用户业务应用增多，，，硬件性能跟不上？？
？

云环境变得复杂，，，
，运维工作量不减反增？？？

运维人力成本日益激增
，，，，技术人才越招越少
？？？

——信服云托管云的AIOps业务全生命周期持续性保障系统来啦！！！！

帮助企业构建实时
、、、持续的保障体系
，，，
，覆盖业务全生命周期场景，，以多层级时序监控对关键指标进行采集与观测，，基于规则预测以及AI预测算法构建故障预测引擎。。
。。

同时，
，围绕业务全生命周期，，，，建立基于AI技术的全栈预测，，，分析以及评估系统，，完成问题自动定位和自动修复闭环，，实现事先风险预防和主动规避，，，保障业务全生命周期的持续性。。。
。

业务全生命周期持续性保障系统能力概览

磁盘故障预测

通过智能采样，，，
，解决故障磁盘的样本不均衡问题
，，并解决时序依赖，，自研小样本场景下基于深度学习的故障预测技术，，捕捉相邻磁盘间的故障传播的模式，，从而实现精准的磁盘故障预测
。。

智能采样

内存ECC预测与隔离

内存ECC告警与隔离

大量CE报错会导致CE风暴，，，，造成系统宕机，，
，
，故需要对其先进行地址隔离，，然后更换内存条，，，，完成处置闭环
。。
。要想做到隔离地址的快速精确，，最好是先对高风险CE地址的进行预隔离，，进而做到内存条物理插槽快速定位
，，方便运维人员及时更换。。另外，，
，，还需要采取持久化隔离，
，，，避免主机重启后隔离失效。。
。。

内存ECC预测

基于机器学习算法，，
，系统对历史特征进行学习
，，，并进行内存失效预测
，，，，提前预警，，，，防患未然。。。。其中主要包括基于CE特征预测CE风暴
、、、、UE等内存故障
，，，
，基于内存性能、、
、电压等指标评估DRAM健康状况，，，使预测结果更准确，，降低误报导致的物料浪费
，，，预测周期1-2小时。。。。

CE风险地址关联分析

CE隔离效果

资源预测

资源预测告警可以展示即将资源耗尽的服务器组、
、资源池、、
、虚拟机。。

CPU、、内存
、、
、存储预测中，，可以看到历史数据和未来趋势，，，以及剩余安全容量、
、预计多少天后将超过安全容量阈值、、、、以及建议扩容容量。
。。。

当资源过剩时
，
，也可基于智能算法对闲置虚拟机进行识别，，，回收对应的资源池或服务器资源。。。

识别闲置虚拟机

未来，
，在故障预测
、、分析与自愈上，，，该系统将完善各个业务场景的故障预测分析工作，，，，根据专家经验的处置决策树设置自动处置闭环
，
，，
，并基于强化学习优化处置策略
。。
。
。

在识别业务特征上
，，，，将识别包含业务性能与不同资源的敏感度、、、业务特定的最佳实践方案等。。。使得业务在故障、、
、亚健康等场景下
，，，能够准确、、快速地定位问题
，，，
，比如帮助后端运维提前感知问题，，
，，及时更换硬件，
，
，，避免因硬件问题引发的业务中断。。
。
。

另外，，，，在硬件亚健康集群的分析上
，，系统可以提供集群版本升级建议，
，，，以及DRS各类调度优化能力，，可以更加准确地针对性地对业务进行优化，
，，一定程度上避免资源浪费。。。。

还可根据托管云硬件故障情况分析硬件故障率，，，，硬件故障变化趋势等信息
，，，
，为硬件导入选型提供事实举证
，，，并结合硬件故障率在数据中心的分布
，，，给仓储备件的分配提供优化建议。。。
。

在托管云上，，借助于业务全生命周期持续性保障系统，，
，用户可以直观地了解当前业务运行健康程度与面临的风险大小，
，提前预测风险，，，并及时处置，
，
，
，从而实现业务的稳定连续运行。。