汽车行业AIOps构建方案
AI的前景
AI技术正在推动企业软件创新，实现智能自动化和垂直整合。随着企业系统规模扩大，AI技术有望应对数字化和云计算带来的技术复杂性和运营风险，实现新一代自主云企业系统。汽车行业面临客户体验压力，卓越体验需求推动行业创新，领先企业通过AI技术挖掘竞争优势。
异常检测和警报
传统监控工具通过指标和基线方法区分正常行为和错误行为，但在微服务架构中，单个故障可能触发大量警报（警报风暴），导致问题根源难以定位。AI技术可减少杂乱警报，实现智能DevOps，通过准确可靠的问题根源分析取代大量杂乱异常警报，并提高创新速度和软件质量。
获取最佳监控数据
实现自动化操作（包括自我修复）需要全面系统可见性，包括应用程序、云基础设施、网络、CI/CD管道和真实用户体验。目前只有5%的应用程序受到监控，目标是获得端到端可见性。数据收集需考虑高保真度（最小采样或无采样）、丰富的上下文信息（指标、元信息）、服务流图和拓扑图，以构建实时拓扑和服务流图。
AI操作及问题根源分析
现代混合多云环境产生海量数据，人力难以监控和解决问题。AI技术使DevOps未来几乎无需人工干预，实现真正的自主云操作（AIOps）。Dynatrace的Davis引擎使用故障树分析，通过应用程序拓扑和服务流图及高保真指标，自动准确确定技术异常的问题根源，并回放问题演变过程。
影响分析和基本问题根源
AI系统需评估问题严重性，包括用户影响、受影响的服务调用和业务影响。基本问题根源包括部署、第三方配置更改和基础设施可用性。通过分析受影响的服务调用、用户/业务影响和CI/CD管道数据，可确定基本问题根源，如CPU饱和状态。
自动修复
基础设施即代码和云协调层为自动化运营和自我修复提供必要因素。软件智能解决方案需与CI/CD、ITOM、工作流程和云技术集成，通过API提供全栈监控、自动异常检测、精准问题根源分析和问题通知，实现复杂自动修复序列。
自动化和系统集成
自动化不仅限于软件操作和自动修复，还包括整个数字价值链和业务流程。AI技术支持的DevOps管道通过“左移”概念，在开发生命周期早期使用生产数据测试新构建版本，加速开发进度。自动化客户服务可自主与受影响用户互动，通过聊天机器人提供解决方案和补偿，确保客户满意度。
