“听云AIOps持续快速发展，C轮后要点提升产品能力”

10月24日，国内知名it高管社区it东方会举办的“人工智能与大数据应用峰会”在北京举行，共同探讨人工智能与大数据的快速发展与挑战，探索新基础设施背景下的ai与大数据技术应用创新实践 云cto陈靖华将参加圆桌会议，与剩下的几位专家一起探讨新基础设施形势下人工智能和大数据的应用。

目前，国家大力提倡和推进ai新基础设施公司的数字化转型。 陈靖华说，ai的新基础设施应该包括从基础到上层的应用，最下层可能包括ai的算法，上面的芯片技术最终是提供ai部分的计算力和基础设施，再上面的我们使用的这些，比如开源 这部分可能是ai新基础设施部分的底层必须提供的能力和建设副本，但最重要的是ai被应用于不同领域的不同场景，这部分是与每个人或每个终端用户直接相关的部分。

陈靖华说，这几年随着数字化的快速发展，实际上是云的快速发展变革。 基本上所有的公司都可能把原来的idc转移到云端。 云上的这些资源可能从原来的虚构变成集装箱，但实际上一旦云被集装箱化，以前的运输就变得非常困难。 特别是应用软件上的运输，我们这几年一直在做apm。 虽然apm的目标从过去的几天缩短为几分钟，目的是在客户出现性能问题时帮助apm，但随着云资源的快速扩展和应用程序的部署，如在docker容器中实现容器化和应用程序的微服务化 在这种情况下，如果用基于原始人肉或统计学的少量数据进行观察，当发生故障或性能出现问题时，就不容易确定问题。

这些就是听云这几年一直在做aiops的理由。 这几年，我们逐渐从apm转移到了aiops。 它其实是利用ai的能力帮助运输商和研发人员，在应用中出现问题时，可以迅速识别和发现，并迅速定位问题。 是硬盘有问题，还是应用程序代码写错了？ 在gartner技术成熟度的曲线上，aiops还处于上升期。 apm已经到达了缓慢的光明期，它已经成为了比较成熟的技术。 aiops在现阶段对于整个领域来说是比较新的技术。 云现在可以进行一点指标的异常监视了。 我们的应用系统可能有很多服务器、硬盘、cpu、内存等。 这些对我们来说是不同的持续性指标。 以前在持续指标监视时，需要设定运输商超过该值进行警告等的预先值，但现在越来越不可能了。 因为要警告的指标太多了。 虽然不能各自预设，但这些变动实际上受业务和互联网变动的一点影响，有可能出现一点规律。 所以现在我们可以做的是不需要设置任何先验值，我们可以利用ai的算法进行异常的监视，当数据的波动在ai算法中识别到异常时，可以更快地报警，同时成千上万的指标中也有一点点的指标密切相关 因为它们会相互影响，比如硬盘，最终影响它上面的数据库，数据库性能的下降又会影响核心业务。 最终业务量下降与这些指标有着非常密切的联系。 如何在成千上万的指标中快速找到这些指标，这就是我们现在所做的落地场面。

讨论会上，陈总就新基础设施背景下ai的快速发展谈了自己的看法，同时对aiops的快速发展趋势进行了分析。 目前，云大力快速发展aiops建设，c轮融资后，不断增加研发投入，逐步加强数据采集、加工及与不同领域比较有效输出的能力，提高aiops产品的能力，不断完整而快速

本文：《“听云AIOps持续快速发展，C轮后要点提升产品能力”》