​

背景： 企业业务运营的平稳，常常要依靠智能运维在后方保驾护航。熟悉运维的肯定都知道，在智能运维中有一环是通过监控指标来判断系统、云、业务应用、网络设备等运行的是否健康，以便及时排障维稳后台。在指标异常检测中，其阈值设定的合理性决定了故障发现的效率。当下，传统的维护模式过分依赖规则，而纯算法的模式又有门槛高、场景受限等问题。

一、算法与传统规则的融合

在擎创看来，指标监控要想实现实时适应动态业务的变化，且能精准发现并解决故障的效果，则需要在指标监测体系中将算法和传统规则相结合，动静并举才能轻松解决运维过程中的顽疾。擎创夏洛克指标解析中心独创以算法调节算法的能力，实现自动调参、自动匹配模型、自动优化阈值、智能告警等功能，助力客户高效完成智能运维工作，赋予业务运营更好的支撑。

在指标异常检测方面深入探索，我们通过总结落地案例总结出了以下六个实践要素。

1.选对算法

2.确定异常方向

3.考虑不同时段的检测差异

4.优化模型参数

5.优化告警阈值

6.长期关注数据质量

这期我们将通过几个故事场景对前面3点进行分享

使用人员：张三（ 某企业应用运维人员 / 平台（云）运维人员 / 基础设施运维人员 ）

实践重点：选对算法、确定异常方向、考虑不同时段的检测差异

使用产品：擎创夏洛克指标解析中心

落地场景一： · 选对算法 ·

（涵盖周期性算法 / 非周期性算法 / 综合特征算法）

近日，超级网银要上架一个全新的业务，张三在设定指标检测算法的时候，通过指标解析中心测算业务模型，依据结果得到业务波动呈现固定的规律性，系统自动选择周期性算法进行后续指标监测。在业务运行期间，如果出现了异常问题，在监测图表中很容易体现，运维人员能够快速找到故障根源并进行排障。

企业IT运维会随着业务变化而随时变动，每一项业务都有自己所属的模型，擎创指标解析中心产品能够根据传统规则、经验对业务进行模型测算，判断业务规律是周期性、非周期性还是二者兼具，并以此结果智能选择相应检测算法，使之高度契合，更易定障排障。

落地场景二： · 确定异常方向 ·

（上基带 / 下基带 / both）

业务运行平稳的状态下，指标检测到的业务指标往往也比较平稳，仍以超级网银为例，张三当值的这天，突然出现大量用户延迟高的反馈，指标解析中心在此之前就选用了符合上基带监测模型的算法，因此快速且精准发现了问题，张三迅速联系同事进行处理，将业务影响降到了最低。

所以说业务指标检测具有一定的方向性，比如延迟一类的异常，只需要上基带模型检测算法；业务成交量的异常，只需要下基带模型检测算法；而例如交易量指标则可能适合两者并用的方式。

落地场景三：

①· 考虑不同时段的检测差异 ·

（设定运维日历 ）

张三在使用指标解析中心的时候，根据业务的某些特性从中挑选出两类特别事件：重复事件（比如双休日/下班时间）、单次事件（比如变更），将这两种事件设定在产品的运维日历中，只要在此时段内，系统会自动选择合适的算法进行监测或不监测，避免误告漏告。

另外，指标解析中心的运维日历能够作为单独模块进行服务，通过自建的“自定义”日历作为外部应用的支撑。简而言之，就是可以帮助其他平台、工具的使用提供时间、事件规划，将格式形式统一。

②· 不同时段匹配不同的算法策略 ·

（匹配运维日历）

上面提到设定运维日历，将不同的特殊运维时段及影响范围，统一维护在行事历中，那么到了特殊时段又是如何运作呢？请看下图。

张三在节假日前后看到，指标解析中心通过对日历的匹配，为当前时段设定了独立的拟合算法，节后又恢复了往常的模型，这期间出现的告警数量明显减少，告警准确度提高20%。

同样，系统在面对某一次业务变更的时候进行了算法的调整，变更后重置历史并重新开始训练。这样既贴合了实际业务的变化，也能避免无效学习，使得变更后的检测工作能更精准地判断异常与否。

关于指标异常检测的分享本期就到这儿了，下期我们将接着分享余下的三点，感兴趣的可以先关注收藏，下期我们精彩继续~

擎创科技，Gartner连续推荐的AIOps领域标杆供应商。公司致力于协助企业客户提升对运维数据的洞见能力，优化运维效率，充分体现科技运维对业务运营的影响力。

行业龙头客户的共同选择

更多运维思路与案例持续更新中，敬请期待

随手点关注，更新不迷路