对于生产系统。特别是重要生产系统。我觉得只能运维的故障处置一定要谨慎再谨慎，处置应该局限在一些重复性的。切操作结果明确的处置上。对于带有风险性的处置，人工介入我觉得是必要的。我觉得可以是只能运维系统判定。对于简单无风险的处置可以发送通知到手机端，有风险的则...

算法选择方面首先需要按照已知的监控数据的特性和目标进行大类的划分，前期对数据的摸底和基础分析非常重要。机器学习的目的大致分为回归、分类和聚类这几种，又可以根据有无异常或其他评分标签使用有监督或者无监督的算法。算法的优劣比较较为偏重理论性，建议针对特定的场景...

困难有很多，主要分数据、算法、平台三个方面吧。首先是数据采集方面主要是各类日志数据需要进行统一，海量的运维数据需要大量存储资源等。在做智能化算法初期，主要是缺少对历史异常数据的记录和日志数据格式的统一，通过无监督学习算法对未标注数据进行异常检测后难以判定是否...

计算机报警种类繁，报警的厂商不同。日志格式，内容还有代码也都没有一个统一标准。想要通过机器学习实现精准的故障定位我觉得还有很长的路要走。至少要所有的厂商都开放自己的日志代码。基本实现统一的日志格式。以目前的技术来看。我觉得机器学习只能是帮助运维去简化和梳...

通过引入改良的时间序列模型对单一指标进行预测引入机器学习的聚类算法解决与多个指标相关联的异常问题，并根据专家经验制定相应的规则抓取异常数据，以此提高异常识别的准确性。同时将告警规则与预测结果相结合也可以达到预警的效果提前获知未来可能发生的运维问题不仅为问...