11月16日，，，，OFweek第七届人工智能产业大会暨行业年度颁奖典礼在深圳举办。。。芯启时光AIOps技术凭借在人工智能领域的实力和优势，，获得维科杯 · OFweek 2022 人工智能行业“技术突破奖”。。。当天，，芯启时光高级研发技术专家易佳受邀出席大会，，，，发表《桌面云场景下的AIOps技术实践》的演讲
，，，，介绍了桌面云运维遇到的挑战，，
，以及如何利用AIOps简化桌面云运维等内容。
。
。

桌面云运维面临诸多挑战 

近年来
，，桌面云为数字化办公提供了有力支撑
。。。。与此同时
，，桌面云也容易面临第三方软件兼容性、、、蓝屏、、木马、、、、应用卡慢、、响应延迟等问题，
，，，这些问题的背后暴露出来的可能是私有云资源不足、、、硬件故障难以定位、、网络故障等深层次问题。。

为此，，，芯启时光提出了AIOps 智能运维一体化技术方案。。该方案通过采集桌面云的日志
、
、、、链路和指标数据
，，执行故障预测、
、异常检测
、、
、关联推理等算法，，，，为用户提供智能分析服务。。。。

“AIOps的数据采集引擎基于Golang实现了插件化探针，，，支持采集Windows、、、Linux
、、Docker等多类指标数据，
，，可以跨平台、、、、多应用地进行动态采集
，，也支持Prometheus协议和导出，，，
，在数据采集上实现了高效和可扩展。。”易佳补充。。

历经三次迭代，，，，打造更优运维体验

易佳介绍，，
，，随着用户诉求和用户体量的的不断变化，，，
，芯启时光AIOps数据模型与AI框架演进了三个版本。。。
。

第一个版本适用于小规模用户，，，，是一套轻量级监控分析系统
，，支持时序数据
、、
、告警数据、、、、统计分析和容器化部署，，也支持主机、、、虚拟机数据采集做简单AI分析
，，，，但是DB/存储与业务耦合严重，，，算法效果难保障，，
，难以支撑大规模虚拟机接入。。

第二个版本是轻量级AIOps引擎，，，
，支持OpenAPI和数据统一调度，
，，引入缓存机制，，，，实现了存算分离。。但OpenAPI、、、、Requests Handler和Prometheus容易遇到瓶颈
，，导致体验欠佳。。

从第三个版本开始，，，芯启时光打造了全栈的AIOps引擎。。。。在该版本中，
，，面对数据上报的性能瓶颈问题，，，，抽象数据接口，，实现Requests Handler负载均衡
；其次是设计了投递分级，，，内存磁盘双对列的模式，，为低优先级数据设立单独通路
，，可以优先保障高优先级数据入库；同时，，
，
，设计了多级分表，
，优化了数据结构，，，，这样可以保留横向扩展能力。。
。。

另外，，为了平衡实时性与准确度，，，，减少重复数据，，，AIOps可以按采集指标区分不同采集周期，，例如设定10s采集一次CPU，
，20s采集一次memory；服务器型号、、、磁盘大小等静态数据尽量只采集一次。。

最后，，
，
，针对多维异构数据进行了冷热分层处理
，，冷数据存档供AI离线分析和模型训练，，
，热数据实时监控和展示
。。

在AI算法方面
，，易佳介绍，，，“桌面云AIOps算法包括基于bagging策略的分段线性回归算法、、、基于网格搜索的缩扩容模型、
、
、、基于资源约束算法和贪心策略的虚拟机新增模型、
、、基于时间序列特征提取和随机森林的闲置资源识别模型等”，，，基于这些算法，，最终形成了包含AIOps算法、、、AI调度决策、、OpenAPI、
、、、数据管理、、服务化等功能在内的AIOps基础结构。
。
。。

AIOps 实践与落地效果

易佳表示，，AIOps可以快速识别出卡慢故障等异常问题。。。
。通过引入50多个规则、、、
、采集800多个维度数据，，，实现20多个机器学习算法，
，，，诊断出30+核心卡慢场景
。。AIOps的监测分析能力已经能够全方位地支撑大盘、、、集群、、、主机、、虚拟机、、网络、、、、存储
、、应用软件全栈监控与分析
。。。

在算法效果上，，，桌面云卡慢/故障异常检测准确率达到87%
。
。实施卡慢缓解建议后
，，约有47%的问题能够得到明显缓解，，
，AIOps的智能诊断能力，，，
，可以覆盖桌面云65%的已知资源卡慢问题。。

易佳最后总结，，，AIOps未来会增加更多的反馈和模型的自更新机制，
，实现多业务场景的覆盖。
。。。同时，
，，基于业务画像和运维知识图谱，
，，，实现精细化故障诊断，，打造让用户满意的产品体验。
。。