该文档讨论了如何通过数据驱动的操作加强业务分析，包括数据可视化的重要性、调试方法和容量规划。强调了利用数学和线性模型预测资源需求，以及智能报警在异常检测中的应用。文档还介绍了数据在分布式系统中的处理和分析方法。

1. Data Driven Ops
@超⼤大杯摩卡星冰乐
2014-11-08

2. Agenda
• Ops/Biz Data in VIP
• How to Debug
• Maths-Driven Ops

3. Ops Data in VIP

4. What We have Done

7. What We are Doing now
• Full Nginx Data Into HBase for searching

8. Metrics Layer
• System：Linux
• App：Java，PHP，tomcat…
• Biz：things about Money…

9. 数据可视化的重要性
• 单⼀一的⼀一个数据点不说明任何意义
• 数据的趋势才是我们需要关注的

11. • 皇上---------Boss
• 太监说的事---------数据说明的问题

12. 太监是什么？

13. 太监是把裸露的枯燥的数据变
成⽼老板愿意看的，能从中看出
内容的⼯工具——数据可视化

14. How to Debug

15. ⾼高性能意味着什么
• ⼤大量服务器
• 分布式系统
• ⼤大量的错误

16. What is Maths
• ⾼高中数学——解⽅方程，⼏几何
• ⼤大学数学——微积分

17. ⼀一道题
• ⼩小明有⼀一天想测试⼀一下⾛走路快还是骑⾃自⾏行⻋车快。如果
你是⼩小明，你怎么测试？

18. 控制变量法

19. Rule:
Changes makes issues

20. 纵向，横向分析问题
• 分布式集群中某个节点出了问题

21. 横向
• 出问题的节点和同⼀一个集群中其他节点⽐比较

22. 纵向
• 出问题的节点在出问题的时间点和之前有什么区别

23. ⽐比较什么
• Linux Metrics
• App Metrics
• Log⽇日志

24. 怎么去看⽇日志
• 出问题的时间点附近，有没有异常
• 灵活使⽤用awk，sort，cut，uniq。。。

25. 数学在容量规划上的⽤用
处

26. • 这次⼤大促，要⽤用多⼤大的机器才能顶得住

27. 解⼀一个⼀一元⼆二次⽅方程
• f(x)=ax+b
• f(1)=3
• f(2)=4

28. 类线性系统的容量预测
• ⼤大促需要多少服务器，就是寻找服务器数量和流量之
间的关系
• 我们使⽤用线性模型进⾏行预测

29. 为什么是线性模型

31. ⺫⽬目标

33. 原理
• 最⼩小⼆二乘拟合
• 对于线性模型，有现成公式套

36. ⽤用途
• 根据现有机器的运⾏行状况，去预测未来将要碰到的问
题

37. 智能化报警

38. • 当我们看到trend，⼈人类是怎么分辨是否出问题的？
• 能不能⽤用计算机语⾔言来表⽰示？
• 这就是报警条件
• 如何⾃自动⽣生成报警条件

39. Etsy Kale
• skyline:extendible algorithms automatically detect
what it means for each metric to be anomalous
• oculus:Once you’ve identified an interesting or
anomalous metric, Oculus will find all of the other
metrics in your systems which look similar.

42. Further
• Andrew-NG在Cousera的课程——Machine Learning

43. 回顾
• 数据可视化重要性
• 横向，纵向debug问题
• 线性模型的容量规划
• 智能报警

44. Q&A

45. Thanks all!