01
故障根因分析概述
RCA定义 · 运维价值 · 数据驱动vs传统 · 知识体系
概念导论
02
运维数据基础
指标/日志/链路/事件 · 采集存储 · 数据质量
PrometheusELKJaeger
03
指标异常检测
3-Sigma · MAD · 移动平均 · Isolation Forest
统计学机器学习
04
日志分析基础
结构化解析 · 特征提取 · Grok/ES工具
LogstashFluentd
05
链路追踪与拓扑构建
OpenTelemetry · 调用链模型 · 拓扑图
分布式依赖分析
06
事件关联分析
时间窗口 · Apriori · 图关系挖掘
关联规则PageRank
07
故障模式识别
慢查询/内存泄漏/网络抖动 · 特征库 · 模板匹配
模式库分类
08
因果推断基础
相关性vs因果 · Granger检验 · Do-calculus
因果计量
09
贝叶斯网络在RCA中应用
结构学习 · PC/爬山 · 精确/近似推理
贝叶斯推理
10
决策树与随机森林
信息增益 · 基尼系数 · 故障分类
决策树集成
11
基于图神经网络的RCA
GNN基础 · GraphSAGE · GAT · 故障传播图
GNN深度学习
12
时间序列因果发现
Granger扩展 · TCDF · LSTM因果
时序因果
13
根因定位算法
PageRank · 随机游走剪枝 · 因果图定位
定位算法
14
多模态数据融合
指标+日志+链路 · 异构对齐 · 融合模型
多模态融合
15
故障演练与数据生成
Chaos Mesh · Litmus · 合成数据 · 增强
混沌工程数据增强
16
RCA系统架构设计
Lambda/Kappa · Kafka/Flink · 存储选型
架构实时
17
告警降噪与聚合
告警风暴 · 相似度聚合 · 时序压缩
降噪告警
18
可观测性平台集成
Prometheus+Grafana · ELK · OpenTelemetry
可观测集成
19
自动化根因分析流程
告警→根因输出 · 决策引擎 · 反馈闭环
自动化流程
20
案例：电商系统故障RCA
背景 · 采集 · 检测 · 定位 · 复盘
电商实战
21
案例：微服务性能瓶颈
链路追踪 · 资源瓶颈 · 优化建议
微服务性能
22
案例：数据库慢查询RCA
慢查询日志 · 索引优化 · SQL改写
数据库慢查询
23
案例：网络故障根因分析
网络指标 · 拓扑追踪 · 配置回溯
网络故障
24
案例：容器化环境故障
K8s集群 · Pod异常 · 资源争抢
容器Kubernetes
25
RCA效果评估
准确率/召回率/MTTR · A/B测试 · 优化
评估指标
26
大规模场景下RCA挑战
数据规模 · 实时性 · 多租户 · 成本
大规模挑战
27
RCA工具与平台介绍
SkyWalking · Datadog · Splunk · Dynatrace
工具商业
28
RCA团队建设与流程
角色定义 · On-Call · 知识库沉淀
团队流程
29
前沿趋势与未来展望
AIOps · 大模型 · 因果+深度学习
前沿趋势
30
课程总结与项目实战
知识回顾 · 端到端RCA系统 · 学习路径
总结项目