支撑饿了么业务十倍提升的技术运维体系

在业务量持续陡升、创新不断、生态逐渐丰满的节奏中，扩容是常态，每个应用都可能成为系统的瓶颈。如何减少发现、定位时间，如何快节奏地完善技术运营体系？

饿了么技术运营部总监徐盎，在QCon上海2015上和我们分享了：

1. 创业团队各种平台工具各显神通的困局突破；

2. 自动化与业务高交付压力的矛盾；

3. 立体化监控实践。

https://v.qq.com/txp/iframe/player.html?vid=h03213w098z&width=500&height=375&auto=0

作者介绍

徐盎，负责饿了么技术运营部，当前职责是降低业务飙升期间的事故次数，减少事故影响时间。

幻灯片

在公众号后台回复“饿”，即可下载幻灯片。

---

▽

延展阅读（点击标题）：

---

QCon上海2016将于10月20~22日在上海宝华万豪酒店举行，届时将有一大波技术专家带来精彩演讲。

黄浩 Twitter高级工程师

黄浩目前主要负责Observability团队的监控报警系统。之前曾就职于百度和小米。

《Twitter的监控系统是如何处理十亿量级metrics的——Twitter Observability栈架构实践》

Twitter的Observability栈包含了核心的Timeseries Database，实时的监控报表系统，报警和自动故障恢复系统，以及分布式的日志分析和tracing系统。在Twitter，它是整个公司最关键的内部架构之一，是保证各个服务可用性的关键。目前整个监控报警系统每分钟处理25亿次的metrics写入，170万的复杂查询和25 000的报警规则。日志分析系统和tracing系统是工程师们平时追查问题的主要平台。在本演讲中，黄浩将向大家分享整个架构的设计，以及演进中的思考和经验。

马小鹏 阿里妈妈全景业务监控平台技术负责人

马小鹏于2013 年加入阿里巴巴，一直从事大规模系统日志分析及应用的研发。主导了直通车广告主报表平台、直通车实时报表存储选型、阿里妈妈全景监控平台的设计和研发。在数据应用建设方面保持持续的探索和思考，对大数据典型应用场景、统计算法模型的应用、时间序列的分析监测有丰富的经验。

《全景业务监控平台（Goldeneye）》

全景业务监控平台（Goldeneye）是阿里妈妈在业务监控方向上的一次大数据应用创新, 相比传统的同环比报警检测方式精确度更高。

本次演讲向大家介绍一种基于数据统计分析的业务监控检测方法，通过收集监测数据的样本，并使用智能检测算法模型，让程序自动对监控项指标的基准值、阈值做预测，在检测判断异常报警时使用规则组合和均值漂移算法，能精确地判断需要报警的异常点和变点。因为传统的同环比对比比较单调，在工作日和节假日对差异下存在大量的误报、漏报，在监测指标波动时不能有效地过滤掉不值得关注的疑似异常，大量的误报会淹没真正的异常报警。

我们从预测样本的选取、监控项报警检测灵敏度区分、异常持续状态次数、均值漂移过程等方面做了智能检测程序，可以避免人工维护的惰性和不可持续性带来的隐患。

在故障辅助定位方面，我们通过建立全链路tracing、上下游数据关联依赖、数据粒度逐层细分、诊断树模型等方式，缩小排查定位问题的范围，直接通过数据分析提供可参考的定位信息，在实际应用中可以降低故障带来的损失。

LinkedIn Kafka组高级软件工程师秦江杰，苏宁云商IT总部执行总裁助理乔新亮，声网CEO赵斌，阿里巴巴无线技术专家隐风，华为软件云平台资深架构师苗彩霞，LinkedIn业务分析经理赵晟等技术专家都将在QCon上海2016做分享，更多信息，可点击“阅读原文”，访问大会网站。现在报名，可享8折优惠。