告警本身是轻量级的程序，模型需要对大量的历史数据进行学习，如果存在时效性问题，还是要分清是由什么带来的，如果确实模型训练耗时真的非常严重，建议采用更高配置的GPU服务器。告警收敛需要结合聚类算法和专家经验进行，具体还需要结合应用场景才有意义。...

在我的理解运维工作量大更适合于自动化来解决。ai是解决分析决策效率问题，自动化是解决操作效率问题。aiops应该基于数据，发掘数据，发掘数据价值。手眼心脑，数据是心脏供血，监控是眼发现问题，ai是脑分析决策发指令，自动化是手做事。...

智能运维是一个大的话题，gartner提出将现有的AIOps能力划分为11个类别（可以百度一下），要实现智能运维需要一个体系化的系统建设规划，结合实际需求分应用场景实现，不建议随风涌动。机器学习是实现智能运维中某些场景的技术手段之一，大数据、自动化都是智能运维中不可或缺的手段。...

目前全部是概念阶段，A=B+C，这个等式我比较认同，AI = BigData + Cloud，如果后两者没搞明白，搞AIOPS就是空中楼阁。

aiops是自动化运维的一部分，是这几年随着ai火爆后开始出现的领域，自动化涉及运维操作的方方面面，aiops仅仅是将ai技术应用到现有的ops平台上，一般同时都会结合大数据技术一起使用。

自动化运维是相对于之前的手动运维来定义的，目前自动化可以完成的工作有很多，比如：1.虚拟机的分配，操作系统的安装；2.基础软件的安装部署，如数据库中间件等；3.应用程序的发布与部署；4.日常巡检类。还有更多的工作可以依靠自动化或智能化来完成，比如故障预测、告警自愈等，这些需要引...