• 监控系统实战-12-indicator 指标 + rule 规则
  指标 所有的数据都可以认为是指标：sql / 日志 / prome / cat / net / … SQL 指标 basic: 业务域+应用名+名称+标签+remark 核心 数据源：初期可以配置，手动输入。 API: 后续可以考虑 cmdb 动态维护，比较难实现。 属性 调度时间：cron fixed 下次执行时间 执行时间 offset 预执行 提前执行，验证正确...
  2018-11-25 01:14:43 | Devops
• 监控系统实战-11-RCA 根本原因分析(Root Cause Analysis) 如何实现？整体的思路
  整体的思路 最好的方式是基于图数据库 cmdb + 图数据库(neo4j) + 逻辑推断（权重）+报警结合 切为子图 ui ==》接口==》实现 关系 资源 + 机器 + 报警 关系 app -- 资源 --- 机器 -- 报警 app 和其他资源 app -- database | | redis 底层对应的 vm / phy 等物理资源。 异常过滤 聚集性的...
  2018-11-25 01:14:43 | Devops
• 监控系统实战-11-RCA 根本原因分析(Root Cause Analysis) 如何实现？AIOps在小红书的探索与实践——故障定位与诊断
  背景 1.1 AIOps是什么？ AIOps（Artificial Intelligence for IT Operations），是基于已有的可观测和运维数据(指标、Trace、变更、日志、告警等)，通过机器学习相关算法进行数据分析与决策，来解决运维工具没办法解决的问题，让运维相关工作从工具化过渡到智能化。 随着整个互联网业务急剧膨胀，以及服务类型的复杂多样，基于人为指定规则的专家系...
  2018-11-25 01:14:43 | Devops
• 监控系统实战-11-RCA 根本原因分析(Root Cause Analysis) 如何实现？亿级vivo 故障定位平台的探索与实践
  一、背景介绍 1.1 程序员的困扰 作为一名IT从业人员，比如开发和运维，多少有过类似的经历：睡觉的时候被电话叫醒，过节的时候在值班，游玩的时候被通知处理故障。 作为一名程序员，我们时时刻刻都在想着运用信息技术，为别人解决问题，提升效率，节省成本。 随着微服务架构的快速发展，带来一系列复杂的调用链路和海量的数据。 对于我们来说，排查问题是一个大挑战，寻找故障原因犹如大海捞针，需要花...
  2018-11-25 01:14:43 | Devops
• 监控系统实战-11-RCA 根本原因分析(Root Cause Analysis) 如何实现？如何快速定位异常？去哪儿网根因分析实践攻略
  一、背景 随着去哪儿网业务的发展和微服务架构的普及，公司内微服务的拆分粒度越来越细，导致服务间的调用错综复杂。 比如机票和酒店的下单场景，就会涉及到成百上千个应用的调用，而当此类场景出现异常产生报警甚至产生故障时，对开学同学来说查找并定位问题是个很大的挑战。 去哪儿网构建了自己的 APM 系统，包括监控(metric)、日志(logging)和调用链路(Tracing)，帮助开发同学定...
  2018-11-25 01:14:43 | Devops
• 监控系统实战-11-RCA 根本原因分析(Root Cause Analysis) 如何实现？阿里本地生活EMonitor根因分析大揭秘
  阿里本地生活EMonitor根因分析大揭秘 阿里集团针对故障处理提出了“1/5/10”的目标– 1 分钟发现、5 分钟定位、10 分钟恢复，这对我们的定位能力提出了更高的要求。 EMonitor 是一款集成 Tracing 和 Metrics、服务于饿了么所有技术部门的一站式监控系统，其覆盖了 前端监控、接入层监控； 业务 Trace 和 Metric 监控； 所有的中间件监控； ...
  2018-11-25 01:14:43 | Devops
• 监控系统实战-10-RCA 根本原因分析(Root Cause Analysis)
  根本原因分析 根本原因的分析 根本原因分析（RCA）是一项结构化的问题处理法，用以逐步找出问题的根本原因并加以解决， 而不是仅仅关注问题的表征。 根本原因分析是一个系统化的问题处理过程，包括确定和分析问题原因，找出问题解决办法，并制定问题预防措施。 在组织管理领域内，根本原因分析能够帮助利益相关者发现组织问题的症结，并找出根本性的解决方案。 根本原因分析的应用 组织的多数疑难杂症...
  2018-11-25 01:14:43 | Devops
• 监控系统实战-09-什么是风险？什么又是报警呢？
  核心理念 AI 不谈。谈一下专家规则。 风控 比如功能+黑名单+限额限次 这些是比较固定的。 规则比如交易频次同比之类的差异过大等等 报警 报警也是类似的。 比如有 Exception 的 ERROR 日志，请求等波动比例。都可以认为是异常， 服务不可用，交易量跌 0 等等。 整体流程 数据的源头===》指标 风险识别==》规则 对应的策略：通过/拒绝/报警/验证/处...
  2018-11-25 01:14:43 | Devops