蜂鸟时序数据库-12306撞库数据

对于向下钻取时的指标分析，是通过不同属性的TAG组合，通过指标组合，看哪个指标组合偏差更大，从而缩小范围。

另外，避免通过比较各个维度的异常分数来猜测根本原因，误差偏差较大。 在我们的实际体验中，异常指标的下钻效率要高于异常评分。

容量预测

对于业务场景蜂鸟时序数据库，希望能够准确预测支撑业务的机器和资源需求，减少资源浪费。

容量预测的本质是容量趋势预测。 单机行为具有时序一致性，业务形态本身也具有周期性。 虽然业务在过程中会发生一些变化，但整体的业务形态不会发生变化。 可以预测或观察单台机器的容量，也可以预测系统容量的趋势。 通过容量预测，可以调整单个应用集群和整个链路的容量和限流值，知道整个机房或整个链路的容量上限。 未来会调用容器平台进行资源调度。

容量预测的基本逻辑：通过单机容量预测的行为，在线进行快照对比，调整优化点。

每个应用程序、服务、其关键路径的 TPS 或总 TPS 作为通用模型输入。 为关键路径拍摄快照。 比如下单场景，采集指标快照，进行结构化。 通过快照和预测进行学习和修正，最终得到收敛效率高的结果。

目前的预测区间为T-1，错误率不超过8%。

容量预测的好处：单个应用集群和整条链路的容量调整，限流调整。 同时，根据场景预测，评估单个应用的容量，以及整个机房或整个链路的容量上限，进而调用容器平台的调度能力进行横向和垂直扩张和收缩。 目前近似实时的伸缩还在研发中。 主要问题是平衡在线流量和容量比例，降低稳定性风险。 Tidal能力已经通过粗粒度的调度实现，比如晚上关闭部分应用，把容器资源调度给其他业务，早上五六点拉回来，重启，再执行业务。

CSDI

首脑

第04部分

如何评估 AIOps 收益指标

任何业务的本质都是收入和投入产出比，那么如何评价AIOps的收入衡量是关注的核心。

AIOps成本效益分析视角

CSDI

首脑

第05部分

概括

基础设施上云后，从稳定性的角度来看，SRE更多的是用数据和算法来挖掘和优化点。 本文提到的根因分析和容量预测是基于数据系统的构建。

关于作者

刘岩蜂鸟时序数据库，阿里巴巴高级架构师。 2018年开始负责饿了么SRE工具的开发。 之后在阿里本地生活担任安全生产负责人，负责中国台湾、蜂鸟、外卖、零售、基建的稳定工作。 同时成立了技术风险部，重点关注基础运维、高可用、资金安全、通用风险等。 多年担任双11战队队长。 几年来，他主导了基础运维体系的改造，从0-1构建了阿里巴巴本地生活科技风险体系。 在不同的技术风险领域，运用不同的算法能力，他会有不同的结果，重塑运营能力。

会议/会议/返回/回顾

参与企业：微软、阿里巴巴、小米、腾讯、华为、360、平安集团、渣打银行、招商银行、招商银行、随行随行、易方达、阳光科技、乐融软件、广州银联、穆迪信息、拍拍贷、宇信集团、途纳金融、天威资讯、萨摩耶、招商证券、国信证券、陆金所、广发基金、中国银联、恒天软件、天洋宏业、中书通、电信规划设计院、oppo、步步高、vivo、爱立信、百富电脑、厦门航空、福建联迪、恒大物联网、星网视易、升腾科技、视锐电子、飞利浦、金山软件、金山游戏、Autodesk、顺丰速运、深信服、yy、虎牙资讯、珠海健康云、优视科技（UC）52TT 、21cn、凯米网络、苏州耕云无忧、ADmaster、博思软件、网速科技、珍爱网、金蝶、唯品会、大宇无限、华讯网络、传讯数码、无限极、云玩信息、珠海网银 o、上海变研红、同盾科技、杭州顺网、蓝岭软件、诚意科技、长园深锐、中南民航、远光软件、中国移动、中国电信、中国联通、物理研究所、深圳研究院等。

特别感谢

精华/颜色/推荐/推荐

+

+

+

+

受到推崇的