KI-gesteuerte SLS-Technologie mit innovativen intelligenten Analysefunktionen

AIOps bringt revolutionäre Änderungen bei Betriebs- und Wartungsarbeiten mit sich

Mit der kontinuierlichen Weiterentwicklung der Cloud-Computing-Technologie wächst der Umfang der geschäftstragenden IT-Infrastruktur immer weiter, die Verknüpfungsbeziehungen zwischen verschiedenen Anwendungen werden immer komplexer und es werden große Mengen an Protokolldaten generiert. Die Art und Weise, wie Protokolldaten erfasst, gespeichert, analysiert und verarbeitet werden, ist zu einem wichtigen Indikator für den Grad der Digitalisierung eines Unternehmenssystems geworden. Auch traditionelle IT-Betriebs- und Wartungslösungen stehen bei der Bewältigung dieser Herausforderungen vor großen Schwierigkeiten. Bei DevOps kann es Stunden dauern, ein Problem zu finden, zu vergleichen und zu analysieren. Sie müssen verschiedene Protokolle, Überwachungsdaten und andere zugehörige Informationen überprüfen, um die Grundursache des Problems zu finden. Für SecOps bedeutet die Durchführung einer eingehenden Analyse riesiger Datenmengen, dass sie schnell die Ursachen ermitteln und Anomalien aus Hunderten von Terabytes an Daten finden müssen. Dieser Prozess ist sehr zeitaufwändig und umständlich und erfordert möglicherweise viel Personal und Ressourceninvestition

Um die oben genannten Probleme zu lösen, muss eine neue Generation von AIOps-Lösungen eingeführt werden. Diese Lösung realisiert Automatisierung und Beobachtbarkeit von Full-Stack-Datenverbindungen durch Datenfusionsanalyse und bietet benutzerfreundlichere Berichte und Diagnoseregeln, sodass Sie nur das erhalten, was Sie sehen. Mit Unterstützung der KI-Technologie können Anomalien automatisch effizienter erkannt und Grundursachen schneller lokalisiert werden. AIOps hat revolutionäre Veränderungen bei Betriebs- und Wartungsarbeiten mit sich gebracht

Wie verbessert Log Service SLS die Effizienz?

SLS automatisierte Full-Stack-Datenerfassung

• Beobachtbare Cloud-Infrastruktur Alibaba Cloud Lens: Bietet konto-, regionsübergreifende und einheitliche Erfassung von Betriebs- und Wartungsdaten für Cloud-Produkte und unterstützt die automatische Erfassung von Messungen, Indikatoren, Zugriffsprotokollen und anderen Daten
• Anwendungsbeobachtbarkeit Full-Stack-Beobachtbarkeit: Full-Stack-Datenerfassung, Client-zu-Server, Infrastruktur zu Anwendung, Datenkorrelationsanalyse, über mehrere Datenquellen hinweg, vollständige Analysesyntax, umfassende Kontextunterstützung
• Überwachung des Sicherheitsüberwachungsprotokolls: Es wird automatisch auf mehr als 50 Datenquellen zugegriffen, Diagramme zur Visualisierung der Sicherheitssituation sind integriert, es wird eine Alarmüberwachung für mehr als 100 Sicherheitsregeln bereitgestellt und die Verwaltung mehrerer Konten sowie die konto- und regionsübergreifende Erfassung sind vorgesehen zentraler Speicher

SLS bietet sofort einsatzbereite Berichte und Diagnoseregeln

• In CloudLens integrierte Regeln: umfassende cloudproduktgestützte Betriebs- und Wartungsanalyse, Unterstützung flexibler Abonnementdatenplattformen wie Verbrauchergruppen/API/Grafana
• Vollständig beobachtbare integrierte Alarme: Echtzeitalarme, Ereignisverwaltungssystem, Alarmkonvergenz, anpassbares Dashboard, integrierte Anomalieerkennung und Ursachenanalyse
• Integrierte Sicherheitsregeln: Erfüllen Sie Compliance, MLA, Cybersicherheitsgesetz, DSGVO und andere Standards, integrierte fast hundert Sicherheits-Compliance-Überwachungsregeln

SLS führt ein offenes und kompatibles Datenökosystem ein

• SLS bietet ein offenes und kompatibles Datenökosystem, das mit mehreren Datenquellen und einer einheitlichen Sammlung kompatibel ist.
• SLS ist eine Open-Source-Plattform für die beobachtbare Speicheranalyse. Integrierte serverlose Analysefunktionen, kompatibel mit Open-Source-Engines und -Tools, kompatibel mit Elasticsearch, Kafka, Prometheus, CK und nahtlose Migration in 99 % der Fälle.
• SLS ist die beste Lösung für Offline-Data Warehouses und Data Lakes. Es lässt sich in SIEM von Drittanbietern integrieren, um SecOps-Cloud-Sicherheitsprüfungen bereitzustellen und unterstützt mehrere Alarmbenachrichtigungskanäle.

Grundlegende Modellinnovation für IT-Betriebs- und Wartungsszenarien

Alibaba Cloud Log Service (SLS) hat sich zum Ziel gesetzt, effiziente und beobachtbare Betriebs- und Wartungslösungen zu entwickeln. Mit langjähriger Betriebs- und Wartungserfahrung und der Unterstützung großer Sprachmodelle verbessert SLS seine Wettbewerbsfähigkeit in diesem Bereich weiter. Kürzlich hat SLS ein grundlegendes intelligentes Betriebs- und Wartungsmodell veröffentlicht, das beobachtbare Datenszenarien wie Protokolle, Nachverfolgung und Indikatoren sowie unterstützende Funktionen wie Anomalieerkennung, Textsegmentierungsanmerkung und Analyse von Nachverfolgungsanforderungen mit hoher Latenz abdeckt. Das Modell bietet Plug-and-Play-Funktionen zur Anomalieerkennung, automatischen Anmerkungen, Klassifizierung und Ursachenanalyse. In einer Produktionsumgebung kann die Ursache in Tausenden von Anfragen innerhalb von Sekunden mit einer Genauigkeit von über 95 % lokalisiert werden

Darüber hinaus bietet SLS eine manuell unterstützte Feinabstimmung. Auf der Log-Service-Plattform wird nativ Anmerkungs-Feedback für Protokoll, Metrik und Trace unterstützt, sodass Kunden während der Nutzung schnell Anmerkungen und Korrekturen vornehmen können, um Datensätze zu sammeln, die bestimmte Szenarien erfüllen. Durch die Annotationsfunktionen der Plattform können Kunden hochwertige Betriebs- und Wartungsdatenetiketten von Grund auf sammeln und so unbegrenzte Möglichkeiten für zukünftige Schulungen zu Grundursachendiagnosemodellen bieten. Zukünftig können Kunden Modelle in bestimmten Feldern für ihre eigenen annotierten Daten verfeinern, sie schnell bereitstellen und private Modelldienste erstellen. Diese Funktion unterstützt die automatische Annotation und die manuell unterstützte Feinabstimmung sowie die Korrektur manueller Annotationsergebnisse. Das Modell wird basierend auf manuellem Feedback automatisch feinabgestimmt, um die Szenengenauigkeit zu verbessern

SLS wird zu einem wichtigen intelligenten Assistenten, indem es bei der Generierung von Abfrageanweisungen hilft. Veröffentlichung des großen Alibaba Cloud CloudLens Copilot-Modells zur Unterstützung der Wartung und des Betriebs von Cloud-Einrichtungen. Durch die Übernahme der NL2Query-Technologie, die auf großen Sprachmodellen basiert, um die Abfrageabsichten des Benutzers genau zu verstehen und die Genauigkeit der Abfrageergebnisse zu verbessern, können Abfragen in natürlicher Sprache präzise in SQL-Abfragen umgewandelt und szenariobasiert erstellt werden Wissensgraph, kontinuierliches Lernen, kontinuierliche Optimierung von Modellanpassungen und Aktualisierungen der Wissensdatenbank sowie kontinuierliche Verbesserung der Genauigkeit und Wirkung der Beantwortung von Fragen

Szenariobeispiel: Intelligente Erkennung von Anomalien und Ursachenanalyse

Wir schlagen eine Lösung für Szenarien mit komplexen Aufrufen und Abhängigkeiten im Spieldienstsystem vor. Wir verwenden die Trace-Daten im Dienst, um automatisch Topologiekarten zu generieren und Analysen und Diagnosen von Analysen mit hoher Latenz, hoher Fehlerrate, System-Hotspots und -Engpässen usw. durchzuführen, um die Problemverarbeitungszeit zu verkürzen und die Systemlatenz zu optimieren

Durch die automatisch generierte Topologiekarte können wir die Grundursachen von Anomalien und Leistungsengpässen in umfangreichen Trace-Daten schnell und ohne manuellen Eingriff lokalisieren. Diese Methode kann die Effizienz der abnormalen Lokalisierung in großen verteilten Systemen verbessern und eine Ursachenlokalisierung auf der Ebene von Tausenden von Anfragen pro Sekunde erreichen. In einer Produktionsumgebung kann die Genauigkeit dieser Lösung 95 % erreichen

Intelligentes Betriebs- und Wartungsgrundmodell

Herkömmliche AIOps-Technologien wie Anomalieerkennung und Ursachenlokalisierung weisen die folgenden zwei Hauptprobleme auf:

Der AIOps-Algorithmus umfasst die Konfiguration vieler Schwellenwerte und Regeln. Diese Konfigurationselemente erfordern wiederholte Tests und Auswahl in verschiedenen Geschäftsszenarien. Daher sind die Wartungskosten des Algorithmus relativ hoch und es ist schwierig, ihn mit Änderungen im Geschäftsszenario weiterzuentwickeln
Bei der Konstruktion von AIOps-Modellen werden im Allgemeinen private Domänendaten verwendet, bei denen häufig das Problem geringer Datenmenge und schlechter Datenqualität auftritt. Dies führt zu schlechten Generalisierungs- und Migrationsfähigkeiten des Modells, das häufig in verschiedenen Geschäftsszenarien neu erstellt werden muss

Als Reaktion auf die oben genannten Probleme hat SLS jetzt eine universelle Modellfunktion für intelligenten Betrieb und Wartung auf den Markt gebracht. Wir haben grundlegende Modelle für die Analyse von Protokollen, Tracking-Informationen bzw. Indikatordaten entwickelt und bieten sofort einsatzbereite Algorithmen zur Anomalieerkennung, Ursachenanalyse und automatische Kennzeichnung. Unser Modell ist in der Lage, die Grundursachen von Tausenden von Anfragen in Sekundenschnelle zu lokalisieren, mit einer Genauigkeit von über 95 % in Produktionsumgebungen. Für unterschiedliche Datentypen wählen wir unterschiedliche Aufgaben für das Vortraining aus

Metrisches Basismodell: Kann zur Erkennung von Zeitanomalien, Zeitvorhersagen, morphologischen Erkennungen usw. vorbereitet werden, um intelligentere Inspektionen zu unterstützen
Log-Basismodell: Für Protokollszenarien bietet es umfangreiche LogNER-Funktionen, die beim Extrahieren von Protokollvorlagen mit semantischen Informationen helfen)
Trace-Basismodell: unterstützt die Diagnose von Trace-Daten des OT-Protokolls mit hoher Latenz

Produkte mit domänenspezifischen Basismodellen können ohne umständliche Bereitstellungsprozesse sofort genutzt werden. Sie können sie mit nur einem Klick nutzen und senken so die Hemmschwelle für Kunden, die Grundfunktionen von Log Service zu nutzen. Kunden müssen das Modell nicht in bestimmten Szenarien verfeinern, sondern können einfach das allgemeine Basismodell von Log Service direkt verwenden, um gute Ergebnisse zu erzielen

Das große Modell Alibaba Cloud Lens Copilot unterstützt den Betrieb und die Wartung der Infrastruktur

Alibaba Cloud Intelligent Lens Copilot bietet Unterstützung für die Wartung und den Betrieb von Cloud-Einrichtungen durch leistungsstarke Modelle und löst effektiv die Probleme, mit denen Benutzer in Bezug auf Unkenntnis der SLS-Syntax, mangelnde Kenntnisse im Geschäftsbereich und einen hochwertigen Frage- und Antwortkorpus konfrontiert sind.

• Absicht genau identifizieren: Verwenden Sie die NL2Query-Technologie basierend auf großen Sprachmodellen, um die Abfrageabsicht des Benutzers genau zu verstehen und die Genauigkeit der Abfrageergebnisse zu verbessern
• WYSIWYG-Ergebnisse und -Berichte: Keine Notwendigkeit, komplexe SQL-Sprache und Abfragesyntax zu verstehen, natürliche Sprachabfragen präzise in SQL-Abfragen und visuelle Diagramme umzuwandeln
• Asset-Daten automatisch lernen: Integrieren Sie Asset-Daten und Wissensdiagramme in Alibaba Cloud Lens, lernen Sie kontinuierlich Asset-Daten und optimieren Sie automatisch Modellanpassungen

Zusammenfassung

Mit der Verbesserung der KI-Fähigkeiten werden die intelligenten Analysefähigkeiten von SLS umfassend verbessert. SLS zielt darauf ab, Daten und Algorithmen zu nutzen, um AIOps-Innovationen mit den folgenden Vorteilen zu unterstützen:

• Einfach zu bedienen

Kunden können auf der Log Service-Konsole problemlos Funktionen wie die Erkennung von Indikatoranomalien, die intelligente Wortsegmentierung von Protokolltext und die Diagnose von Trace-Links mit hoher Latenz nutzen, sodass Kunden die Allgegenwart von Modellen erleben können

Grundlegende Modelle in bestimmten Bereichen wurden im Voraus vorbereitet und können direkt verwendet werden, wodurch der langwierige Bereitstellungsprozess entfällt und Sie nur einmal klicken müssen, um zu starten

Das diesmal eingeführte große Sprachmodell in bestimmten Bereichen kann die Schwelle für Kunden, die Grundfunktionen des Protokolldienstes zu nutzen, erheblich senken, sodass das große Sprachmodell bei der Generierung von Abfrageanweisungen helfen und zu einem wichtigen intelligenten Assistenten werden kann

• Flexibilität

1. Kunden müssen das Modell nicht in bestimmten Szenarien optimieren. Sie müssen lediglich das allgemeine Basismodell verwenden, das von Log Service bereitgestellt wird, um gute Ergebnisse zu erzielen

Auf der Log-Service-Plattform werden die Anmerkungs- und Feedbackfunktionen von Log, Metric und Trace nativ unterstützt, sodass Kunden während der Nutzung schnell Anmerkungen machen und Datensätze sammeln können, die bestimmte Szenarien erfüllen.

Skalierbarkeit

Mit der leistungsstarken Rechenleistungsunterstützung von Alibaba Cloud kann das von Log Service bereitgestellte allgemeine Grundmodell eine schnelle Erweiterung und Servicemigration erreichen

In Zukunft werden Kunden die Möglichkeit haben, domänenspezifische Modelle zu verfeinern und sie schnell parallel bereitzustellen, um private Modelldienste zu erstellen

Originallink: https://developer.aliyun.com/article/1396326?utm_content=g_1000386345

Bitte kopieren oder drucken Sie diesen Artikel nicht erneut. Dieser Artikel ist der Originalinhalt von Alibaba Cloud und darf nicht ohne Genehmigung reproduziert werden

Das obige ist der detaillierte Inhalt vonKI-gesteuerte SLS-Technologie mit innovativen intelligenten Analysefunktionen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!