基于大模型驱动的云网全景可观测系统建设实践-17页_4mb

基于大模型驱动的云网全景可观测系统建设实践总结

国泰君安证券在云原生架构下，完成了从IOE集中式技术体系到分布式云原生体系的转型，旨在提升云网络的可观测性和运维效率。该系统建设涉及云平台、微服务框架、大模型应用等多个方面，以下为关键内容总结。

技术体系演进始于2013年，国泰君安推动云原生基础设施建设，涵盖IaaS云底座、分布式交易数据库、云原生容器和微服务框架。通过“一云多芯”策略，整合国产信创芯片，实现了资源统一纳管和云边协同。2023-2025年规划强调加速应用迁移、AI深度融合和全栈服务能力覆盖。

建设中面临主要挑战：云网络“黑盒”状态，缺乏实时流量采集和全链路追踪；运维依赖经验，故障定界效率低。解决方案包括引入大模型技术，整合多源异构数据，提供全景可观测性；采用eBPF实现无侵入式流量采集，避免业务侵扰；构建可观测智能体，支持全栈指标、调用日志和性能分析。

成果包括开发云监控系统、AI云助手等，实现云资源的自助申请、故障快速定位和分钟级备切换，可靠性达到99.99%。同时，通过大数据平台和分析工具，优化网络拓扑和资源配置，提升系统稳定性和业务连续性。

未来规划聚焦深化大模型应用，如多智能体协同系统，针对业务场景自动化处理；推动AI云助手功能定制化，减少运维压力；加强云网络与业务监控的联动，输出全景可观测性分析报告。

总体而言，该实践通过云原生技术、大模型AI和eBPF的结合，显著提升了云环境的可观测性和运维敏捷性，为金融行业数字化转型提供了参考。