多元线性回归、决策树、贝叶斯都是非常好用的机器学习算法。首先这几个算法都是监督学习算法，也就是数据需要预先打标签的。我当前还没有使用到这几种算法的原因也是因为没有人力财力去打标签，需要运维数据更丰满之后才能进一步使用。但是这些算法最终还是会应用到智能场景...

哈哈，这个问题特别好。IBM应该反省。db2内部没有保存历史性能信息。如果分析当前存在的问题倒是有几个工具。我一般会用db2pd查看状态类的信息. db2top观察当前运行性能。有个神器是psmon，IBM网站提供的，可以分两次采集当前的数据库性能信息做差值，并且生成重要的性能数据结...

数据库 AIOps 运维系统是一个持续发展的系统。当前实现的智能运维场景也仅仅是个开头，后面还有大量的想法需要验证和实现。刚开始决心做这套系统的时候是因为我对 DB2 数据库非常了解，我也清楚在工作中遇到的难题是什么。我对 AI 非常感兴趣，了解 AI 的能力，一直也想把 AI 的...

大量的历史性能数据其实存在很高的运维价值有待挖掘。指标关系分析就是这样一种方式。这应该算是智能运维的一个亮点，是传统运维做不到的一件事情。当我们监控的指标非常多，这些指标之间是有联系的。相关的指标应该放在一起来分析，它们可能是因果关系，可能是包含关系，可能是伴...

数据库智能运维的基础确实是需要采集历史监控数据。每种数据库都提供了各种工具、系统视图，表函数等监控方法和接口。因此采用什么方式来获取监控数据是需要考虑周到的：减少对性能的影响，采用轻量级监视接口。采数频率一般为 3-5 分钟。采用 sql 可调用的通用接口，简化数据采...

那是单指标预测有实际作用的，应该是往根因分析上去靠，但这个难度也是最大的。起步应该是故障现场还原，智能整合所有相关数据，包括应用的、网络的、系统的、业务的等等，辅助运维人员统一分析。进阶的，是在此基础之上，结合知识库、预定策略、机器学习等，智能定位问题点，甚至直接找到...

简单提些建议吧:1、尽量和生产系统解耦合，不需要去生产系统上做维护，只维护自动化运维平台即可。2、自动化运维平台层次尽量清晰，策略清晰，架构简单，模块化、分布式部署。3、统一管控自动化运维所需要的配置，尽量和配置管理系统对接。4、统一管控自动化运维脚本、程序或者模板...

目前智能运维是在不断发展当中，但依旧有很大困难，人工的部分是必不可少的。就目前而言，智能运维的优势主要还是体现在辅助人工运维，例如故障定位、故障现场还原，结合历史学习，策略模型进行故障根因分析和建议。帮助人工快速整合所有信息，快速定位故障点，并就智能运维产出的根因分...

个人觉得初期，智能化运维最迫切需要数据，也就是各个运维、监控的数据，所有第一步应该是建立起运维数据平台，实时接入和T+1方式结合接入运维方方面面的数据，形成运维大数据。后面再考虑如何去应用这些数据为运维提供价值，逐步迈向智能运维，不是一蹴而就。...

多种方式吧。1、监控系统通过API将数据共享给智能化运维平台2、监控系统的监控数据一般会落到历史库中，通过SQL的方式定时导出给智能化运维平台3、监控系统在采集数据时，可能可以旁路一份至 智能化运维平台...