运维工具、监控指标集中管理，进行运维数据分析，充分挖掘价值；
[0023]3.运维AI模型沉淀:合理引用AI模型与算法，结合当地实际情况，对接当地建设算
法和能力，实时抽取本省运维数据行模型训练,让AIOps场景在当地快速进发布与应用，实现具体运维场景落地沉淀，对全量实时数据进行分析预测；
[0024]4.精准运维：实现容器和非容器环境的软硬件资源统一管理；实现跨域、各中台、各平台的监控；实现运维智能化、编排化，结合模型计算，数据分析；落地系统健康度评估、根因分析、故障预测、容量评估等AIOps场景，为运维操作提供AII决策引导，驱动各域、各平台的精准化运维。
附图说明
[0025]图1为本专利技术的结构框图；
[0026]图2为本专利技术在执行系统健康度评分功能的结构框图；
[0027]图3为本专利技术在执行根因分析功能的结构框图；
[0028]图4为本专利技术在执行故障预测功能的结构框图；
[0029]图5为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能技术的AIOps智能运维系统，包括AIOps智能运维中心系统(1)、数据中台系统(2)、AI中台系统(3)、技术中台系统(4)、业务中台系统(5)和业务应用系统(6)，所述AIOps智能运维中心系统(1)与数据中台系统(2)之间双向连接传输，智能运维中心系统(1)与AI中台系统(3)之间双向连接传输，智能运维中心系统(1)与技术中台系统(4)之间双向连接传输，业务中台系统(5)和业务应用系统(6)与AIOps智能运维中心系统(1)之间均为单向连接传输；其特征在于，智能运维中心系统(1)还额外包含有系统健康度评分模块、根因分析模块、故障预测模块、容量评估模块和智能告警收敛与降噪模块。2.根据权利要求1所述的基于人工智能技术的AIOps智能运维系统，其特征在于，所述智能运维中心系统(1)内部包含有运维数据统一采集服务模块、系统监控服务模块、智能运维服务模块、运维数据分析与管理模块。3.根据权利要求1所述的基于人工智能技术的AIOps智能运维系统，其特征在于，所述智能运维中心系统(1)与数据中台系统(2)之间主要进行数据采集与存取，智能运维中心系统(1)内部设有运维数据统一采集服务模块，运维数据统一采集服务模块采集日志、监控、性能等运维数据，其中运维数据包括：日志数据、系统性能指标数据、业务系统资产数据、设备资源资产信息、设备监控与性能数据、数据库监控与性能数据、中间件监控与性能数据和开源软件监控与性能数据；将采集到的数据存储到数据中台系统(2)中并进行处理，智能运维中心系统(1)还可随时调用数据中台系统(2)中的数据，通过运维数据分析与管理模块进行分析和模型训练。4.根据权利...

【专利技术属性】
技术研发人员：王腾，王献春，杨会峰，王占魁，孙辰军，王静，周文芳，遇炳杰，樊京杭，杨钰雪，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：