用户业务应用增多，，硬件性能跟不上
？？？

云环境变得复杂，
，运维工作量不减反增？？

运维人力成本日益激增，
，，技术人才越招越少？？

——信服云托管云的AIOps业务全生命周期持续性保障系统来啦
！
！！！

帮助企业构建实时、、
、持续的保障体系，，
，覆盖业务全生命周期场景，，，
，以多层级时序监控对关键指标进行采集与观测，，基于规则预测以及AI预测算法构建故障预测引擎。
。

同时，，，围绕业务全生命周期
，，，建立基于AI技术的全栈预测，，，，分析以及评估系统，，完成问题自动定位和自动修复闭环，，，实现事先风险预防和主动规避，
，，保障业务全生命周期的持续性。。

业务全生命周期持续性保障系统能力概览

磁盘故障预测

通过智能采样，，，，解决故障磁盘的样本不均衡问题，，
，，并解决时序依赖，，，，自研小样本场景下基于深度学习的故障预测技术，，，捕捉相邻磁盘间的故障传播的模式，，，，从而实现精准的磁盘故障预测。。。

智能采样

内存ECC预测与隔离

内存ECC告警与隔离

大量CE报错会导致CE风暴，，，造成系统宕机，，，，故需要对其先进行地址隔离，，，，然后更换内存条，，，完成处置闭环。。要想做到隔离地址的快速精确，，，最好是先对高风险CE地址的进行预隔离
，，，，进而做到内存条物理插槽快速定位，，，方便运维人员及时更换。。。另外，，，
，还需要采取持久化隔离，，，，避免主机重启后隔离失效。。。

内存ECC预测

基于机器学习算法，，，，系统对历史特征进行学习，
，，并进行内存失效预测，，
，，提前预警，，，防患未然
。。。其中主要包括基于CE特征预测CE风暴、
、UE等内存故障，，基于内存性能、
、电压等指标评估DRAM健康状况，，，，使预测结果更准确，，降低误报导致的物料浪费
，
，
，预测周期1-2小时。
。

CE风险地址关联分析

CE隔离效果

资源预测

资源预测告警可以展示即将资源耗尽的服务器组、、、资源池
、、
、虚拟机。。

CPU、、内存、、存储预测中
，
，可以看到历史数据和未来趋势
，，，以及剩余安全容量、、
、、预计多少天后将超过安全容量阈值、、、、以及建议扩容容量
。。。

当资源过剩时，，
，，也可基于智能算法对闲置虚拟机进行识别，，回收对应的资源池或服务器资源。。

识别闲置虚拟机

未来，
，在故障预测
、、分析与自愈上，，该系统将完善各个业务场景的故障预测分析工作，，，根据专家经验的处置决策树设置自动处置闭环，，
，
，并基于强化学习优化处置策略。。
。

在识别业务特征上，，，将识别包含业务性能与不同资源的敏感度、、、业务特定的最佳实践方案等。。使得业务在故障
、、、
、亚健康等场景下，，，能够准确、、、快速地定位问题
，，，，比如帮助后端运维提前感知问题，
，，，及时更换硬件
，
，避免因硬件问题引发的业务中断。。。。

另外，
，在硬件亚健康集群的分析上，，，系统可以提供集群版本升级建议，，以及DRS各类调度优化能力，，，可以更加准确地针对性地对业务进行优化，，，，一定程度上避免资源浪费。
。

还可根据托管云硬件故障情况分析硬件故障率，，硬件故障变化趋势等信息
，，，为硬件导入选型提供事实举证，
，，
，并结合硬件故障率在数据中心的分布，，
，给仓储备件的分配提供优化建议
。。
。。

在托管云上
，，，借助于业务全生命周期持续性保障系统，，用户可以直观地了解当前业务运行健康程度与面临的风险大小
，
，，，提前预测风险，，，，并及时处置，，从而实现业务的稳定连续运行。。
。。