通过实时全栈可见性、智能警报和响应自动化，迈向AIOps

作者：Daniella Pontes / 用例，开发者，公司
2019年11月19日

InfluxData与PagerDuty的集成，将帮助您在管理Kubernetes环境时走向卓越之路。

没有任何单一的操作手册适用于所有类型的突发事件——这是肯定的。因此，需要具备灵活性和对环境的适应性学习，以及对适当的人为行动进行及时有效的处理。Kubernetes的短暂Pod和自我修复特性使得智能警报的需求更为迫切，因为Kubernetes自然处于不断变化中，因此，单个的故障或错误不足以决定是否触发警报。这并不意味着要用大量静态警报规则来过度复杂化问题，试图调整模式。而且，当简单的方法可以完成任务时，不要偏离“简单”，例如在资源受限情况下，在资源受限情况下，风险阈值是众所周知的。相反，这意味着要拥抱历史数据分析的力量，以实现适应性，处理多维风险场景，并在仅依赖于静态孤立阈值时提供事件警报。

在现代IT运营中，事件可以迅速演变，对业务产生巨大影响，包括公司财务和品牌。因此，恢复正常运行的时间不能延迟。每一秒钟都很重要——价值数千美元。应该自动化成熟的工作流程，采用前瞻性、规范性、预测性的方法进行计划。这就是InfluxData实时、全栈监控与数据分析平台和PagerDuty事件响应平台集成的强大之处。这种集成提供了对技术和业务洞察力的实时可见性，使利益相关者能够及时采取行动。

高保真监控数据应用于警报，可以使 Kubernetes 受益。这是因为虽然 Kubernetes 调度会持续工作以实现所声明的期望状态，但问题可能在暗中发展。因此，有必要监控并提前警报存在问题的作业或环境问题，如网络负载、存储、服务响应时间长等。

实时监控、智能警报以及针对每个事件的适当响应编排是通往卓越的运营和用户体验之路。拥有正确的解决方案非常重要，而且将它们集成在一起可以让您充分利用数据驱动的流程，在运营以及业务层面。与基础设施和应用程序环境相关的运营目标，以及针对用户体验、关键交易和请求失败的业务目标——都应用来构建有效的触发规则，避免误报。利用提供全栈历史数据以动态定义性能基线的时序平台，对于减少警报噪音和疲劳是至关重要的。

InfluxData 与 PagerDuty 的集成可以实现使用数据分析以及多个监控测量数据的关联动态设置警报阈值和触发器。实际上，InfluxData 平台原生支持高级数据分析（例如 Holt-Winters 预测）。这可以实现趋势和季节性的检测，并且更重要的是，它展示了其对高级业务 KPI 的影响，可用于定义静态和动态警报。它还提供了对指标、日志、性能指标和元数据的可见性，有助于快速诊断并加快平均修复时间（MTTR）。

必须将简单的静态阈值（用于基础设施和应用指标）与动态阈值（适用于 Kubernetes 等短暂且高度适应性的环境中发现的波动，以及业务季节性和趋势）相结合。来自统计分析或机器学习框架的见解可以提供更智能的警报触发器。这些触发器——当与现代化的事件处理解决方案集成时——可以指导行动呼吁以及执行数字运营的自动升级和优化。这意味着不仅需要指标，还需要高保真数据为智能警报的数据分析引擎提供数据，并且必须保持“流动”，以服务于多个框架，最终目标是端到端响应自动化。InfluxData 与 PagerDuty 的集成使组织能够通过从警报触发到整个事件生命周期管理的整个过程中应用数据驱动的行动流程，朝着 AIOps 迈进。

了解更多关于 InfluxData 与 PagerDuty 的集成 以及 监控 Kubernetes 的信息。

关于 InfluxData InfluxData 是 InfluxDB 的创造者，InfluxDB 是一个开源的时序数据库。该技术旨在处理物联网设备、应用程序、网络、容器和计算机产生的海量时间戳数据。公司拥有超过 600 名客户，并致力于帮助开发者和组织，如思科、IBM、PayPal 和特斯拉，存储和分析实时数据，使他们能够更快地构建变革性的监控、分析和物联网应用程序，并实现扩展。InfluxData 总部位于旧金山，员工分布在美国和欧洲。了解更多信息，请访问 www.influxdata.com 并关注我们 @InfluxDB。

关于 PagerDuty 在一个始终在线的世界里，团队信任 PagerDuty 帮助他们在每次都为客户提供完美的数字体验。PagerDuty 是公司的数字运营中枢神经系统。PagerDuty 在实时识别问题和机会，并召集合适的人员快速响应问题并防止未来发生。从数字颠覆者到财富 500 强公司，超过 12,000 家企业依靠 PagerDuty 帮助他们不断改善他们的数字运营——这样他们的团队就可以花更多的时间构建未来，而不是反应事件。