关于自动化辅助故障分析的思路

一、现在场景的思路

针对故障的定向分析

在监控报警发出后，人员查看告警时间对应的指标，日志，Trace，变更事件等信息，分析可能存在的异常，在这个时候，主要是依赖人员的经验进行分析。

人为的全面分析

做完定向分析后，为了以防万一，一般还得对系统做一次全面分析，最少要把关键指标看一遍，异常日志模型工具也得用一下。这其实挺费时间的。

二、存在的问题：

存在的问题：系统分析经验很难复制

首先是比较慢，毕竟要查看4类信息，还是去查询到，这个最少需要好几分钟的时间。

另外，虽然套路相同，工具也有，但是每个系统的情况不同，导致日志、指标、Trace都不样，所以对于一套系统的分析经验，很难复制到另一套系统上。

存在的问题：人员经验难以复制

对于某个系统，如果经常分析，人员能力确实可以提速，但是如果不是自己负责的系统，就很难有高速分析的效果，只能慢慢来。

存在的问题：历史经验与案例很难沉淀

故障发生不是你想发生就发生，得看缘分。这么好的故障案例，不留存成组织案例，太可惜了，但是人为排障往往就容易出现，解决完问题就万事大吉的情况，很少有人能够从组织资产角度进行沉淀与整理。

当然就算沉淀了，下次排障时能否及时运用也是一个挑战。