使用者業務應用增多，硬體性能跟不上？
雲環境變得複雜，運維工作量不減反增？
運維人力成本日益激增，技術人才越招越少？
——信服雲托管雲的AIOps業務全生命周期持續性保障系統來啦！
幫助企業建構實時、持續的保障體系，覆寫業務全生命周期場景，以多層級時序監控對關鍵名額進行采集與觀測，基于規則預測以及AI預測算法建構故障預測引擎。
同時，圍繞業務全生命周期，建立基于AI技術的全棧預測，分析以及評估系統，完成問題自動定位和自動修複閉環，實作事先風險預防和主動規避，保障業務全生命周期的持續性。
↑ 業務全生命周期持續性保障系統能力概覽
一、磁盤故障預測
通過智能采樣，解決故障磁盤的樣本不均衡問題，并解決時序依賴，自研小樣本場景下基于深度學習的故障預測技術，捕捉相鄰磁盤間的故障傳播的模式，進而實作精準的磁盤故障預測。
↑ 智能采樣
二、記憶體ECC預測與隔離
（1）記憶體ECC告警與隔離
大量CE報錯會導緻CE風暴，造成系統當機，故需要對其先進行位址隔離，然後更換記憶體條，完成處置閉環。要想做到隔離位址的快速精确，最好是先對高風險CE位址的進行預隔離，進而做到記憶體條實體插槽快速定位，友善運維人員及時更換。另外，還需要采取持久化隔離，避免主機重新開機後隔離失效。
（2）記憶體ECC預測
基于機器學習算法，系統對曆史特征進行學習，并進行記憶體失效預測，提前預警，防患未然。其中主要包括基于CE特征預測CE風暴、UE等記憶體故障，基于記憶體性能、電壓等名額評估DRAM健康狀況，使預測結果更準确，降低誤報導緻的物料浪費，預測周期1-2小時。
↑ CE風險位址關聯分析
↑ CE隔離效果
三、資源預測
資源預測告警可以展示即将資源耗盡的伺服器組、資源池、虛拟機。
CPU、記憶體、存儲預測中，可以看到曆史資料和未來趨勢，以及剩餘安全容量、預計多少天後将超過安全容量門檻值、以及建議擴容容量。
當資源過剩時，也可基于智能算法對閑置虛拟機進行識别，回收對應的資源池或伺服器資源。
↑ 識别閑置虛拟機
未來，在故障預測、分析與自愈上，該系統将完善各個業務場景的故障預測分析工作，根據專家經驗的處置決策樹設定自動處置閉環，并基于強化學習優化處置政策。
在識别業務特征上，将識别包含業務性能與不同資源的敏感度、業務特定的最佳實踐方案等。使得業務在故障、亞健康等場景下，能夠準确、快速地定位問題，比如幫助後端運維提前感覺問題，及時更換硬體，避免因硬體問題引發的業務中斷。
另外，在硬體亞健康叢集的分析上，系統可以提供叢集版本更新建議，以及DRS各類排程優化能力，可以更加準确地針對性地對業務進行優化，一定程度上避免資源浪費。
還可根據托管雲硬體故障情況分析硬體故障率，硬體故障變化趨勢等資訊，為硬體導入選型提供事實舉證，并結合硬體故障率在資料中心的分布，給倉儲備件的配置設定提供優化建議。