郭正 郭宁 黄蕴思

（中国移动通信集团广东有限公司 广东省广州市 510000）

1 概述

随着云计算的深入发展和IT技术架构的大变革，企业数字化转型（云化）已经步入深水区。例如，政务云可以为政府行业提供基础设施、软件支持等功能[1]；工业云可以为企业提供工业软件、知识库等云服务[2]；金融云为银行、证券、保险等机构提供服务，用来承载应用和高并发业务[3]。

在开展业务系统云化、容器化的过程中，产生了很多新的运维痛点，最典型的痛点是故障定位[4]。在云计算中会大规模地共享计算资源，尽管单个计算节点的可靠性可以达到很高，但是当计算节点的规模很大时，不可避免地会经常出现计算节点故障的问题。这将带来如下运维痛点现象：告警量大，告警处理工作激增；故障定位大部分依赖人工，对人员的专业水平要求较高，时效性得不到保障。因此，对故障发生的根因进行自动化的分析就显得非常具有价值。

实际上，系统故障定位是有迹可循的。云应用系统的网元组件通过相互协作正常运行，当系统发生故障时，系统下的网元内部的某些性能指标同样会发生异常。使用异常检测、固定阈值等方法对系统内部网元下的性能指标进行监测，以告警的方式将各种性能指标异常变化反映出来。可以使用系统一段时间的历史指标异常告警数据，基于历史告警数据，采用关联规则FP-growth算法分析告警事件之间的关联关系，判断同时出现的概率，以此分析出当前系统下某些网元的某些指标发生异常告警，是另外一些网元的异常告警的根本原因[5-10，13-15]。……