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
。。。