以往，我们在做监控的时候，其实是以一个技术人的视角在发现我们系统运行中的故障。但有时候系统运行的很好，线上业务却出现了大规模的用户流失、业务流程不可用、数据错误甚至在金融业务中最可怕的“资损”等现象。

为了解决这个问题，我们需要换一种思路，从目前大家主流关心的机器、网路、服务实例中抽出来，来看看发生了哪些事情会对业务和用户产生最大风险的，然后再从风险出发，去分析我们系统哪些地方能够感知这些风险，最终进行风险的预警和拦截。为此，我们建立了一套新的基于业务风险的监控体系，以及配套的一系列监控平台。这些监控平台在实现时的思路和有趣的小创新也会在这次演讲中分享。

最终，在这套监控体系完成并且全部业务实践后，线上问题 P0 问题得到了一个明显的收敛，下降了60%，且我们观测的由监控召回而避免的 P0 问题数，业务效果明显。

演讲提纲：

1. 转换思路：系统没故障，线上真的稳定吗
   • 监控的目标是什么
   • 一些系统故障监控的盲区case
2. 基于业务风险的监控体系
   • 以金融业务举例的风险类型
   • 基于业务风险梳理监控体系的方法论
3. 服务业务风险监控的监控平台体系
   • 基于时序数据的异常检测平台：画骨智能监控平台
     • 基于异常插入的报警策略回测
     • 大范围报警策略量化评估
     • 基于增强学习的报警策略智能推荐
   • 低代码的数据校验平台
   • 基于知识库的问题定位组件平台
4. 实践效果及总结

你将获得：

• 从一个新的视角看待监控
• 一套基于业务风险梳理监控体系的方法论
• 在监控系统搭建中，一些利用到机器学习的实用的思路

基于京东科技多年智能运维落地经验，从时序指标异常检测、快速搭建应用/数据库实例健康评分模型以及智能根因定位等多角度解密京东科技智能运维的核心算法，洞察海量运行数据，自动、准确、快速地对业务运行出现的以及可能发生的异常风险事件检测和预测，定位问题根本原因，降低运行风险，提高系统可用性和运维效率，提供一体化智能运维解决方案。

演讲提纲：

1. 京东科技智能运维整体能力、智能运维建设的价值
2. 异常检测算法在京东科技线上业务场景、监控、数据库、网络、资源调度落地经验
   • 单、多指标异常检测算法、AIOps 时序特征库搭建及如何做好运维算法持续迭代能力
   • 揭秘如何将 NLP 技术应用于运维日志分析，从日志角度发现异常问题
   • 如何从多模态数据中挖掘根因指标、关联指标与日志提取历史故障异常模式
3. 京东科技全链路根因定位整体架构及实践
   • 如何将专家经验灵活组合多种定位策略，将传统根因定位与机器学习算法结合
   • 故障诊断算法学件建设经验，动态基线、曲线相似度、聚类特征树、强化学习定位算法
   • 以一个案例为切入点揭秘如何从业务到基础资源的全链路根因定位

你将获得：

• 运维算法建设经验，持续化迭代训练体系搭建方案；
• 运维算法与真实运维场景落地结合的实践经验；
• IEEE 智能运维方向论文收录经验，知识产权创新点挖掘方法。

本次演讲将分享 eBay AIOps 团队智能运维的落地经验，从用户的角度重新看待异常检测问题。以单维度异常检测任务出发，介绍基于用户需求和单变量异常检测方案的先天不足而引入的多维度异常检测问题，以及如何通过对告警的进一步横向和纵向的挖掘做根因定位。最后谈一谈智能运维在跨国业务的数据上遇到的独特挑战。

AIOps 目前已成为 eBay 一线运维团队监控全球站点可靠性的关键系统，同时为支付、搜索、营销、广告等多个关键业务场景赋能。

演讲提纲：

1. 从用户视角看待异常检测问题
2. 异常检测任务
   • 用户对智能告警真正的需求
   • 单维指标发展到多维指标异常检测
   • 面向全站业务及系统指标的无监督和半监督的检测方案
3. 异常告警挖掘
   • 海量指标智能告警到根因定位
   • 纵向告警挖掘和横向告警挖掘
4. 跨国业务中智能运维遇到的挑战
   • 挑战：冬/夏令时转换和异步时序

你将获得：

• 真实的智能运维场景
• 以用户为中心看待异常检测问题
• AIOps 问题在落地中的演化和思考
• 面向全产品线业务及系统数据的智能运维产品落地经验

阿里集团业务全面上云，数十个不同行业BU（Business Unit）的业务稳定如何高效建设和保障，是一个巨大的挑战；阿里云上更为庞大的外部客户，对业务稳定性建设同样有着迫切需求。

在阿里集团业务稳定性建设的多年实践中，我们探索出了区分日常态和大促态的业务稳定性高效建设和保障的解决方案。

演讲提纲：

1. 业务稳定性保障全局图
2. 高可用架构之故障演练-事前有效预防
   • 基于混沌工程的故障注入演练
3. 高可用架构之应急协同-事中高效处置
   • 基于场景群和指挥大屏的高效应急协同
4. 高可用架构之异地多活-事后快速恢复
5. 大促态业务稳定性保障实践
   • 全链路压测、大促态封网管控、大促态应急流程
6. 云上业务稳定性保障建设的未来趋势展望

你将获得：

如果你面临业务规模庞大、稳定性保障面临很大挑战的场景，通过这次分享，可以了解到如何快速高效的建设起一套区分日常态和大促态的业务稳定性保障的解决方案。