佚名

近日，AWS發(fā)布了完全托管的運(yùn)營(yíng)服務(wù)Amazon DevOps Guru。該服務(wù)利用機(jī)器學(xué)習(xí)技術(shù)，幫助開(kāi)發(fā)人員通過(guò)自動(dòng)檢測(cè)操作問(wèn)題和建議補(bǔ)救措施，提高應(yīng)用程序可用性。Amazon DevOps Guru應(yīng)用了支持Amazon.com和AWS的機(jī)器學(xué)習(xí)技術(shù)，通過(guò)自動(dòng)收集和分析應(yīng)用程序指標(biāo)、日志、事件和痕跡等數(shù)據(jù)，識(shí)別偏離正常操作模式的行為。

當(dāng)Amazon DevOps Guru識(shí)別出可能導(dǎo)致服務(wù)中斷的異常應(yīng)用程序行為時(shí)，它將向開(kāi)發(fā)人員發(fā)出問(wèn)題詳細(xì)信息（例如，涉及的資源、問(wèn)題時(shí)間表和相關(guān)事件等），并通過(guò)Amazon Simple Notification Service（SNS）以及Atlassian Opsgenie和PagerDuty等合作伙伴集成服務(wù)來(lái)幫助開(kāi)發(fā)人員快速了解問(wèn)題的潛在影響，并提出具體的修復(fù)建議。開(kāi)發(fā)人員利用Amazon DevOps Guru的修復(fù)建議可以有效減少修復(fù)時(shí)間，無(wú)需手動(dòng)設(shè)置或機(jī)器學(xué)習(xí)專(zhuān)業(yè)知識(shí)即可提高應(yīng)用程序的可用性和可靠性。

為了擺脫本地部署的限制并向全球擴(kuò)展業(yè)務(wù)運(yùn)營(yíng)，越來(lái)越多的組織開(kāi)始轉(zhuǎn)向基于云的應(yīng)用程序部署和微服務(wù)架構(gòu)，這也導(dǎo)致應(yīng)用程序?yàn)闈M足客戶需求而變得越來(lái)越分散。開(kāi)發(fā)人員需要更多的自動(dòng)化方式來(lái)維護(hù)應(yīng)用程序的可用性，減少花費(fèi)在檢測(cè)、調(diào)試和解決運(yùn)營(yíng)問(wèn)題上的時(shí)間和精力。錯(cuò)誤的代碼或配置更改、不平衡的容器集群或CPU、內(nèi)存、磁盤(pán)等資源耗盡帶來(lái)的應(yīng)用程序宕機(jī)事件將不可避免地導(dǎo)致不良客戶體驗(yàn)和收入損失。

企業(yè)需要花費(fèi)大量資金和開(kāi)發(fā)人員時(shí)間來(lái)部署多個(gè)監(jiān)測(cè)工具，而這些監(jiān)測(cè)工具通常是分開(kāi)管理的，并且針對(duì)負(fù)載平衡器錯(cuò)誤或應(yīng)用程序請(qǐng)求率下降等常見(jiàn)問(wèn)題開(kāi)發(fā)和維護(hù)自定義警報(bào)。對(duì)于希望通過(guò)設(shè)置閾值以識(shí)別和警告應(yīng)用程序資源異常狀況的企業(yè)來(lái)說(shuō)，不僅很難設(shè)置準(zhǔn)確的閾值，涉及諸多手動(dòng)操作，并且要求閾值必須隨著應(yīng)用程序使用情況的變化而不斷更新（例如，在假日購(gòu)物季時(shí)突增大量請(qǐng)求）。如果閾值設(shè)置得太高，開(kāi)發(fā)人員在運(yùn)營(yíng)性能已經(jīng)嚴(yán)重受損前無(wú)法收到警報(bào)。當(dāng)閾值設(shè)置得太低時(shí)，開(kāi)發(fā)人員則可能得到過(guò)多誤報(bào)并最終忽略警報(bào)。

即使開(kāi)發(fā)人員對(duì)潛在的操作問(wèn)題已經(jīng)有所警覺(jué)，仍然很難尋找和確認(rèn)問(wèn)題根源。使用現(xiàn)有工具，開(kāi)發(fā)人員通常很難從圖形和警報(bào)中確定問(wèn)題根源，而即使找到根本原因，也往往無(wú)法解決問(wèn)題。每次故障排除都是冷啟動(dòng)，團(tuán)隊(duì)必須花費(fèi)數(shù)小時(shí)或數(shù)天來(lái)識(shí)別問(wèn)題，這種工作既耗時(shí)又繁瑣，從而減緩了解決操作故障的時(shí)間，并可能延長(zhǎng)應(yīng)用程序的中斷時(shí)間。Amazon DevOps Guru的機(jī)器學(xué)習(xí)模型采用了亞馬遜過(guò)去20多年為Amazon.com構(gòu)建、擴(kuò)展和維護(hù)高可用應(yīng)用程序的運(yùn)營(yíng)專(zhuān)業(yè)知識(shí)。這使Amazon DevOps Guru能夠自動(dòng)檢測(cè)運(yùn)營(yíng)故障（例如，警報(bào)遺漏或配置錯(cuò)誤，資源耗盡的早期警告，可能導(dǎo)致停機(jī)的配置更改等），提供有關(guān)資源和相關(guān)事件的背景，并建議補(bǔ)救措施，而無(wú)需開(kāi)發(fā)人員具備任何機(jī)器學(xué)習(xí)經(jīng)驗(yàn)。開(kāi)發(fā)人員只需在Amazon DevOps Guru控制臺(tái)中單擊幾下，即可自動(dòng)提取和分析所有資源的歷史應(yīng)用程序和延遲、錯(cuò)誤率、請(qǐng)求率等基礎(chǔ)架構(gòu)指標(biāo)，以建立操作基線，然后Amazon DevOps Guru就可以開(kāi)始通過(guò)預(yù)先訓(xùn)練的機(jī)器學(xué)習(xí)模型識(shí)別與既定基線的偏差。

當(dāng)Amazon DevOps Guru分析系統(tǒng)和應(yīng)用程序數(shù)據(jù)以自動(dòng)檢測(cè)異常時(shí)，它還將這些數(shù)據(jù)分組為運(yùn)營(yíng)洞察，包括異常指標(biāo)、隨著時(shí)間的推移對(duì)應(yīng)用程序行為可視化、以及有關(guān)補(bǔ)救措施的建議。Amazon DevOps Guru還將相關(guān)的應(yīng)用程序和基礎(chǔ)架構(gòu)指標(biāo)（例如Web應(yīng)用程序延遲峰值、磁盤(pán)空間用盡、錯(cuò)誤的代碼部署、內(nèi)存泄漏等）相關(guān)聯(lián)并進(jìn)行分組，以減少冗余警報(bào)并幫助用戶關(guān)注高嚴(yán)重性問(wèn)題。客戶可以通過(guò)查看配置更改歷史記錄、部署事件以及系統(tǒng)和用戶活動(dòng)，以在Amazon DevOps Guru控制臺(tái)中生成需要優(yōu)先關(guān)注的潛在操作問(wèn)題事件列表。為了幫助客戶快速解決問(wèn)題，Amazon DevOps Guru提供了具有補(bǔ)救步驟的智能建議，并與AWS Systems Manager集成運(yùn)行手冊(cè)和協(xié)作工具，使客戶能夠更有效地維護(hù)應(yīng)用程序并管理其部署的基礎(chǔ)架構(gòu)。Amazon DevOps Guru與Amazon CodeGuru（機(jī)器學(xué)習(xí)支持的開(kāi)發(fā)人員工具，可提供智能建議以提高代碼質(zhì)量并識(shí)別應(yīng)用程序中最昂貴的代碼行）一起，使客戶可以針對(duì)其操作數(shù)據(jù)使用自動(dòng)化機(jī)器學(xué)習(xí)技術(shù)，幫助開(kāi)發(fā)人員輕松提高應(yīng)用程序的可用性和可靠性。

Amazon DevOps Guru通過(guò)AWS軟件開(kāi)發(fā)工具包（AWS SDK）支持API終端節(jié)點(diǎn)，使合作伙伴和客戶可以輕松地將Amazon DevOps Guru集成到其現(xiàn)有解決方案中，以針對(duì)高嚴(yán)重性問(wèn)題提交故障單、分級(jí)并自動(dòng)通知工程師。 PagerDuty和Atlassian已將Amazon DevOps Guru集成到其運(yùn)營(yíng)監(jiān)控和事件管理平臺(tái)中，使用其解決方案的客戶現(xiàn)在可以從Amazon DevOps Guru提供的運(yùn)營(yíng)見(jiàn)解中受益。

Amazon DevOps Guru現(xiàn)已在美國(guó)東部（北弗吉尼亞）區(qū)域、美國(guó)東部（俄亥俄）區(qū)域、美國(guó)西部（俄勒岡）區(qū)域、亞太（新加坡）區(qū)域和歐洲（愛(ài)爾蘭）區(qū)域進(jìn)行預(yù)覽。