让运维更智能：大模型时代下京东科技的AIOps之路 - 张静-超级5分钟

智能运维整体能力

业务可观测性

• 故障发现：通过多种固定位算法策略组合及APM调用链扫描挖掘故障节点关联性，利用NLP日志模板提取技术结合知识图谱快速定位故障根源，输出根因报告。
• 系统稳定性：基于机器学习的磁盘/表空间预测提高资源利用率，基于AI算法的硬盘故障预测降本增效。
  • 磁盘/表空间趋势预测：依托京东大数据，利用机器学习、深度学习算法预测数据库磁盘空间、表空间及内存未来使用趋势，实现大促容量预测快速调度。
  • 硬件故障预测：在PULearning半监督学习模式下引入主动迁移学习，结合时空数据关联增强feature，输入时间注意力模型提升硬盘故障预测准确性。

技术底座

• 人工智能：数据挖掘、机器学习、强化学习算法，内部复杂场景训练调优，积累大量负样本标记，专业人员及京东AI团队支持。
• 大数据：京东大数据同款能力，专业、可扩展性强，日志处理实时、海量存储，可复用客户资源。
• 知识图谱：完整度高覆盖新老设备和应用，一张图支撑所有业务，大量内部经验和规则沉淀，专业图计算能力加持。

智能运维Themis平台核心功能

1. 指标异常检测：通过统计学习、时序聚类和时序网络算法，融合运维专家知识，生成多套运维专家算法组件，覆盖核心业务交易、基础资源组件监控场景的故障预警。
2. 智能文本分析：基于Bert预训练等NLP技术，对日志全貌聚类分析，内置K8S、缓存、数据库等多场景专家语料库，从日志角度发现问题。
3. 故障定位：内置40+智能故障定位场景，通过AI训练生成精通运维全场景技术的智能诊断专家，在复杂业务场景中快速定位故障。

生成式运维预训练大模型

• 结合运维领域知识语料与大模型，训练生成式运维预训练大模型，提升运维专家排障可迁移性。
• 海量日志处理，AI算法实时聚类分析。
• 集中管理监控指标，AI算法智能化检测分析。