【云駐共創】如何讓機器聽懂我的“警告”？網絡AIOps應用實踐

1、AIOps簡介

AIOps全稱為?Artificial Intelligence for IT Operations，即人工智能IT運維。AIOps平臺利用大數據，現代機器學習和其他高級分析技術，以主動、個性化和動態的見解直接或間接地增強IT操作（監視，自動化和服務臺）的功能。AIOps平臺可以自動在基礎架構和應用程序域之間收集數據，從而在日志、性能警報、故障單，以及其他項目中查找數據。在這個過程中，AI可以自動識別基礎設備、正在運行的應用程序和業務交易，并將其與上下游數據進行關聯。

那如何讓機器通過收集到的日志、性能警報、故障單中的數據識別警告，是實現AIOps的關鍵。

2、AIOps在電信網絡運維實踐

2.1、電信網絡系統運維現狀

目前電信網絡系統運維挑戰：

設備及軟件種類多，安裝部署環境復雜；

網絡拓撲結構復雜，故障傳播鏈長；

牽涉的組織、部門多，閉環難度大；

事故影響大，責任重；

電信網絡系統運維目標：

故障定界、定位：快速定位故障，從故障中恢復；

KPI異常檢測：及早發現、預報事故苗頭；

電信網絡運維有利條件：

日志齊全

命令日志、告警日志、KPI統計數據

可用于構造現網拓撲圖，可挖掘故障，告警間因果關系

文檔豐富

產品文檔、運維文檔、社區經驗共享

可挖掘故障、告警間因果關系

2.2、故障告警根因定界

現狀：

業務專家手工建立因果關系：因果關系是建立在schema的，不是實體上的；

專家人工分析癥狀傳播圖、猜測故障根因、并檢查確認、故障恢復；

期望：

自動發現癥狀間因果關系；

推薦可能根因故障；

長期目標：自動檢查確認、故障恢復；

2.3、KPI異常檢測

2.3.1、固定閾值與時間序列法

網絡運維KPI異常檢測的痛點

指標數量多，人工難以全面控制；

場景變化多，難以自動更新適配；

固定閾值存在告警不準，或者告警遺漏問題；

基于時間序列的異常檢測方法的問題

將時間序列當做上下文的波動曲線；

人工標準的標準無法定義；

給定上下文，業務目標的條件下談異常才有意義；

2.3.2、利用上下文信息

原理：

目標KPI：運維團隊的考核指標，異常條件人工定義；

輔助KPI：根據對目標KPI的直接或間接影響判斷是否異常；

流程：

訓練時，自頂向下為KPI關系圖上的節點建立異常分類器，上層節點為下層節點傳遞監督信息；

檢測異常時，自底向上檢測，底層的異常可能在上層過濾；

KPI數量龐大，可以人工為一些代表性節點建立分類器，其它節點自動生成分類器。

2.4、文本規則知識抽取

針對在電信網絡系統運維中存在的問題，可通過文本規則知識抽取的方法來解決。

2.4.1、會話語義解析

技術特點：

Seq2Tree Deq2Pointer-Generator等模型；

輸出有預定義的Schema；

局限性：

公開數據集與技術文檔差別大

2.4.2、話語表示結構解析

技術特點：

Seq2Seq等模型；

輸出包含時態、模態信息；

局限性：

公開數據集與技術文檔差別大；

標注成本高；

2.4.3、語義依存分析

技術特點：

Seq2Tree、transition-based等方法；

局限性：

對長語句、復雜語句效果不佳；

專業術語對效果影響較大；

2.4.4、采用分治法做語義理解

復合名分割與定義分析：獲取癥狀、條件之間的關系；

短語、實體抽取與語義分析：獲取實體位置、約束；

簡單名語義分析：獲取癥狀類型

2.4.5、復合句分析

挑戰：

同一語句包含多種句法關系

十多種常見句法關系

隱匿句法關系（沒有連接詞）

復雜的語句結構

解決辦法：語句分割

技術方案：

BERT-CRF

SegBot

3、華為AIOps介紹

華為AIOps服務作為網絡AI引擎NAIE的核心能力，提供一系列AIOps原子能力以及組合編排能力，可以靈活適配各類ICT運維業務場景，助力高效快速地實現智能化運維，提升運維工作效率。華為AIOps服務具有3大核心價值。

1）集成電信知識經驗和最佳AI算法實踐的原子能力，覆蓋主流網絡運維業務場景

華為NAIE AIOps服務圍繞故障預測、故障檢測、根因診斷等場景，提供超過20種AI原子能力，覆蓋網絡運維業務大部分流程和運維業務需求，如流量預測、KPI異常檢測、日志異常檢測、CHR異常檢測、異常關聯分析、事件聚合、根因定位等。這些原子能力是基于華為電信網絡知識的積累、高質量的數據樣本，結合最佳算法調測實現，在擁有模型高精度的同時，也有較好的的模型泛化能力。以根因定位為例，AI傳播圖積累多個領域故障傳播規則，覆蓋無線、數通、傳接等場景，只需選定場景，告警自動通過AI傳播關系推理出故障根因。

2）編排框架零編碼快速實現智能運維應用，大屏效果實時可視

NAIE提供的編排框架操作簡單靈活，使用者可選擇業務場景所需的AIOps原子能力，通過可視化方式完成流程串接，只需從組件庫中拖拽數據及原子能力進行組合，即可完成應用場景端到端的圖形化編排。并且，支持進行業務泛化的參數配置，包括數據接入方式、模型參數、內置電信領域泛化參數，真正支撐使用者零編碼、低門檻進行作業，高效構建AI應用。同時，NAIE AIOps的編排框架還提供數據可視化服務，支持輕松按需搭建可視化大屏，其包括豐富的2D/3D可視化組件，如圖表控件、地圖控件、交互控件以及媒體控件等，拖拽式自由布局，快速實現DIY可視化大屏，一鍵預覽，業務結果快速呈現，實現運維應用效果的實時可視。

3）針對典型場景，提供開箱即用的APP

NAIE AIOps服務目前針對運維最常見的業務場景，提供數十個開箱即用的APP，覆蓋運營商網絡、園區網絡、DC網絡、IT應用四大領域。運營商領域，提供跨域故障識別分析、核心網日志異常監測、基站流量預測、無線性能分析等應用；針對園區網絡，提供園區5G設備故障監測、園區網絡智能巡檢、光模塊故障預測等；在DC領域，提供硬盤故障預測、DC PUE優化、供電鋰電故障預測、DC安全智能巡檢等；另外在IT應用領域，提供IT應用健康監控、云服務日志異常監測等智能運維應用。

基于華為NAIE AIOps的智能化應用已經在全球110+局點實現部署和運用，效果明顯。其中，智能檢測系統能夠提前識別網絡故障，助力運營商及早發現問題和進行相關恢復處理，降低業務的影響。數據中心的智能節能方案，通過AIOps服務可以快速完成模型的泛化和方案的部署，在多個數據中心運用中，帶來5%~10%的PUE降低。

華為AIOps服務，沉淀了10+開箱即用的智能APP，覆蓋運營商網絡、園區網絡、數據中心網絡和IT應用等領域，可加速網絡AI應用落地，預集成豐富的AI原子能力，覆蓋故障預測、檢測、診斷、識別等環節。支持用戶零編碼開發AI應用，提升運維效率。

4、華為AIOps主要功能

華為AIOps服務具備如下功能：

4.1、數據采集治理

AIOps預置數據采集治理能力，提供一站式的數據采集、解析、治理等基礎工具鏈，以及智能輔助數據標注能力

4.2、應用流程設計

提供零編碼流程開發能力，針對不同場景，靈活自定義應用流程。

4.3、應用大屏設計

拖拽式自由布局，快速實現DIY可視化，輕松搭建大屏，一鍵預覽。

4.4、應用貨架

沉淀典型應用資產，幫助用戶輕松部署、運行AI應用。

4.5、原子能力擴展

支持用戶導入自定義的AI原子能力，高效擴展應用。

5、華為AIOps亮點優勢

5.1、數據易對接

支持SFTP、Kafka、Rest等通用采集協議，支持華為30類網元、100多種主流設備的自動對接，滿足ICT網絡領域端管云的數據采集需求。

5.2、豐富的AI原子能力

20+原子能力覆蓋預測、檢測、診斷、識別等網絡運維場景，通過100+現網局點驗證，異常識別與故障診斷準確率達90%，并支持用戶自定義擴展。

5.3、開箱即用的AI應用

沉淀數十個經過專家調優與局點驗證的開箱即用APP，用戶只需配置數據源，即可啟動APP運行。免去了應用流程、可視化大屏的設計耗時，將AI應用的開發部署過程縮短到分鐘級。

5.4、零編碼場景化流程編排

基于豐富的原子能力，簡單拖拽式設計APP流程，系統自動完成節點間的數據銜接，并根據原子能力關系，自動推薦下個可能需要的節點，避免了用戶從組件庫中反復篩選驗證的過程，降低AI應用開發門檻。

5.5、可視化大屏按需定制

提供80+的2D/3D可視化組件，輕松DIY出包含趨勢、報表、網絡關系等元素的可視化大屏，通過自定義SQL靈活檢索APP數據。同一APP下的多個大屏，可通過環境變量相互傳參跳轉，將統計呈現與鉆取分析的多個頁面融為一體，有效地提升運維效率。

6、華為AIOps應用場景

6.1、運營商網絡智能運維

在網絡日常監控中，實現KPI的智能異常檢測，并進行異常隱患的預測；對KPI異常、設備告警等多維數據融合分析，智能識別根因網元和故障，推薦故障恢復措施。KPI異常檢測準確率85%，根因識別準確率90%，有效提升運維效率，保障用戶體驗。

6.2、數字園區智能運維

在園區、智慧工廠的5G、WIFI網絡中，采集網絡傳輸、終端設備的性能、告警數據，實現網絡性能智能監控與終端體驗分析，故障提前預測，分鐘級完成故障處理，保障生產設備實時在線，促進產線健康高效生產。

6.3、數據中心智能巡檢

數據中心的網絡規模大、設備布置分散，多廠商新老設備并存，較多設備無法聯網支持在線監控，依賴運維人員定期巡視，效率低下，問題發現不及時。借助設備區域的監控圖像，實施火情、關鍵設備開關與指示燈狀態異常檢測等，實現遠程智能巡檢。

6.4、IT應用健康監控

IT應用監控存在指標多，檢測不準確，故障定界分析耗時等問題，通過采集IT應用日志，集成日志異常檢測、KPI異常檢測和根因定界等AI原子能力，實現接口時延、成功率等指標的實時異常監控，結合服務告警、調用鏈等信息，5分鐘診斷故障根因，提升運維效率。

7、常見問題

7.1、用戶的數據怎么對接到AIOps服務？

可以選擇如下對接渠道：

OBS

數據目錄

本地上傳

更多渠道將陸續上線。

7.2、用戶如何查看輸出結果？

用戶可以通過DLV大屏能力，豐富的圖形化來呈現結果。

用戶可以通過自助運維工作臺，靈活的查詢數據結果。

7.3、用戶如何編排流程？

AIOps提供零編碼流程編排能力，針對不同場景，可視化拖拽式編排：

場景化靈活組合

零編碼，降低開發難度

拖拽式原子流程編排

預置20+原子能力

集成50+通信領域AI算子&項目模板

封裝100+通信領域AI SDK

集成RPA實現數據采集和結果推送

擴展性強

快速集成第三方原子能力

支持自配置數據類型

支持自定義處理腳本/視圖 /記錄集等

7.4、用戶如何制作一個原子能力包？

AIOps提供上傳自定義原子能力包的能力。

首先我們需要了解如何制作一個原子能力zip包，zip包內容和目錄結構必須遵循如圖1所示，否則會上傳失敗。

圖1?zip包內容和目錄結構

表1?原子能力zip包目錄結構

目錄/文件

詳細說明

來源

SampleDatas

存放初始的樣例數據，供用戶體驗上傳，可以為空。

可單擊“應用貨架”，單擊“原子能力列表”頁簽，在“原子能力列表”頁面中單擊“新建”，在彈出的“組件導入”頁面，選擇“配置文件”參數對應的“配置文件樣例下載”獲取。

Others

預留目錄，可以為空。

-

Model

存放通過模型訓練生成的模型包。

通過模型訓練生成模型包的具體步驟請參考快速入門。

metadata.json

原子能力配置文件介紹如下文所示。

可單擊“應用貨架”，單擊“原子能力列表”頁簽，在“原子能力列表”頁面中單擊“新建”，在彈出的“組件導入”頁面，選擇“配置文件”參數對應的“配置文件樣例下載”獲取樣例模板metadata.json。

原子能力配置文件介紹

文件介紹

原子能力描述文件，是AIOps服務提供的配置文件。原子能力按要求配置注冊后，AIOps服務就能準確識別各原子能力（包含原子能力基本信息，原子能力支持的數據結構，原子能力的標注信息，以及AIOps和原子能力之前的通信方式）。

7.5、APP啟動無數據流

APP應用啟動時數據對接連接后卻無數據輸出。原因是“數據對接”內未選擇數據源。

1、創建APP應用的時候未勾選數據源。

2、雙擊“數據對接”，勾選數據源，單擊“確定”。

3、如果數據源是灰色不給選擇，請查看原子能力的輸入數據類型和數據源的輸出數據類型是否相同。

4、選擇正確的輸入輸出類型后，才會產生數據流。

7.6、模板導入失敗

導入模板失敗的原因可能是模板名稱和版本已經存在，或者模板的內部json結構與樣例文件的結構相同。

當上傳名稱已經存在的模板時，模板導入失敗并提示模板名重復。

2. 查看模板內的“templateName”字段名是否已存在與模板列表中

8、成功案例

華為南方工廠

華為南方工廠的5G數字化園區，網絡設備類型多，跨核心網、無線、傳輸多領域。出現故障時，要求分鐘級響應，而人工處理時間達小時級。AIOps為華為南方工廠提供的網絡體驗與故障分析應用，實時采集工廠內跨領域設備的性能與告警數據，通過KPI異常檢測、故障根因識別的AI能力，以及自定義的可視化大屏，實現設備故障分鐘級精確識別與診斷，故障根因主動通知到運維人員，將故障處理周期縮短50%以上，顯著提升了網絡運維效率。

9、總結

AIOps平臺是IT運營的下一代解決方案，IT平臺的復雜度和集成度將繼續以指數級增長，而人的能力相對保持不變，從而變成制約業務發展的內在原因，而AIOps可以真正提升運維效率，提升洞察力，讓運維人員關注真正需要關注的事情-用戶滿意度。

10、其它

本文整理自華為云社區【內容共創】活動第13期。

查看活動詳情：https://bbs.huaweicloud.com/blogs/330939

相關任務詳情：任務10：如何讓機器聽懂我的“警告”？網絡AIOps應用實踐

AI

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。