AIGC助力大规模对象存储服务OSS的能效提升-阿里巴巴+罗庆超

AlGC助力大规模对象存储服务OSS的能效提升大规模对象存储服务OSS在开发运维中的挑战和目标阿里云400万用户面对巨大挑战，如何达成目标???99.995%易用性结合Al的智能运维助力能效提升场景1:通过Al做好根因分析支撑可用性SLA达成一背景海量存储规模X海量存储规模每天99.995%可用性SLA1分钟发现、5分钟处置、10分钟恢复时长…1·……决策时长·止损时长-恢复时长(可选)·钉钉机器人监控报警运维数据管理场景1:通过Al做好根因分析支撑可用性SLA达成一逻辑架构钉钉机器人监控报警运维数据管理实体指标特征画像(基线库)异常库ConstraintK-sigma算法LOF算法智能算法库异常感知模块机器级功能模块级非功能模块监控自身业务模块前端日志后端日志分析结果错误根因分析全链路诊断模块大数据计算平台OLAPOLTP工程化、服务化的算力和存储平台是基础，多维度的运维数据积累是动力算法+专家经验是引擎，简单易用UI助推广场景1:通过AlTRACE模块A(IP地址1)TRACE分析任务SLS告警分析树构建异常集合候选根因根因分析分析树配置根因模型分析树配置模块B(IP地址3)模块B(模块B(IP地址3)特征库专家经验模型训练专家经验指标库分析任务构建分析树构建模块C(IP地址4)链路异常分析根因分析场景1:通过Al做好根因分析支撑可用性SLA达成一效果(百万错误在1分钟内产生)种数据源分析30分钟场景2:智能分析访问全链路追踪慢请求一背景哪里慢了整体性慢?硬件慢、软件慢?租户B要求不超过2场景2:智能分析访问全链路追踪慢请求一逻辑架构异常监控499超时日志存储(Metric、Trace、Log、Event)时序算法分析实时数据机器数据异常监控机器级集群级根因定位性能分析对象前端机分析对象功能层分析盘古层分析机器层分析聚集性分析(IP、操作类型),用户行为异常分析(QPS、流量、特殊请求突增)输慢、某些特定请求慢、访问底层慢聚集性分析(IP、操作类型),RPC、IO、队列异常、负载、缓存、盘古层慢盘、集群过载、线程变慢、Burst突发流量等性能异常(CPU、MEM、Drive、网络),进场异常、升级检测等场景2:智能分析访问全链路追踪慢请求一效果用户延时集群延时机器延时之前31ms,当前839ms,突增26.2倍报警配置报警处理场景3:采用NLP分析海量工单挖掘改进方向一背景用户调研产品使用产品工单系统场景3:采用NLP分析海量工单挖掘改进方向一方案模型迭代打标打标分析流转环节，服务时长降低X倍通过智能分析，大量节约手工标注开销场景3:采用NLP分析海量工单挖掘改进方向一效果300+人日/月场景4:探寻AIGC的智能机器人提高易用性一背景用户调研产品使用产品自助排查文档、工具自助服务智能语音、服务机器人求助人工服务工单系统通过AIGC训练的智能机器人，采用文字、图片、视频为用户提供服务通过智能回答解决问题，降低工单数量，减少服务人力投入随时快速响应，解决问题，提高易用性场景4:探寻AIGC的智能机器人提高易用性一方案探索OSS技术小蜜机器人5月6日17:26Al生成文档OSS上传/下载/访问文件时是否有带宽、并发连接数、QPS限制关于OSS带宽及QPS限制说明如下：●单个阿里云账号在中国内地各地域的上行及下行带宽各为10Gbit/s、非中国内地各地域的上行及下行带宽各为5Gbit/s。如达到该阈值，请求会被流控。读写的QPS为2,000,非顺序读写的QPS为关于OSS其他限制的更多信息，请参见使用限制。如果上述内容未解决问题：●请点击【人工支持】获取人工帮助Al生成操作图片Al生成指导视频目·高频问题(根因分析、慢请求、工单优化等)采用智能运维切入收益大