子群发现如何助力 AIOps？

现代 IT 系统的真正监督带来了新的挑战，因为在分析和监控大数据流时需要更高的可扩展性、可靠性和效率标准。基于规则的推理引擎是维护系统中检测异常并自动解决异常的关键组件。然而，它们仍局限于简单通用的规则，无法处理海量数据或 IT 系统产生的大量告警，这是从专家系统时代吸取的教训。面向运维的人工智能（AIOps）提议利用大数据上的高级分析和机器学习来改进和自动化监督系统的每一步，并辅助事件管理，以检测中断、识别根本原因并应用适当的修复措施。然而，最佳的 AIOps 技术依赖于不透明模型，严重限制了其采用。作为本博士论文的一部分，我们研究子群发现如何助力 AIOps。这种有前景的数据挖掘技术提供了从数据中提取有趣假设并理解预测模型背后底层过程的可能性。为确保我们提议的相关性，该项目涉及数据挖掘研究人员和来自法国软件编辑商 Infologic 的从业者。