LinkSLA与南京大学合作，将AI算法引入运维平台，将趋势性、周期性强的指标数据通过机器学习，实现异常检测、故障预测等功能。
下面分享一个通过AI算法，对Oracle数据库故障预测的案例。
在3月16日，MOC工程师接到某公司的Oracle数据库dbtime运维指标AI检测异常告警。查看告警详情，发现数据库的db time值与历史相同时间段的db time值区别比较大，并且 dbtime一直持续向上的趋势仍在持续。
告警详情页面👆
进入指标详情页面，查看运行指标，看到数据库运行时间分配给CPU占比低于10%，而等待时间占比高于90%，和以往指标基线有很大的不同。
数据库cpu服务时间👆
数据库等待时间👆
一个技术 tips：
Oracle数据库中DB Time(请求时间)= DB Wait Time（DB等待时间）+ DB CPU Time（DB CPU服务时间）
等待时间的增加表明数据库负载压力大，资源占用非常严重。MOC工程师继续查看相关运行指标时序图，Active_Serial_Sessions（活动串行会话数）、 Current_logons_count（当前登录数）；Current_open_Cursors_Count（当前打开的游标数）;SQL_Service_Response_Time SQL（服务响应时间）指标参数均显示异常且持续增长。
如图显示👇
Active_Serial_Sessions（活动串行会话数）
Current_logons_count（当前登录数）
Current_open_Cursors_Count（当前打开的游标数）
SQL_Service_Response_Time SQL（服务响应时间）
根据AI异常检测告警和相关指标数据时序图分析，这台Oracle数据库负载持续变大，并未任何下降趋势，AI趋势分析，按这个趋势下去，数据库负载将会不断增加，数据库会运行缓慢，最终导致数据库挂死，造成业务中断。
MOC工程师马上将Oracle数据库的AI预警信息，通知用户应用商，检查Oracle数据库运行状态，查找导致dbtime持续增加的原因，将隐患消灭在摇篮里，避免了业务中断现象发生。
案例总结
我们尝试对趋势性、周期性强的指标，进行模型训练，例如我们对oracle的dbtime 等指标进行了模型训练，从实践看还是起到了效果，可以及时发现数据库持续负载压力增大趋势，第一时间通知客户，避免生产事故。后续我们会对监控指标进行分类，不同类型指标按照不同算法进行训练，期望达到更好效果，提高运维效率。
9万+
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
