用户业务应用增多，
，，
，硬件性能跟不上？
？？？

云环境变得复杂，，运维工作量不减反增？？？？

运维人力成本日益激增
，，，，技术人才越招越少？？
？？

——信服云托管云的AIOps业务全生命周期持续性保障系统来啦！！
！

帮助企业构建实时
、、
、持续的保障体系，，，，覆盖业务全生命周期场景
，，，以多层级时序监控对关键指标进行采集与观测，，，基于规则预测以及AI预测算法构建故障预测引擎。。。。

同时，，，围绕业务全生命周期，，，建立基于AI技术的全栈预测
，
，分析以及评估系统
，
，，
，完成问题自动定位和自动修复闭环，，，实现事先风险预防和主动规避，，，保障业务全生命周期的持续性。。

业务全生命周期持续性保障系统能力概览

磁盘故障预测

通过智能采样
，，，解决故障磁盘的样本不均衡问题，，，，并解决时序依赖
，，，，自研小样本场景下基于深度学习的故障预测技术，，，捕捉相邻磁盘间的故障传播的模式，，，从而实现精准的磁盘故障预测。。。

智能采样

内存ECC预测与隔离

内存ECC告警与隔离

大量CE报错会导致CE风暴，
，，造成系统宕机，，，，故需要对其先进行地址隔离，，然后更换内存条，，完成处置闭环。。。要想做到隔离地址的快速精确，
，，，最好是先对高风险CE地址的进行预隔离，，进而做到内存条物理插槽快速定位，，
，方便运维人员及时更换。。。。另外，，还需要采取持久化隔离，，避免主机重启后隔离失效。。。。

内存ECC预测

基于机器学习算法，，，，系统对历史特征进行学习
，，
，，并进行内存失效预测，，，提前预警，，，防患未然。
。。其中主要包括基于CE特征预测CE风暴、、UE等内存故障，，，，基于内存性能
、、、、电压等指标评估DRAM健康状况
，，，使预测结果更准确，，，降低误报导致的物料浪费
，，，预测周期1-2小时。
。。。

CE风险地址关联分析

CE隔离效果

资源预测

资源预测告警可以展示即将资源耗尽的服务器组、、、资源池、、虚拟机
。。。
。

CPU、、、内存、
、、存储预测中，
，可以看到历史数据和未来趋势，，，，以及剩余安全容量、、预计多少天后将超过安全容量阈值、、、、以及建议扩容容量。
。

当资源过剩时
，，，
，也可基于智能算法对闲置虚拟机进行识别，，
，回收对应的资源池或服务器资源。。。。

识别闲置虚拟机

未来，，，，在故障预测
、、、分析与自愈上，，该系统将完善各个业务场景的故障预测分析工作，，，，根据专家经验的处置决策树设置自动处置闭环，，，并基于强化学习优化处置策略。。

在识别业务特征上，，将识别包含业务性能与不同资源的敏感度、、、、业务特定的最佳实践方案等。。。使得业务在故障、、、亚健康等场景下
，
，
，能够准确、
、、快速地定位问题
，，，，比如帮助后端运维提前感知问题，
，
，，及时更换硬件
，，
，，避免因硬件问题引发的业务中断。。。
。

另外，，，在硬件亚健康集群的分析上，，系统可以提供集群版本升级建议，，，以及DRS各类调度优化能力，，可以更加准确地针对性地对业务进行优化，，
，一定程度上避免资源浪费。。
。。

还可根据托管云硬件故障情况分析硬件故障率，
，，，硬件故障变化趋势等信息，，
，为硬件导入选型提供事实举证，，，
，并结合硬件故障率在数据中心的分布，，，，给仓储备件的分配提供优化建议。。
。。

在托管云上
，，，借助于业务全生命周期持续性保障系统，，，，用户可以直观地了解当前业务运行健康程度与面临的风险大小，，，提前预测风险，，，并及时处置，，，从而实现业务的稳定连续运行。。