nCompass-解決方案介紹

單擊返回：自學N-Compass之路 
nCompass-解決方案介紹

1.  IT運維的現狀及痛點

業務部門投訴系統不可用，各個部門盤查： 網絡是通的；系統資源正常；應用進程狀態都是正常的；數據庫日誌中也沒有報錯

• 運維被動： 80%的故障都是用戶先發現反饋給服務檯後，運維人員才知道
• 架構複雜：系統架構變得愈來愈複雜，問題多，責任界定及排障困難。
• 說不清：系統不可用，各部門，服務商都說不是本身的問題。
• 價值難以體現：不出故障以爲運維沒用，出了故障以爲運維更沒用

2.  運維的發展歷程

 

3.  智能架構（Dev Ops 及 AI Ops對平臺要求較高）

• 數據接入（流量、日誌、三方數據）-----多源數據統一接入、關聯分析、統一呈現
• 多源數據整合（1000W/S處理能力）-----1000萬/秒的高速處理效率
• 規則庫-----可編輯的分析規則，可針對不一樣類型的數據進行統計分析
• 機器學習/算法（智能基線/警報 、隱患排查/預警、智能分析/定位、  評估報告/建議）----- AI算法的支持，異常檢測，多維主因素分析，預測分析，根因定位
• 動態大屏/場景模塊------可靈活編輯的前端動態Dashboard，基於用戶架構快速實現數據可視化
• 平臺協調------可給予腳本實現多平臺的行爲聯動，AIOps落地

4. 業務可視化平臺搭建的5個步驟

• 業務梳理：真正瞭解你的業務系統狀態（業務之間調用關係，網絡節點/應用節點，端到端監控展現形式）
• 業務可視：全方位、多維度的進行業務可視化（針對網絡的，針對系統的，互聯網出口，專線鏈路，端口流量，可用性等）,nCompass經過內置可視化70多種顯示控件。
                     a. 可視化，看得見，才能管理
                     b. 運維價值體現
                     c. 重大事件保障（促銷監控保障）
• 智能監控：創建基於機器學習算法的主動式監控體系（解決常常誤報，常常少報，不夠靈活，不夠全面，不夠預測）
                     a. 基於機器學習技術，可實現指標的告警基線自動生成，當指標明顯偏離正常運行區間時，可主動發出告警；
                     b. 基於異常檢測技術，對告警事件進行精細化處理，規避誤報、漏報的現象。
• 知識圖譜：基於AI算法驅動的數據智能分析， 內置智能根因定位的主要算法：
                     a. 基線偏離算法：基於指標的歷史數據，預測將來數據的區間（上基線，下基線）用於智能告警場景。
                     b. 異常檢測：檢測數據序列中的離羣點，用於異常檢測/告警場景。使用非監督學習/監督學習結合的算法綜合判斷異常狀況，內置行業海量數據的預測訓練模式；
                     c. 根因定位算法：使用NEO4J構建分析對象關係圖，提取待分析節點的相關節點機路徑，結合知識庫進行相關性分析，綜合推導異常根因。用於告警或事件分析場景。
                     d. 多維主因素算法：深度分析數據變化的維度組成狀況，並給出變化貢獻度評分，用於變化或問題的主要因素定位。
                     e. 預測算法：基於歷史數據預測將來的數據走勢，反映出數據的週期性、趨勢、波動等特性。用於容量規劃、異常預測等場景。根據具體場景的的準確性及性能要求，選擇使用LSYM或ARIMA實現算法。
               異常時會收到告警郵件，會通知您「告警對象」「告警內同」「智能分析」「分析建議」「分析報告等」。
               nCompass內置的知識圖譜或稱故障場景有， 業務突發/ 性能降低/ 可用性異常/變動比對分析/業務路徑自動梳理/隱患排查。 也可自定義場景。
               實時監控  →  基線告警  →  智能分析  →  根因定位  →  報告推送
• 平臺聯動：多平臺的聯動從而實現故障自愈

       

5. nCompass與傳統網絡監控分析方法對比