去哪儿智能监控与故障预测实践

DevOps

2019-05-19 10:00--11:00

背景介绍：
作为运维我们的目标是减少故障发生，保障业务安全稳定的运行. 我们当然希望能提前预测来规避故障，若无法避免的故障最好能做到及时发现和快速修复，尽可能的将人力化用自动化代替也就是我们工作的难点和挑战.

解决思路/成功要点：
从三个问题切入，如何及时发现？如何提前预测？如何快速修复？
提高报警的有效性. 多种手段比如：减少误报闪报无效告警，通过异常检测弥补静态阈值的缺失，明确告警来源和接收人提高人员效率等. 并利用大数据，构建应用拓扑关联关系，分析故障的根因，从而定位故障的根源.

成果：
误报闪报的无效告警量明显减少
应用健康度有助于预测故障的发生
通过应用拓扑关联有助于确定依赖关系，定位根因