罗庆超：AIGC助力大规模对象存储服务OSS的能效提升_17页_5mb

AIGC助力大规模对象存储服务能效提升总结

背景与挑战

大规模对象存储服务OSS面临挑战，包括海量存储量、巨量请求（X万亿/天）、多租户环境以及复杂的运维需求。目标是实现99.995%可用性、高效的慢请求识别、准确的根因分析，并提升运维系统的易用性。

AI运维（AIOPS）与场景应用

AI运维通过整合算法与专家经验，结合数据算力平台，提升运维效率。

场景1：智能化根因分析

利用多种算法（如K-sigma、HTM、LOF、BOXPLOT）和专家经验，结合实时与离线计算，快速识别问题根源，并形成报告，实现1分钟发现、5分钟处置、10分钟恢复问题。

场景2：慢请求智能追踪

通过多维数据分析，识别慢请求的产生原因，并进行全链路定位，从对象层、KV索引层到盘古数据层逐层分析，优化用户访问响应。

场景3：海量工单的NLP处理

通过对工单进行NLP处理，分类优化工单处理流程，降低成本。

场景4：AIGC智能机器人

AIGC技术用于生成辅助工具（如文档、操作指导），提升服务易用性，减少人工处理需求。

总结与展望

DataOps是实现AIOps的基础，AI智能运维在多个运维场景中取得显著成效。面向未来，AIOps的发展之路仍有挑战，但实斟能显著提升运维的智能性和效率。