自主运维系统故障识别速成

📚 共计 30 章节

故障识别概述

什么是自主运维 · 故障识别的重要性 · 故障识别流程总览

监控数据采集

基础指标采集(CPU/内存/磁盘/网络) · 日志采集原理 · Agent部署与配置

数据预处理

数据清洗 · 缺失值处理 · 异常值检测 · 标准化与归一化

清洗特征工程

阈值告警机制

静态阈值 · 动态阈值(3-sigma/MA/EWMA) · 告警抑制与收敛

基于规则的故障检测

规则引擎原理 · 常用模式(突增/突降/持续高水位) · 规则编写实战

时间序列分析基础

时间序列概念 · 平稳性检验 · 自相关与偏自相关函数

统计模型故障检测

移动平均法 · 指数平滑法 · ARIMA模型在异常检测中的应用

机器学习入门

特征工程 · 训练/验证/测试集划分 · 评估指标(精确率/召回率/F1)

孤立森林算法

算法原理 · 适用场景 · Python实现与调参

孤立森林无监督

算法原理 · 核函数选择 · 异常检测实战

基于聚类的异常检测

K-Means · DBSCAN · 轮廓系数评估

深度学习基础

感知机 · 激活函数 · 损失函数 · 反向传播

神经网络基础

自编码器 (Autoencoder)

原理 · 降维与重构误差 · 异常检测应用

自编码器重构

LSTM时间序列预测

RNN基础 · LSTM原理 · 预测残差异常检测

日志异常检测

日志解析(模板提取) · 异常模式识别 · NLP基础应用

多指标关联分析

皮尔逊相关系数 · 格兰杰因果检验 · 关联规则挖掘

根因分析 (RCA)

故障树分析 · 蒙特卡洛模拟 · 基于图论的根因定位

告警风暴处理

告警聚合 · 告警降噪 · 事件关联分析

故障自愈策略

自愈脚本编写 · 自愈流程设计 · 回滚机制

自愈自动化

混沌工程基础

混沌工程原则 · 故障注入工具(Chaos Monkey/Litmus) · 实验设计

可观测性体系

Metrics/Logs/Traces三大支柱 · OpenTelemetry集成

Prometheus监控体系

PromQL查询 · 告警规则配置 · Alertmanager集成

Prometheus告警

ELK/EFK日志平台

Elasticsearch存储 · Logstash/Fluentd采集 · Kibana可视化

Grafana可视化

仪表盘设计 · 告警面板 · 变量与模板化

Grafana仪表盘

自动化运维平台设计

平台架构设计 · 模块划分 · API设计原则

故障演练与应急预案

故障场景库建设 · 应急响应流程 · 复盘总结

案例实战一：Web服务高CPU故障

定位与自愈 · 根因分析 · 自动化恢复

案例实战二：数据库连接池耗尽

故障识别 · 连接池监控 · 快速恢复

实战数据库

案例实战三：网络延迟突增

根因分析 · 告警收敛 · 网络诊断

课程总结与进阶

知识体系回顾 · 学习路径推荐 · 社区与工具生态