智能时代下的运维
智能运维（AIOps），根据 Gartner 的最新阐释，意指整合大数据和机器学习能力，通过松耦合、可扩展方式去提取和分析数据量（volume）、种类（variety）和速度（velocity）这三个维度不断增长的 IT 数据，进而为 IT 运维管理产品提供支撑。在此，微众银行智能运维团队根据一线工作的实践经验与心得体会，特别撰写了《智能运维系列》文章，敬请持续关注。
智能运维系列（一）| AIOps 的崛起与实践
运维发展和各种技术更新是密不可分的，也是各种技术重要的实验田。
智能运维系列（二）| 智能化监控领域探索
本文将介绍微众银行在异常监控和主动定位方面的探索。
智能运维系列（三）| 浅析智能异常检测：“慧识图”核心算法
智能运维系列专题简介：智能运维（AIOps），根据 Gartner 的最新阐释，意指整合大数据和机器学习能力，通过松耦合、可扩展方式去提取和分析数据量（volume）、种类（variety）和速度（velocity）这三个维度不断增长的 IT 数据，进而为 IT 运维管理产品提供支撑。
智能运维系列（四）| 曝光交易路径
智能运维（AIOps），根据 Gartner 的最新阐释，意指整合大数据和机器学习能力，通过松耦合、可扩展方式去提取和分析数据量（volume）、种类（variety）和速度（velocity）这三个维度不断增长的 IT 数据，进而为 IT 运维管理产品提供支撑。
智能运维系列（五）| 浅析基于知识图谱的根因分析系统
本文将具体阐述根因分析系统的设计理念。
智能运维系列（六）| 如何通过智能化手段将运维管理要求落地？
根因分析过程中的运维管理实践。
智能运维系列（七）| 化繁为简：业务异常的根因定位方法概述
根因定位方法实践。
智能运维系列（八）| 事件指纹库：构建异常案例的“博物馆”
在运维领域，是否也需要一个类似“博物馆”的场所，来记录异常案例，从而助力寻找隐藏的根因定位规律呢？
智能运维系列（九）| 基于交易树的根因告警定位方法
如何找到一个有效的方法来帮助运维人员定位出真正的根因？
智能运维系列（十）| 浅析根因告警的系统分析法
本文中将介绍在异常时，告警风暴发生后，如何进行根因告警分析。
智能运维系列（十一）| 日志文本异常聚类及相似度检测
基于机器学习算法进行日志分类、聚类、并转化为时间序列的日志异常检测解决方案。
智能运维系列（十二）| 智能运维的四大挑战和应对之道
在本文中，作者将介绍自己曾面临过或正在面临着的四大挑战，同时也会分享一些解决办法及经验。
智能运维系列（十三）| 面向智能化运维的 CMDB 系统构建
本文将结合具体实践，介绍微众银行面向智能化运维的 CMDB 系统构建历程以及实施效果。
智能运维系列（十四）| 人与技术相结合的异常管理实践
这篇文章主要阐述系统背后的 IT 异常事件管理思路。
促进软件开发及相关领域知识与创新的传播
京公网安备 11010502039052号
