受控语言
确定性短句，一句一个概念，一词只有一个含义。读完它们，你就有了这一章的全部词汇。
- AIOps 是用算法增强运维的发现、定位、预测与处置。
- 单指标异常检测：判断一条曲线此刻是否异常。
- 多指标异常检测：发现“单看每个都正常、合在一起就异常”的联合异常。
- 根因分析：从告警出发，沿依赖关系找到最初的故障点。
- 事件关联：把时间聚集、因果相关的事件连成一条故事线。
- 日志智能分析三步：预处理、模式识别、异常检测。
- 日志模式识别能把百万条日志聚成有限模式，新模式出现即是信号。
- 告警收敛把告警风暴压缩成少数几个根本原因。
- 趋势预测用历史数据预测磁盘将满、流量将超。
- 故障预测的落地关键：准确率与误报率平衡，且效果可评估。
- 智能运维的终点是对接自动化运维：发现即处置。
- 三大挑战：数据质量、场景碎片化、结果可解释性。
结构图
AIOps 五大能力。图上的方块都可以点：点击查看它的职责。
交互式网页
概念自测：每题即点即判，答完看解析。目标：全对，或错得明白。
得分 0 / 4
Q1 多指标异常检测的核心价值？
解析 很多故障只体现在指标组合上：CPU 正常、延迟正常，但“CPU 高且吞吐跌”就是联合异常。
Q2 告警收敛要解决的是？
解析 一个根因常引爆一片告警；收敛把风暴压成几条可处置的信息。
Q3 日志模式识别发现“新模式”为什么值得报警？
解析 模式库代表“已知正常”；未知模式的出现本身就是异常信号。
Q4 AIOps 落地最大的现实挑战不包括？
解析 三大挑战是数据质量、场景碎片化与可解释性；“公司太多”不是技术挑战。
定制视频
本章分镜脚本（时间 / 画面 / 解说词）；成片在全书内容校准完成后统一制作。
| 时间 | 画面 | 解说词 |
|---|---|---|
| 0:00-0:12 | 值班工程师桌上监控屏堆叠，告警刷屏 | 人看不过来的东西，交给算法先看一遍。这就是 AIOps 的起点。 |
| 0:12-0:35 | 一条曲线波动，异常点被红圈捕获 | 异常检测是第一道闸：单指标看越线，多指标看组合——很多故障只藏在组合里。 |
| 0:35-0:55 | 多米诺骨牌倒放，回到第一张 | 根因分析沿依赖链往回走，找到第一张倒下的骨牌。 |
| 0:55-1:20 | 百万日志聚成十几个模式方块，一个新方块闪烁 | 模式识别把百万条日志压成十几个形态；从未见过的新形态一出现，就值得警惕。 |
| 1:20-1:45 | 告警瀑布被收敛成三条根因，随后机器手自动处置 | 收敛、预测、自动处置——算法把人从洪水中解放出来，只处理真正值得的告警。 |