aiops-金马国际
aiops 代表运维操作的人工智能。
今天的应用架构，正处在一个不可测的阶段
可观测性是系统或者产品应该具备的一种能力。
今年 4 月，同程艺龙上线了机票目的地盲盒活动，一经上线就倍受用户青睐。盲盒活动背后，面临着诸多的挑战，不仅仅有大流量对整个业务系统的考验，还有用户交互体验和口碑也对整个活动的成败有着重要的影响。要保障盲盒活动的顺利进行，不是使用某一个技术，或者依靠某一个系统就能做好的，而是积累的一系列平台和系统的合力使然。本次演讲，我将向大家揭露我们在盲盒活动中各系统的保障技术，有值得肯定的，有值得反思的，还有意料之外的。
大数据及人工智能技术在监控领域的应用使银行系统的监控面临更为重要的机遇和挑战，哈尔滨银行服务主体对业务可用性要求不断提高，需要不断优化现有监控平台及监控策略，需要形成监控标准化体系。
本期推荐内容：中台的邪，为什么 cxo 们都信了？爱奇艺技术总监朱俊敏：奇观识别方案从云迁移到端的探索和实践；被嫌弃的 35 岁程序员。
的性能问题一直是影响到金融系统用户体验甚至是系统可用率的关键因素。review。是否存在性能问题，哪里存在性能问题，如何优化性能问题。
传统的手段已经无法满足如今运维管理的需求，智能运维（aiops）应运而生，将会给运维行业带来革命性的变革和机会，依据数据和算法去重新打造新一代的智能运维 / 运营体系。
在这篇文章里，我们将介绍 8 个 devops 自动化工具，每一家公司都需要依靠它们来获得持续改进。
美团即时物流业务，对于系统稳定性有极高的挑战。峰值流量高 ; 瞬间峰值大 ; 业务链路长 ; 线上到线上的业务复杂度高 ;
在监控报警方面已经孵化出两个应用场景：智能异常检测和智能报警合并。算法在监控告警系统的快速落地并产生业务价值，这对监控告警架构提出了很大的挑战！
本期推荐内容：大疆禁飞、tiktok 禁装，视野之外的“华为”们如何出海？对话腾讯大数据团队：自研联邦学习系统的技术实践和难点
根据 gartner 预测，到 2022 年，40% 的大中型企业将部署 aiops 平台。离 2022 年只有 2 年时间了，aiops 企业实践得如何了呢？
本文详细介绍了宜信智能运维平台 uavstack 的设计思想、技术架构和核心功能，及落地实践经验。
operations）已经成为运维领域的重要趋势。1 月 11 号我们请到清华大学的裴丹教授前来 360，关于 aiops 的落地实践问题和我们进行了交流分享。
随着运维工作从规模和复杂度多方面的爆炸式增长，传统的运维手段已经无法满足如今系统运维管理的需求。ai 技术日趋成熟，智能运维（aiops）应运而生，给运维行业带来了很多的变革和机会。
为什么敏捷激起国内开发者这么强烈的情绪表达，一个话题被浏览高达 58 万余次？
本次分享介绍阿里中台开发运维一体化实践和智能化运维经验。
本次分享介绍百度 aiops 黄金指标异常检测技术。
本文将从银行转型的角度，为大家剖析主流商业银行转型“开放银行”的时代特点。
随着“中台”战略的提出，目前宜信中台建设在思想理念及架构设计上都已经取得了很多成果。宜信是如何借助中台化的思想打造“ai 中台”及相关的智能产品呢？
本文对 aiops 进行探索，以实现智能异常检测和根因分析。
本文介绍分布式主动感知在智能运维中的实践经验。
在支付宝技术嘉年华期间，infoq 对蚂蚁金服技术风险部研究员陈亮进行了独家采访，首次系统了解稳定支撑“双十一”等多次实战背后的支付宝技术风险体系。
2017 年，京东物流新业务的发展导致原有的运维平台不能满足业务需要，所以现有的运维体系平台进行了升级建设。
本期重磅访谈：从开源 bigdl 和 analytics zoo，看懂英特尔的 ai 底气
dynatrace 成立于 2005 年，曾经是业界资深的提供应用性能管理（apm）金马国际的解决方案的公司，现在强调超越 apm，用智能软件平台支持企业的自主云管理。
本期推荐内容：时隔 25 年重访开源大神 linus：流量时代的“技术大师”
美团外卖从 2013~2018，历时五年，现在已经是全球最大外卖交易平台。目前单日完成订单两千多万单，交易频次高，如果不能及时发现潜在业务指标异常，有可能引发重大事故。
近日，程序员论坛 v2ex 上出现一个热议话题“阿里云正在缓慢而稳步地杀死运维行业”，这似乎表明运维人员最终还是感受到了来自云计算发展带来的巨大压力。发帖者认为，“当容器服务集群、跨地域监控与容灾 / 保活、dba、代码托管与 ci/cd 都能全部依托阿里云产品时，运维已经被踢出 it 行业”。
opsramp 最近发布了新的拓扑图、增强的 aiops 功能以及针对云原生工作负载的监控功能。
携程的应用数量众多、架构复杂，规模效应和时间维度上的积累会导致运维数据（日志、监控数据、应用信息等）体量异常庞大，传统基于经验规则的方式已经不能很好地胜任某些特定的运维场景。特别是在大数据时代背景下，这种挑战尤为严峻。