AIOps探索：AI与人类协作开启IT运维应急响应新模式

AIOps探索：AI与人类协作开启IT运维应急响应新模式

引用

CSDN

1.

https://m.blog.csdn.net/qq_37641528/article/details/142658759

随着信息技术架构的不断扩张和复杂度的急剧攀升，传统的IT运维应急响应方式面临着前所未有的挑战。而AI技术的蓬勃发展为这一领域带来了新的曙光，AI与人类协作的模式正逐渐崭露头角，有望重塑未来IT运维应急响应的新格局。

在智能运维领域，AI与人类协作的模式正逐渐崭露头角。让我们一起探讨未来IT运维应急响应中AI与人类协作的场景。

应急响应场景

核心告警：网络丢包问题

AI运维机器人检测到核心路由器端口丢包率超过阈值，分析发现是突发流量导致。建议限制外部流量峰值，优先保证内部服务带宽。网络工程师立即执行了这一建议。

相关告警：网络带宽告警

外网流量使用率达到95%，带宽即将饱和。AI运维机器人建议启用流量分流策略，减少外部访问的带宽占用。网络工程师迅速执行了这一建议。

相关告警：数据库同步延迟

数据库主从同步延迟达到1.2秒，原因是网络不稳定导致同步阻塞。AI运维机器人建议对主数据库的同步任务进行暂时延迟处理。数据库管理员调整了同步策略，等待网络稳定后再恢复同步进程。

连锁告警：应用性能问题

生产环境应用服务超时，超过20%的请求响应时间超过2秒。初步判断是由于数据库延迟和网络问题。AI运维机器人建议限制应用的重试操作并减少连接池请求。应用管理员减少了重试操作频率，控制了连接池的使用。

次级告警：数据库锁表问题

数据库出现锁表现象，持续时间过长。AI运维机器人建议暂时冻结长时间查询，并通过索引优化提升查询效率。数据库管理员处理了长时间查询，并优化了索引。

次级告警：服务器资源告警

服务器CPU使用率95%，内存使用率90%。AI运维机器人建议调整应用服务的优先级，暂停非核心任务，以释放资源。应用管理员暂停了非关键服务，并监控服务器资源使用情况。

次级告警：安全流量告警

AI运维机器人检测到外部来源IP地址短时间内发起大量请求，初步判断为合法流量激增。安全分析师进一步确认流量情况，确保没有安全威胁。

恢复告警：网络丢包恢复

网络丢包率已恢复至正常水平，带宽使用率下降至70%，流量源已限制。网络工程师继续监控网络状态。

恢复告警：数据库同步恢复

主从数据库同步延迟恢复至100ms，锁表问题已经解决。数据库管理员按计划优化查询。

恢复告警：应用服务恢复

应用服务响应时间恢复至1.5秒，服务器资源使用恢复正常。应用管理员继续监控性能。

恢复告警：安全访问恢复

外部访问流量恢复正常，确认来源IP为合法用户，无恶意攻击行为。安全分析师确认流量安全无虞，安全告警解除。

人工智能时代IT运维应急响应转变分析

AI机器人职能

1. 实时监控与分析：AI可以快速分析大量的告警数据，给出精确的应对方案，减少人为分析的时间。将最新的故障情况实时同步到应急作战室中，减少人为通知的时间。
2. 辅助问答：AI可以快速总结分析进展及过程，当领导关注当前故障处置状况时，可以实时进行总结应答。
3. 故障预判与建议：基于历史故障数据和模型自身知识数据，AI能够给出有效的预判和应对建议，减少了应急团队的分析负担。
4. 自动化响应：可以对某些场景下的告警自动执行操作，如调整带宽、暂停非关键服务、自动化登录主机搜寻故障时段日志并分析日志等。

人类职能

1. 决策与指挥：人类仍然在应急作战中扮演决策者的角色，基于AI的建议快速做出判断。
2. 复杂问题的处理：AI对某些复杂场景（如数据库锁表、应用性能调优等）的建议依赖于人类的执行与优化。
3. 协同与确认：在安全问题和特殊情况处理上，人类的判断力和经验仍然不可替代，需要根据AI的分析作出最终确认。