张静 - 让运维更智能：大模型时代下京东科技 AIOps 之路

京东科技AIOps整体能力

智能运维体系建设趋势

• 由单一能力向体系化场景演进：建立统一的智能运维管理平台，实现以业务为中心的监控管理体系，提高运维管理水平和IT系统运行保障能力。
• 可观测性和根因分析辅助决策：通过数据分析和AI算法对告警进行溯源；基于知识图谱的根因定位，以及异常检测，及早发现风险，辅助运维决策。
• 由被动响应向主动式、智能化：基于专家规则、统计分析、机器学习，对风险进行汇总、溯源、管理和处置，以及基于混沌工程进行稳定性的主动管理。
• 体系化演进阶段：点（具体运维场景能力建设）、线（一类运维场景通用AIOps能力）、面（运维域AIOps平台）、体（全方位智能化，融合混沌工程，实现稳定性主动管理）。

智能运维整体能力

• 业务可观测性：AI赋能运维监控，智能化故障发现与根因定位，快速感知业务健康度，提升运维效率和问题修复效率。
  • 故障发现：多种固定位算法策略灵活组合，基于APM调用链扫描挖掘故障节点关联性；通过NLP日志模板提取技术，基于知识图谱快速定位故障。
  • 故障定位：经验平台化，减少对老专家经验依赖；上下穿透，一站式无需分层分别排查；无阈值监控减少误报，避免漏报；应急处理预案化、提升效率。
• 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，对数据库磁盘空间、表空间以及内存未来使用趋势预测，大促容量预测快速调度，降本增效，精细化运营。
  • 硬件故障预测：标签数据不足够的PULearning半监督学习模式下，引入主动迁移学习，完成故障预测模型的训练；通过时空数据关联增强feature，输入给时间注意力模型，进而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、可扩展能力强；日志处理，实时、海量存储，也可复用客户资源。
• 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

• 指标异常检测：通过统计学习、时序聚类和时序网络算法，融合学习运维专家知识，生成多套运维专家算法组件，基于京东内部历年大促运维经验沉淀，覆盖核心业务交易、基础资源组件监控场景的故障预警。
• 故障定位：基于运维专家知识和算法融合生成式智能故障诊断方案，内置日常业务依赖的应用、主机、容器、宿主机、缓存、数据库、ES、KAFKA、K8S及网络等40+智能故障定位场景。
• 智能文本分析：通过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，保证线上系统稳定性。

京东运维大模型探索应用

• 京东运维大模型：运维专家语料+丰富的可观测指标+Agent执行能力+GPT=京东运维大模型。
• 应用场景一：日常运维运营模型，构建知识库，基于RAG（检索增强生成）框架，通过粗排、精排NLP算法减少“大模型幻觉”可控的自动化执行任务。
• 应用场景二：能力工具agent集成，构建生成式模型，规则集成与融合。

资质证书

• 拥有60余项境内智能运维发明专利，10项智能运维IEEE国际论文。
• 多篇IEEE国际会议论文收录，具体检索地址见原文。

G O P S全球运维大会暨XOps技术创新峰会2024·北京站

• 多项实践成果展示，包括异常检测与智能预测、多场景根因定位等。

高效运维社区DevOps时代

• 感谢大家观看。