面向云原生的智能运维架构和关键技术

doi:10.11959/j.issn.1000-0801.2020320

电信科学 ›› 2020, Vol. 36 ›› Issue (12): 105-112.doi: 10.11959/j.issn.1000-0801.2020320

面向云原生的智能运维架构和关键技术

薛龙,陆钢,周奇,张会炎,万亭君

中国电信股份有限公司研究院，广东广州 510630

修回日期:2020-12-08 出版日期:2020-12-20 发布日期:2020-12-23
作者简介:薛龙（1989- ），男，中国电信股份有限公司研究院工程师，主要从事行业数字化技术、云原生、智能运维及相关人工智能算法研究工作|陆钢（1978- ），男，中国电信股份有限公司研究院企业运营支撑中心副主任、教授级高级工程师，主要从事行业数字化、云计算、物联网、5G网络及应用研发工作|周奇（1992- ），男，中国电信股份有限公司研究院工程师，主要从事行业数字化技术、5G网络及应用相关研发工作|张会炎（1990- ），男，中国电信股份有限公司研究院工程师，主要从事行业数字化技术、5G和IT系统平台研发工作|万亭君（1996- ），女，中国电信股份有限公司研究院工程师，主要从事行业数字化技术、云原生、IT系统平台研发等工作
基金资助:
国家重点研发计划基金资助项目(2018YFB1802400)

Cloud native intelligent operation and maintenance technology

Long XUE,Gang LU,Qi ZHOU,Huiyan ZHANG,Tingjun WAN

Research Institute of China Telecom Co.,Ltd.,Guangzhou 510630,China

Revised:2020-12-08 Online:2020-12-20 Published:2020-12-23
Supported by:
The National Key Research and Development Program of China(2018YFB1802400)

摘要/Abstract

摘要：

凭借应用简单快捷、部署应用轻松自如、运行应用按需伸缩等优点，云原生技术得到迅速推广。但随着云原生的应用，系统架构愈加复杂，资源规模愈加庞大，迫切需要更加智能化的运维。利用智能运维，可以更好地助力云原生的应用开发，降低运维成本，提高服务质量。分析了智能运维的应用场景、关键点、经典实践以及存在的问题，提出了一种面向云原生的智能运维架构，详细介绍了核心服务算法平台中趋势预测、数据异常检测和故障定位诊断3个场景主要原理，最后展望智能运维未来。

关键词: 云原生, 智能运维, 微服务, 容器

Abstract:

Relying on the advantages of simple and fast applications,easy deployment of applications,and on-demand scaling of running applications,cloud native technology has been rapidly promoted.However,with the application of cloud native,the system architecture has become more complex and the scale of resources has become larger,and there is an urgent need for more intelligent operation and maintenance.Using intelligent operation and maintenance can better assist cloud-native application development,reduce operation and maintenance costs,and improve service quality.The application scenarios,key points,classic practices and existing problems of intelligent operation and maintenance were analyzed,and a cloud-native intelligent operation and maintenance architecture were proposed,and the main principles of the three scenarios:the trend prediction,data anomaly detection and fault location diagnosing in the core service algorithm platform were introduced in detail,and finally the future of intelligent operation and maintenance were looked forward.

Key words: cloud native, AIOps, micro service, container

中图分类号:

TP309

薛龙,陆钢,周奇,张会炎,万亭君. 面向云原生的智能运维架构和关键技术[J]. 电信科学, 2020, 36(12): 105-112.

Long XUE,Gang LU,Qi ZHOU,Huiyan ZHANG,Tingjun WAN. Cloud native intelligent operation and maintenance technology[J]. Telecommunications Science, 2020, 36(12): 105-112.

图/表 4

表1

图1

图2

图3

参考文献 12

[1]	黄伟 . 基于机器学习的AIOps技术研究[D]. 北京:北京交通大学, 2019.
	HUANG W . Research on AIOps technology based on machine learning[D]. Beijing:Beijing Jiaotong University, 2019.
[2]	谌力 . 智能运维 AIOps:数据与场景的突破[J]. 新金融世界, 2018(8): 42-43.
	CHEN L . Intelligent operation and maintenance AIOps:breakthroughs in data and scenarios[J]. New Financial World, 2018(8): 42-43.
[3]	凌政, 安藤 . AIOps 平台建设和实践[J]. 网络安全和信息化, 2020,46(2): 70-71.
	LING Z , AN T . AIOps platform construction and practice[J]. Network Security and Information, 2020,46(2): 70-71.
[4]	季莹, 赵志远, 章继刚 . 全流量监控——科来全流量分析实现数据中心智能运维[J]. 网络安全和信息化, 2018,25(5):40.
	JI Y , ZHAO Z Y , ZHANG J G . Full flow monitoring-clarion full flow analysis realizes intelligent operation and maintenance of data center[J]. Network security and information, 2018,25(5):40.
[5]	陆钢, 陈长怡, 黄泽龙 ,等. 面向云网融合的智能云原生架构和关键技术研究[J]. 电信科学, 2020,36(9): 67-74.
	LU G , CHEN C Y , HUANG Z L ,et al. Research on intelligent cloud native architecture and key technologies for cloud- network integration[J]. Telecommunications Science, 2020,36(9): 67-74.
[6]	吉锋, 刘丽霞, 文韬 ,等. 智能运维技术在电信大视频业务中的应用研究[J]. 信息通信技术, 2018(1): 28-34.
	JI F , LIU L X , WEN T ,et al. Research on the application of intelligent operation and maintenance technology in telecom big video services[J]. Information and Communication Technology, 2018(1): 28-34.
[7]	金勇, 罗向军 . 浅谈人工智能运维管理(AIOps)及实践[J]. 环球市场, 2019(15): 316-317.
	JIN Y , LUO X J . Talking about artificial intelligence operation and maintenance management (AIOps) and practice[J]. Global market, 2019(15): 316-317.
[8]	覃进学 . 基于AIoT+AIOps的数据中心智能化运维实现探讨[J]. 数字通信世界, 2020,182(2): 115-115.
	QIN J X . Discussion on the realization of intelligent operation and maintenance of data center based on AIoT+AIOps[J]. Digital Communication World, 2020,182(2): 115-115.
[9]	蔡超, 袁林, 张锡娜 . 集约化宽带服务智能运维体系构建方法[J]. 电信科学, 2017,33(1): 119-129.
	CAI C , YUAN L , ZHANG X N . Method for constructing intelligent operation and maintenance system of intensive broadband service[J]. Telecommunications Science, 2017,33(1): 119-129.
[10]	谭晓敏, 方艾, 金铎 ,等. IPTV用户体验异常的自动化检测[J]. 电信科学, 2019,35(7): 159-164.
	TAN X M , FANG A , JIN D ,et al. Automatic detection of abnormal IPTV user experience[J]. Telecommunications Science, 2019,35(7): 159-164.
[11]	WANG H , ZHANG H . AIOPS prediction for hard drive failures based on stacking ensemble model[C]// Proceedings of 2020 10th Annual Computing and Communication Workshop and Conference (CCWC). Piscataway:IEEE Press, 2020.
[12]	LI Y G , JIANG Z M J , HENG L I ,et al. Predicting node failures in an ultra-large-scale cloud computing platform:an alOps solution[J]. ACM Transactions on Software Engineering and Methodology, 2020,29(2): 1-24.

场景	算法	说明
异常检测	Isolation Forest	孤立森林
	Logistic Regression	逻辑回归
	DNN (deep neural network)	深度神经网算法
	RNN (recurrent neural network)	循环神经网络
	LSTM (long short-term memory)	长短期记忆网络
容量预测	HoltWinters/Arima/ETS	趋势预测
	Random Forest	随机森林
	DNN (deep neural network)	深度神经网算法
	LSTM (long short-term memory)	长短期记忆网络
	SVM (support vector machine)	支持向量机
智能问答	LSTM (long short-term memory)	长短期记忆网络
	TF-IDF	词频-逆文件频率
	Word2vec	自然语言处理
故障诊断	ID3/C4.5/CART	决策树
	MCTS	蒙特卡洛树搜索
指标间关联分析	Pearson/Spearman/Kendall Correlation	相关性分析
事件关联挖掘	FPGrowth	关联规则挖掘
	Apriori

[1]	张海龙, 李博, 贾娜娟. 基于Dijkstra算法的电力光通信网络智能运维设备脱网故障区段定位方法[J]. 电信科学, 2023, 39(1): 92-99.
[2]	王文哲, 安岗, 吴健, 赵文东, 王延刚, 赵云峰, 狄子翔, 顾照杰, 邹贵祥. 一种支持云原生的工业互联网业务管理平台[J]. 电信科学, 2022, 38(Z1): 203-213.
[3]	赵东明. 电信运营商知识图谱技术体系研究及应用实践[J]. 电信科学, 2022, 38(8): 151-162.
[4]	陈楠, 赵建军, 钟平, 黄勇军, 陈天. 基于云原生的分布式物联网操作系统架构研究[J]. 电信科学, 2022, 38(7): 146-156.
[5]	万晓兰, 李晶林, 刘克彬. 云原生网络开创智能应用新时代[J]. 电信科学, 2022, 38(6): 31-41.
[6]	曹磊, 李丽, 胡圣烨, 钟致民, 甘志辉, 董晓冬, 马伯骄, 张涛. 5G能力魔方赋能5G定制网规模化发展[J]. 电信科学, 2022, 38(5): 38-44.
[7]	朱明伟. 网络智能化中的AI工程化技术方案[J]. 电信科学, 2022, 38(2): 157-165.
[8]	吴晓春, 洪晨, 张岳, 张俊楠, 周静静. 基于微服务架构的粒度可变服务功能链映射算法[J]. 电信科学, 2022, 38(12): 11-26.
[9]	程瑞营, 张攀, 肖雨, 乔宇杰, 张安奕. 基于时序数据的云网协同平台人工智能运维体系[J]. 电信科学, 2022, 38(11): 24-35.
[10]	韩赛, 张冬月, 王泽林, 王光全, 李奥, 方遒铿, 马红兵. 跨专业承载网络智能运维研究与应用[J]. 电信科学, 2022, 38(11): 113-122.
[11]	张佳庚, 祝敏, 杜丰, 王齐, 刘俊, 锁志海, 王力. 基于预测的5G网络切片算法[J]. 电信科学, 2021, 37(9): 74-85.
[12]	齐磊, 顾慧琼, 祝好, 陈旭. 5G融合计费系统架构及关键技术[J]. 电信科学, 2021, 37(6): 160-166.
[13]	王速, 卢华, 汪硕, 蔡磊, 黄韬. 智能运维中KPI异常检测的研究进展[J]. 电信科学, 2021, 37(5): 42-51.
[14]	武宇亭, 王旭亮, 全硕. KubeTelecom：一种面向5G网络切片的多云多容器集群管理与运维引擎[J]. 电信科学, 2021, 37(12): 72-83.
[15]	陆钢,陈长怡,黄泽龙,黄泽源. 面向云网融合的智能云原生架构和关键技术研究[J]. 电信科学, 2020, 36(9): 67-74.

面向云原生的智能运维架构和关键技术

Cloud native intelligent operation and maintenance technology

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 12

相关文章 15

Metrics

推荐阅读 0