基于大模型的云平臺(tái)智能運(yùn)維系統(tǒng)-支撐云平臺(tái)多個(gè)應(yīng)用方向的智能運(yùn)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(duì)企業(yè)典型的云平臺(tái)運(yùn)維需求，結(jié)合領(lǐng)域業(yè)務(wù)數(shù)據(jù)完成運(yùn)維大模型的調(diào)試工作，實(shí)現(xiàn)了大模型在云平臺(tái)運(yùn)維領(lǐng)域的應(yīng)用。

1、技術(shù)路徑：基于大模型的云平臺(tái)智能運(yùn)維系統(tǒng)以淵亭大模型開發(fā)訓(xùn)練平臺(tái)、大模型數(shù)據(jù)治理平臺(tái)為基礎(chǔ)，消納用戶已有的運(yùn)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(yàn)，支撐云平臺(tái)多個(gè)應(yīng)用方向的智能運(yùn)維管理。

2.技術(shù)架構(gòu)：基于大模型的云平臺(tái)智能運(yùn)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(tái)智能運(yùn)維系統(tǒng)典型應(yīng)用場(chǎng)景有運(yùn)維數(shù)據(jù)管理、異常告警管理、故障分析、故障預(yù)測(cè)等。

云平臺(tái)運(yùn)維工作是一項(xiàng)繁瑣、高要求的工作，除了常規(guī)的日常運(yùn)維服務(wù)之外，在當(dāng)前海量數(shù)據(jù)場(chǎng)景下，自動(dòng)發(fā)現(xiàn)故障和自動(dòng)異常檢測(cè)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(yùn)維效率是運(yùn)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(chǎng)景下人工配置和運(yùn)營告警策略、告警風(fēng)暴和準(zhǔn)確率不高等問題也是運(yùn)維工作的核心痛點(diǎn)。

本項(xiàng)目由淵亭科技針對(duì)同方有云重點(diǎn)運(yùn)維業(yè)務(wù)的痛點(diǎn)進(jìn)行行業(yè)大模型建設(shè)。具體的，處理大量的云平臺(tái)運(yùn)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(yùn)維基座模型，并結(jié)合業(yè)務(wù)需求，孵化面向不同場(chǎng)景的專業(yè)運(yùn)維大模型，能夠進(jìn)行自動(dòng)發(fā)現(xiàn)故障和自動(dòng)異常檢測(cè)，探索了基于運(yùn)維大模型的智能運(yùn)營。同時(shí)，設(shè)計(jì)了數(shù)據(jù)回流機(jī)制，能夠在運(yùn)維過程中從海量運(yùn)維數(shù)據(jù)中不斷進(jìn)行處理加工和提煉，反哺專業(yè)運(yùn)維大模型，形成數(shù)據(jù)飛輪。

基于大模型的云平臺(tái)智能運(yùn)維系統(tǒng)以淵亭大模型開發(fā)訓(xùn)練平臺(tái)、大模型數(shù)據(jù)治理平臺(tái)為基礎(chǔ)，消納用戶已有的運(yùn)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(yàn)，支撐云平臺(tái)多個(gè)應(yīng)用方向的智能運(yùn)維管理。

基于大模型的云平臺(tái)智能運(yùn)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(shí)庫管理功能：提供一站式的向量庫建立手段，能夠?qū)�入知識(shí)圖譜、文檔等，快速進(jìn)行向量化，并對(duì)向量化細(xì)節(jié)提供細(xì)粒度的調(diào)整手段，能夠測(cè)試和預(yù)覽向量知識(shí)庫效果。

（2）向量知識(shí)庫應(yīng)用功能：支持多樣化的編排模版，實(shí)現(xiàn)對(duì)話鏈、溯源等典型場(chǎng)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(jí)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(shí)間為分鐘級(jí)；

5.應(yīng)用場(chǎng)景

基于大模型的云平臺(tái)智能運(yùn)維系統(tǒng)典型應(yīng)用場(chǎng)景有運(yùn)維數(shù)據(jù)管理、異常告警管理、故障分析、故障預(yù)測(cè)等。

（1）異常告警監(jiān)控

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

（2）運(yùn)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(cè)的事件根因，供人工二次復(fù)核。結(jié)合運(yùn)維系統(tǒng)其他功能，實(shí)現(xiàn)從異常檢測(cè)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(dòng)化處理，提高故障分析效率。

（3）故障預(yù)測(cè)

引入正常數(shù)據(jù)、異常數(shù)據(jù)，開展運(yùn)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(shí)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(jī)結(jié)合的確認(rèn)審核手段，預(yù)測(cè)未來事件，防止?jié)撛诘墓收稀?

系統(tǒng)運(yùn)維工作是一項(xiàng)繁瑣、高要求的工作，且對(duì)可靠性具有很高的要求，基于大模型的云平臺(tái)智能運(yùn)維系統(tǒng)可以提高信息化系統(tǒng)運(yùn)維效率，降低運(yùn)維成本，增強(qiáng)預(yù)測(cè)性維護(hù)能力，并能實(shí)現(xiàn)運(yùn)維個(gè)性化服務(wù)。

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

2.降低運(yùn)維成本：隨著系統(tǒng)復(fù)雜化，傳統(tǒng)的人工運(yùn)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(qiáng)預(yù)測(cè)性維護(hù)：增強(qiáng)的預(yù)測(cè)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(qiáng)。