2018第7届TOP100全球软件案例研究峰会---运维专场（AIOps、DevOps、区块链）

-会议内容-

随着云计算、 DevOps和 SRE的遍及，区块链技术的发展，运维自动化和效率体系的不断完善，运维已然成为驱动各大公司研发运维流程和理念变革的关键角色，运维人员关注的重点和面临的挑战也更多的聚焦在稳定性、流程效率改进、性能优化、用户体验提升以及成本控制等层面。

在分布式架构体系下，稳定性保障是一个极为复杂体系建设过程，除稳定性外，每一个不同的阶段都会有不同的挑战。这个挑战究竟何等凶猛？如何借鉴国内外优秀的实践经验？除了技术经验外，思路和模式上又该怎样转变？

不妨和我们一起来TOP100summit看看！TOP100summit是科技界一年一度的案例研究峰会，每年甄选有学习价值的100个技术创新/研发管理实践，分享他们在本年度最值得的总结、盘点的实践启示。希望本届大会，可以解决当下运维同学们的迷思与困惑。

本届峰会以“释放AI生产力 让组织向智能化演进”为开幕式主题，旨在推动企业在趋势下拥抱AI、探索和思考AI带来的力量。十八个主题专场，120个案例构成。技术主题将集中在：体验设计、产品创新、运营增长、运维体系、DevOps&SRE、区块链、「大前端」、AI驱动、人工智能、架构演进、团队管理....

今天，我们将给大家分享组委会历经两个月案例征集，收集到的众多来自海内外优秀的运维技术案例，受篇幅影响，小编挑选5个入围的案例，先睹为快（排名不分先后）。

蘑菇街SRE&CRE体系建设实践

赵成

美丽联合 技术总监

资深DevOps和运维专家，专栏作家，著有《进化：运维技术变革与实践探索》一书，腾讯云TVP，现任美丽联合集团技术总监。

案例简述

随着运维自动化和效率体系的不断完善，运维关注的重点和面临的挑战更多的聚焦在稳定性层面。近两年，随着Google SRE理念的传播和落地，对于稳定性体系建设起到了非常好的引导示范作用。 

本议题主要分享，蘑菇街在SRE实践方面的经验，以及蘑菇街业务整体搬迁上公有云之后，与云厂商之间的CRE体系建设实践。 

ROI

通过SRE和稳定性体系的建设，大大提升了对系统稳定性的把控程度，在3S体系的运作下，也极大的提升了与云厂商的配合效率。

百度运维自动化向智能化的转型之路

哈晶晶

百度 资深架构师

百度云资深架构师，负责自动化运维平台和智能运维解决方案的产品设计和架构研发，致力于AIOps在百度搜索、广告、信息流、AI、云等核心业务落地，同时，输出百度运维理念、自动化运维产品、智能运维解决方案给行业客户。

案例简述

百度运维经历了脚本&工具、自动化运维平台、开放运维平台阶段，在2014年开始智能化运维的探索，并且围绕可用性、成本和效率方向的运维目标在诸多运维场景落地。本次分享将以百度故障处理场景为例，介绍百度故障预防、故障发现、故障诊断和故障止损阶段的AIOps实践经验，同时也会分享百度成熟的智能运维产品和解决方案。

ROI

AIOps的核心在于使用大数据和算法变革运维模式，助力业务高速发展，持续提升高质、高效的运维能力，减少自身 dirty work，支撑运营能力提升，为服务增值。在故障发现场景，异常检测算法可减少监控管理的成本，提升监控管理的质量，提升运维人员的能力；在故障预防和故障止损场景，将人的经验进行迁移，使用算法实现智能决策和执行，提供高质量的故障拦截和止损能力，替代运维人员的能力；在较复杂的故障诊断场景中，通过指标关联分析推荐故障的模块和实例，实现智能辅助决策，增强运维人员的能力。

AIOps在社交平台运维中的应用

李雄政

腾讯SNG社交网络运营部 运维小组负责人

15年系统开发、集成、运维工作经验，曾任职于华为全球网络运维中心，主管运维平台建设。现就职于腾讯SNG社交网络运营部，负责社交平台业务运维管理。

案例简述

本次案例将重点分享AIOps在腾讯SNG社交平台产品中成本、效率、质量上的提升。

ROI

目前市面上看，AIOps的一股大潮非常汹涌，本案例给出在海量业务上落地的实践。 决策树、皮尔逊、频繁项集、贝叶斯等理论在运维中的应用。

1、决策树方法在质量和成本中的应用 – 助力成功率提升到99.99%，成本策略落地 

2、LR、皮尔逊方法在容量评估、节假日准备上的应用，高效管理容量，容量评估从人肉、自动、准确率大幅提升 

3、频繁项集、贝叶斯等方法在告警收敛上的应用，快速发现根因

直播平台的运维保障实践

张观石

虎牙 直播业务运维负责人

10余年网站开发、架构、运维经验；目前关注互联网服务可靠性系统工程、运维平台的规划建设、网站高可用架构等方面；在音视频传输质量评估、微服务运维方面积累了丰富的经验。

案例简述

本案例会讲到虎牙是如何从0到1建立音视频质量全链路监控、感知、保障，以及评估我们的质量。直播流程是从主播端->推流点->CDN转推收流点->转码->分发->观众端（各省市、运营商、各种端），整个链路长、实时性要求高，环节多。

如何做全链路质量数据采集、上报、存储、展示和告警；如何在直播过程中快速发现某条流的卡顿问题，快速修复直播故障，帮助我们从多个方面提升整个组织的效率；如何帮助提升直播平台的音视频的传输质量，提升主播和观众的观看直播的体验。

ROI

运维效率的提升，直播质量的提升

三七互娱故障追踪和故障自愈系统

童传江

三七互娱 运维开发负责人

三七互娱运维开发负责人 ，运维行业7年工作经验，做过网络管理，做过应用运维，目前专注于运维开发，对于行业所要解决的质量、成本、效率、安全，有完整的交付和实践经验，爱好广泛，热衷于解决疑难问题和分享。

案例简述

在实际运维过程中，因为业务系统越来越复杂，变更越来越频繁，总是存在各种各样监控未覆盖或者以前未知的故障发生。如何构建一套全链路的故障追踪和故障治愈系统，成了质量保证部门的刚需，通过行业标准化的paas平台模式和Trace追踪技术，从而实现整个架构的质量可控。

ROI

通过半年的开发，对整体业务的质量有了本质的提升。 整个paas和trace系统开发周期2人半年，系统上线后，中级以上故障平均处理时间从20分钟，提升到5分钟左右。

-主办方介绍-