单击返回：自学N-Compass之路
nCompass-解决方案介绍
1. IT运维的现状及痛点
业务部门投诉系统不可用，各个部门盘查： 网络是通的；系统资源正常；应用进程状态都是正常的；数据库日志中也没有报错
- 运维被动： 80%的故障都是用户先发现反馈给服务台后，运维人员才知道
- 架构复杂：系统架构变得越来越复杂，问题多，责任界定及排障困难。
- 说不清：系统不可用，各部门，服务商都说不是自己的问题。
- 价值难以体现：不出故障觉得运维没用，出了故障觉得运维更没用
2. 运维的发展历程
3. 智能架构（Dev Ops 及 AI Ops对平台要求较高）
- 数据接入（流量、日志、三方数据）-----多源数据统一接入、关联分析、统一呈现
- 多源数据整合（1000W/S处理能力）-----1000万/秒的高速处理效率
- 规则库-----可编辑的分析规则，可针对不同类型的数据进行统计分析
- 机器学习/算法（智能基线/警报 、隐患排查/预警、智能分析/定位、 评估报告/建议）----- AI算法的支持，异常检测，多维主因素分析，预测分析，根因定位
- 动态大屏/场景模块------可灵活编辑的前端动态Dashboard，基于用户架构快速实现数据可视化
- 平台协调------可给予脚本实现多平台的行为联动，AIOps落地
4. 业务可视化平台搭建的5个步骤
- 业务梳理：真正了解你的业务系统状态（业务之间调用关系，网络节点/应用节点，端到端监控展示形式）
- 业务可视：全方位、多维度的进行业务可视化（针对网络的，针对系统的，互联网出口，专线链路，端口流量，可用性等）,nCompass通过内置可视化70多种显示控件。
a. 可视化，看得见，才能管理
b. 运维价值体现
c. 重大事件保障（促销监控保障） - 智能监控：建立基于机器学习算法的主动式监控体系（解决经常误报，经常少报，不够灵活，不够全面，不够预测）
a. 基于机器学习技术，可实现指标的告警基线自动生成，当指标明显偏离正常运行区间时，可主动发出告警；
b. 基于异常检测技术，对告警事件进行精细化处理，规避误报、漏报的现象。 - 知识图谱：基于AI算法驱动的数据智能分析， 内置智能根因定位的主要算法：
a. 基线偏离算法：基于指标的历史数据，预测未来数据的区间（上基线，下基线）用于智能告警场景。
b. 异常检测：检测数据序列中的离群点，用于异常检测/告警场景。使用非监督学习/监督学习结合的算法综合判断异常情况，内置行业海量数据的预测训练模式；
c. 根因定位算法：使用NEO4J构建分析对象关系图，提取待分析节点的相关节点机路径，结合知识库进行相关性分析，综合推导异常根因。用于告警或事件分析场景。
d. 多维主因素算法：深度分析数据变化的维度组成情况，并给出变化贡献度评分，用于变化或问题的主要因素定位。
e. 预测算法：基于历史数据预测未来的数据走势，反映出数据的周期性、趋势、波动等特性。用于容量规划、异常预测等场景。根据具体场景的的准确性及性能要求，选择使用LSYM或ARIMA实现算法。
异常时会收到告警邮件，会通知您“告警对象”“告警内同”“智能分析”“分析建议”“分析报告等”。
nCompass内置的知识图谱或称故障场景有， 业务突发/ 性能下降/ 可用性异常/变更比对分析/业务路径自动梳理/隐患排查。 也可自定义场景。
实时监控 → 基线告警 → 智能分析 → 根因定位 → 报告推送 - 平台联动：多平台的联动从而实现故障自愈
5. nCompass与传统网络监控分析方法对比
