用戶業務應用增多，硬件性能跟不上？

云環境變得復雜，運維工作量不減反增？

運維人力成本日益激增，技術人才越招越少？

——信服云托管云的AIOps業務全生命周期持續性保障系統來啦！

幫助企業構建實時、持續的保障體系，覆蓋業務全生命周期場景，以多層級時序監控對關鍵指標進行采集與觀測，基于規則預測以及AI預測算法構建故障預測引擎。

同時，圍繞業務全生命周期，建立基于AI技術的全棧預測，分析以及評估系統，完成問題自動定位和自動修復閉環，實現事先風險預防和主動規避，保障業務全生命周期的持續性。

業務全生命周期持續性保障系統能力概覽

磁盤故障預測

通過智能采樣，解決故障磁盤的樣本不均衡問題，并解決時序依賴，自研小樣本場景下基于深度學習的故障預測技術，捕捉相鄰磁盤間的故障傳播的模式，從而實現精準的磁盤故障預測。

智能采樣

內存ECC預測與隔離

內存ECC告警與隔離

大量CE報錯會導致CE風暴，造成系統宕機，故需要對其先進行地址隔離，然后更換內存條，完成處置閉環。要想做到隔離地址的快速精確，最好是先對高風險CE地址的進行預隔離，進而做到內存條物理插槽快速定位，方便運維人員及時更換。另外，還需要采取持久化隔離，避免主機重啟后隔離失效。

內存ECC預測

基于機器學習算法，系統對歷史特征進行學習，并進行內存失效預測，提前預警，防患未然。其中主要包括基于CE特征預測CE風暴、UE等內存故障，基于內存性能、電壓等指標評估DRAM健康狀況，使預測結果更準確，降低誤報導致的物料浪費，預測周期1-2小時。

CE風險地址關聯分析

CE隔離效果

資源預測

資源預測告警可以展示即將資源耗盡的服務器組、資源池、虛擬機。

CPU、內存、存儲預測中，可以看到歷史數據和未來趨勢，以及剩余安全容量、預計多少天后將超過安全容量閾值、以及建議擴容容量。

當資源過剩時，也可基于智能算法對閑置虛擬機進行識別，回收對應的資源池或服務器資源。

識別閑置虛擬機

未來，在故障預測、分析與自愈上，該系統將完善各個業務場景的故障預測分析工作，根據專家經驗的處置決策樹設置自動處置閉環，并基于強化學習優化處置策略。

在識別業務特征上，將識別包含業務性能與不同資源的敏感度、業務特定的最佳實踐方案等。使得業務在故障、亞健康等場景下，能夠準確、快速地定位問題，比如幫助后端運維提前感知問題，及時更換硬件，避免因硬件問題引發的業務中斷。

另外，在硬件亞健康集群的分析上，系統可以提供集群版本升級建議，以及DRS各類調度優化能力，可以更加準確地針對性地對業務進行優化，一定程度上避免資源浪費。

還可根據托管云硬件故障情況分析硬件故障率，硬件故障變化趨勢等信息，為硬件導入選型提供事實舉證，并結合硬件故障率在數據中心的分布，給倉儲備件的分配提供優化建議。

在托管云上，借助于業務全生命周期持續性保障系統，用戶可以直觀地了解當前業務運行健康程度與面臨的風險大小，提前預測風險，并及時處置，從而實現業務的穩定連續運行。