基于大模型的云平臺智能運維系統(tǒng)-支撐云平臺多個應(yīng)用方向的智能運維管理

系統(tǒng)基于大模型的開發(fā)訓(xùn)練方法，完成大模型開發(fā)訓(xùn)練環(huán)境的搭建，并特別針對企業(yè)典型的云平臺運維需求，結(jié)合領(lǐng)域業(yè)務(wù)數(shù)據(jù)完成運維大模型的調(diào)試工作，實現(xiàn)了大模型在云平臺運維領(lǐng)域的應(yīng)用。

1、技術(shù)路徑：基于大模型的云平臺智能運維系統(tǒng)以淵亭大模型開發(fā)訓(xùn)練平臺、大模型數(shù)據(jù)治理平臺為基礎(chǔ)，消納用戶已有的運維數(shù)據(jù)（日志、監(jiān)控信息、應(yīng)用信息等），結(jié)合淵亭科技的智能模型開發(fā)和調(diào)優(yōu)經(jīng)驗，支撐云平臺多個應(yīng)用方向的智能運維管理。

2.技術(shù)架構(gòu)：基于大模型的云平臺智能運維系統(tǒng)從下至上，分為基礎(chǔ)設(shè)施層、資源支撐層、能力供給層、能力生成層和應(yīng)用服務(wù)層。

基于大模型的云平臺智能運維系統(tǒng)典型應(yīng)用場景有運維數(shù)據(jù)管理、異常告警管理、故障分析、故障預(yù)測等。

云平臺運維工作是一項繁瑣、高要求的工作，除了常規(guī)的日常運維服務(wù)之外，在當(dāng)前海量數(shù)據(jù)場景下，自動發(fā)現(xiàn)故障和自動異常檢測的需求甚為迫切，如何能極大地簡化研發(fā)策略配置成本，提高告警的準(zhǔn)確率，減少告警風(fēng)暴和誤告，從而提高運維效率是運維工作面臨的重大挑戰(zhàn)之一。另外，如何解決當(dāng)前海量數(shù)據(jù)場景下人工配置和運營告警策略、告警風(fēng)暴和準(zhǔn)確率不高等問題也是運維工作的核心痛點。

本項目由淵亭科技針對同方有云重點運維業(yè)務(wù)的痛點進(jìn)行行業(yè)大模型建設(shè)。具體的，處理大量的云平臺運維數(shù)據(jù)（日志、監(jiān)控信息、應(yīng)用信息等），利用開源大模型訓(xùn)練運維基座模型，并結(jié)合業(yè)務(wù)需求，孵化面向不同場景的專業(yè)運維大模型，能夠進(jìn)行自動發(fā)現(xiàn)故障和自動異常檢測，探索了基于運維大模型的智能運營。同時，設(shè)計了數(shù)據(jù)回流機制，能夠在運維過程中從海量運維數(shù)據(jù)中不斷進(jìn)行處理加工和提煉，反哺專業(yè)運維大模型，形成數(shù)據(jù)飛輪。

基于大模型的云平臺智能運維系統(tǒng)以淵亭大模型開發(fā)訓(xùn)練平臺、大模型數(shù)據(jù)治理平臺為基礎(chǔ)，消納用戶已有的運維數(shù)據(jù)（日志、監(jiān)控信息、應(yīng)用信息等），結(jié)合淵亭科技的智能模型開發(fā)和調(diào)優(yōu)經(jīng)驗，支撐云平臺多個應(yīng)用方向的智能運維管理。

基于大模型的云平臺智能運維系統(tǒng)從下至上，分為基礎(chǔ)設(shè)施層、資源支撐層、能力供給層、能力生成層和應(yīng)用服務(wù)層，如下突所示。

3.系統(tǒng)功能

（1）向量知識庫管理功能：提供一站式的向量庫建立手段，能夠?qū)�入知識圖譜、文檔等，快速進(jìn)行向量化，并對向量化細(xì)節(jié)提供細(xì)粒度的調(diào)整手段，能夠測試和預(yù)覽向量知識庫效果。

（2）向量知識庫應(yīng)用功能：支持多樣化的編排模版，實現(xiàn)對話鏈、溯源等典型場景的快速構(gòu)建。并能夠結(jié)合提示詞模版支撐高匹配度的領(lǐng)域問答。

• 支持至少10GB級別的大規(guī)模數(shù)據(jù)集的接入，包括連接數(shù)據(jù)源、加載數(shù)據(jù)、解析數(shù)據(jù)、數(shù)據(jù)處理等能力；

• 支持加載多種精度（如float64、float16或int8等）的模型；

• 支持使用至少2種常見的微調(diào)算法開展微調(diào)；

• 支持微調(diào)后模型保存時間為分鐘級；

5.應(yīng)用場景

基于大模型的云平臺智能運維系統(tǒng)典型應(yīng)用場景有運維數(shù)據(jù)管理、異常告警管理、故障分析、故障預(yù)測等。

（1）異常告警監(jiān)控

通過對異常數(shù)據(jù)進(jìn)行打標(biāo)、微調(diào)，能夠自動發(fā)現(xiàn)IT系統(tǒng)中的異常行為，并提供及時的警報和響應(yīng)。利用溯源功能、知識庫功能，快速定位異常點，進(jìn)而完成海量數(shù)據(jù)精確匹配、時序類別多樣性分析和實時處理等工作。

（2）運維故障分析 能夠快速分析處理多種類型的海量數(shù)據(jù)，如Trace、Metric和Log等類型，輔助進(jìn)行故障診斷和分析，形成推測的事件根因，供人工二次復(fù)核。結(jié)合運維系統(tǒng)其他功能，實現(xiàn)從異常檢測到根因定位、故障分類、故障分析和修復(fù)建議的全流程自動化處理，提高故障分析效率。

（3）故障預(yù)測

引入正常數(shù)據(jù)、異常數(shù)據(jù)，開展運行數(shù)據(jù)的特征挖掘，聚焦其中的異常因素，形成模型基礎(chǔ)認(rèn)知。在實際問題即將發(fā)生前，大模型自主快速的進(jìn)行提示，通過人機結(jié)合的確認(rèn)審核手段，預(yù)測未來事件，防止?jié)撛诘墓收稀?

系統(tǒng)運維工作是一項繁瑣、高要求的工作，且對可靠性具有很高的要求，基于大模型的云平臺智能運維系統(tǒng)可以提高信息化系統(tǒng)運維效率，降低運維成本，增強預(yù)測性維護(hù)能力，并能實現(xiàn)運維個性化服務(wù)。

1.提高運維效率：系統(tǒng)引入運維大模型，自動化處理海量運維數(shù)據(jù)，進(jìn)行快速、高質(zhì)量判斷，能夠代替運維人員進(jìn)行大量判斷，實現(xiàn)風(fēng)險的預(yù)防、發(fā)現(xiàn)、定位和處理，從而大幅提高運維工作的效率。

2.降低運維成本：隨著系統(tǒng)復(fù)雜化，傳統(tǒng)的人工運維成本不斷上升。系統(tǒng)通過構(gòu)建具備自適應(yīng)性的功能大模型，減少人工維護(hù)工作量，進(jìn)而有效降低這部分成本，是降本增效的有效手段。

3.增強預(yù)測性維護(hù)：增強的預(yù)測性維護(hù)能力，使得設(shè)備的可靠性、生命周期得到大大的提升，系統(tǒng)的穩(wěn)定性也得到增強。