介紹

Keep 是一個開源的 AI 驅動的監控和告警平臺，旨在通過自動化和智能化手段簡化運維工作，幫助團隊更高效地管理和監控復雜的基礎設施和應用。它結合了傳統的監控工具和現代的人工智能技術，實現了 AIOps（人工智能運維） 的核心功能，如異常檢測、根因分析、告警降噪和自動化修復。

Keep 的核心目標是通過 AI 技術減少運維團隊的負擔，提高系統的可靠性和可維護性，同時降低誤報和漏報的風險。并且支持DeepSeek模型。

架構

Keep 的架構設計圍繞 AI 驅動的監控和告警 展開，主要分為以下幾個核心模塊：

(1) 數據收集層（Data Collection Layer）：

• 支持從多種監控工具和日志系統中收集數據，如 Prometheus、Grafana、Datadog、AWS CloudWatch、Elasticsearch 等。
• 提供靈活的插件機制，方便集成新的數據源。

(2) 數據處理與存儲層（Data Processing & Storage Layer）：

• 對收集到的數據進行清洗、標準化和聚合。
• 支持多種存儲后端，如 Elasticsearch、InfluxDB、PostgreSQL 等，用于存儲歷史數據和實時數據。

(3) AI 引擎（AI Engine）：

• 異常檢測：使用機器學習算法（如時間序列分析、聚類、深度學習等）自動檢測數據中的異常行為。
• 根因分析：通過因果推斷和關聯分析，快速定位問題的根本原因。
• 告警降噪：利用 AI 技術對告警進行分類和優先級排序，減少誤報和重復告警。
• 預測性分析：基于歷史數據預測未來的系統行為，提前發現潛在問題。

(4) 告警與通知層（Alerting & Notification Layer）：

• 根據 AI 引擎的分析結果生成告警。
• 支持多種通知渠道，如 Slack、Email、PagerDuty、Webhook 等。

(5) 自動化操作層（Automation Layer）：

• 提供自動化腳本和操作框架，支持對檢測到的問題進行自動修復。
• 例如，自動重啟服務、擴容資源、清理日志等。

(6) 可視化與用戶界面（UI & Dashboard）：

• 提供直觀的儀表盤和圖表，展示監控數據和 AI 分析結果。
• 支持自定義儀表盤和報表，方便用戶根據需求調整視圖。

(7) API 接口（API Gateway）：

• 提供 RESTful API，方便與其他系統集成。
• 支持自動化腳本和第三方工具調用。

主要應用場景

(1) 異常檢測：

• 使用時間序列分析算法（如 ARIMA、Prophet）或深度學習模型（如 LSTM）檢測指標中的異常行為。
• 例如，檢測 CPU 使用率突然飆升、請求延遲異常增加等。

(2) 根因分析：

• 通過因果推斷和關聯分析，快速定位問題的根本原因。
• 例如，當數據庫響應時間增加時，自動分析是否與網絡延遲、磁盤 I/O 或查詢負載有關。

(3) 告警降噪：

• 使用分類算法（如隨機森林、SVM）對告警進行分類，過濾掉低優先級的告警。
• 例如，將重復告警或已知問題標記為“已處理”，減少對運維團隊的干擾。

(4) 預測性分析：

• 基于歷史數據預測未來的系統行為，提前發現潛在問題。
• 例如，預測磁盤空間將在未來 24 小時內耗盡，并提前發出告警。

(5) 自動化修復：

• 使用規則引擎和腳本框架，對檢測到的問題進行自動修復。
• 例如，當檢測到服務不可用時，自動重啟服務或切換到備用節點。

Keep 通過以下方式實現 AIOps 的核心能力

(1) 數據驅動：

收集和分析大量的監控數據、日志和指標，為 AI 模型提供訓練和推理的基礎。

(2) 機器學習與深度學習：

使用機器學習算法和深度學習模型，自動檢測異常、分析根因和預測未來行為。

(3) 自動化與編排：

提供自動化腳本和操作框架，支持對檢測到的問題進行自動修復。

(4) 智能告警管理：

通過 AI 技術對告警進行分類、過濾和優先級排序，減少誤報和重復告警。

(5) 持續優化：

通過反饋機制不斷優化 AI 模型，提高異常檢測和根因分析的準確性。

總結

Keep 是一個強大的 AIOps 平臺，通過 AI 技術實現了異常檢測、根因分析、告警降噪和自動化修復等功能。它適用于各種復雜的基礎設施和應用場景，幫助運維團隊更高效地管理和監控系統，提高系統的可靠性和可維護性。無論是電商平臺、金融系統還是物聯網設備，Keep 都能提供智能化的監控解決方案，幫助用戶及時發現和解決問題，確保業務的穩定運行。

地址

項目地址：https://github.com/keephq/keep