10月20日，騰訊織云 Metis 智能運維學件平臺正式對外開源。Metis 是 AIOps（Algorithmic IT Operations），即智能運維領域的***開源產品，它是聚焦在智能運維的應用實踐集合，基于騰訊已有的運維數據，將機器學習領域的分類、聚類、回歸、降維等算法和運維場景相結合，旨在通過一系列基于機器學習的算法，對運維數據進行分析、決策，從而實現自動化運維的更高階段。

主要功能

• 異常檢測：提供率值檢測和量值檢測 API 接口，對時間序列進行檢測，HTTP協議

• 特征提取：提供三類特征（統計特征、擬合特征、分類特征）的提取功能，特征維度90+；支持增加自定義特征

• 異常查詢：經 API 檢測后的時間序列（僅異常）入庫存儲，提供管理功能，分頁查詢、檢索、放縮等

• 標注打標：提供標注打標的功能，標記/取消標記為正負樣本，標記后樣本入樣本庫

• 樣本管理：提供樣本管理功能，檢索、圖示、編輯、刪除，導入等功能

• 模型管理：提供模型管理功能，支持自定義模型訓練

應用場景

• 質量保障： 利用機器學習技術，進行異常檢測、故障定位、瓶頸分析等，可在無人工干預下，智能地保障業務穩定運行。如無閾值智能監控、DLP 生死指標監控、多維根因分析。

• 效率提升：基于自然語言處理、機器學習技術，進行智能問答、智能變更、智能決策，可顯著提升運維效率。如 Metis 的智能咨詢機器人、輿情監控、集群智能負載均衡、數據庫參數調優、容量預測。

• 成本管理：基于大數據智能分析技術，進行資源（設備、帶寬、存儲）管理，可迅速分析資源使用的明細，并通過橫向大數據對比識別可優化點。如硬盤生命周期預測。本次 Metis 率先開源的無閾值智能監控學件，是從無監督+有監督學習的角度來解決時序數據的智能檢測問題。

項目特性

• 智能檢測：運維人員不需要再去設置監控閾值，模型能夠對異常情況做智能判決，直觀告知檢測結果是正常還是異常。通常而言，閾值的監控包含最值、同比、環比等維度設置，此檢測方案在檢測初期效果較好，但是隨著業務發展和規模壯大，就會需要付出較高的人力成本去維護合適的閾值范圍，對于大規模發展性業務得不償失。智能檢測的方案是基于統計判決、無監督和有監督學習對時序數據進行聯合檢測，通過統計判決、無監督算法進行首層判決，輸出疑似異常，其次進行有監督模型判決，得到最終檢測結果。這個過程就摒棄了閾值方式帶來的問題。

• 通用模型：智能檢測的模型由騰訊織云多元化的海量業務樣本訓練而成，比較適合復用在互聯網行業的時間序列檢測中。有監督的檢測效果取決于標注樣本的準確性和種類豐富性，通過樣本庫管理功能積累了大量的正負樣本、分為測試集和訓練集，通用模型是經過海量訓練集的樣本數據訓練而來，涵蓋較全面的樣本分類。可以幫助一些用戶避免掉缺乏訓練數據所帶來的難點，用戶可直接加載通用模型進行檢測。

• 規則學習：實踐過程中也會遇到較個性的業務場景，千人千面，不同的用戶對異常的判斷標準也不盡一致，因此支持標注反饋功能，用戶可根據標注信息進行訓練，生成新的檢測模型，進而掌握新的業務規則。

騰訊表示，秉承騰訊開源的理念，Metis 將打造一個開放的學件平臺，陸續開源時間序列指標預測、主機異常智能分析、MySQL 異常智能分析、硬盤生命周期預測等其它智能運維學件，集合廣大用戶在智能運維領域的建設經驗和實踐，豐富完善針對質量、效率、成本三個方面的AI學件，搭建完備的運維場景，并將在未來兼容其它監控領域的開源產品，如 Zabbix、Nagios、Open-Falcon 等。