《智能运维中的科研问题》
结合我在AT&T的工作经验,以及百度、阿里、腾讯、滴滴、搜狗的合作经验,我将总结目前阻碍智能运维高速发展的核心挑战:工业界有数据、有应用,但是欠缺定义科研问题的经验和算法经验; 学术界不了解智能运维的应用场景,也很难获得训练算法必需的数据;工业界与学术界的一对一交流效率低、见效慢。
在这次分享中, 我将提出一个新的思路。 首先,我将系统地把运维生产环境中的应用难题分解成若干切实可行的科研问题,并公布在我们实验室即将启动的一个智能运维算法大赛网站。 在这个网站上,各个企业可以为自己关心的、已经分解好的具体科研问题上传可供公开访问的脱敏数据;学术界基于公开的科研问题和数据,贡献算法,并与其他科研工作者的算法进行性能比较。就像ImageNet网站对图像识别机器学习算法的大力推进一样, 我相信这个智能运维算法大赛网站也将成为智能运维算法高速发展的一个有力催化剂。