7.3決策支撐的數據分析手段

7.3.1大數據

采用大數據相關的技術手段存儲、處理與分析服務管理相關的數據，其技術上的要求包括：

a)應支持分布式存儲技術；

b)應支持存儲的線性擴容；

c)應支持大數據存儲的高可用性，保障數據完整性、安全性與保密性；

d)應支持大數據批量處理與分析，處理與分析獲得的增量數據應有助于提升決策的正確性；

e)應提供不同時間顆粒度的聚合數據查詢；

f)應支持數據點丟失或采樣不足的情況下的數據查詢；

g)宜支持服務管理數據的實時流處理，以支撐自動化決策的制定和執行。

7.3.2機器學習

決策支撐通過機器學習獲得機器智能，其技術上的要求包括：

a)應按照不同的應用場景建立相應的機器學習模型；

b)應支持多種學習形式，包括監督式學習、無監督學習、半監督學習等；

c)應按照不同場景選擇不同的機器學習算法，包括統計學習算法、深度學習算法和強化學習算法等；

d)應建立智能化決策支撐應用，以充分利用機器學習結果；

e)宜支持機器學習算法庫的管理。

7.3.3智能化服務運營

智能化服務運營綜合運用大數據和機器學習的技術支撐能力，針對服務運營提供決策支撐的業務技術整合能力。智能化服務運營應：

a)支持服務容量分析預測，應提供：

1)當前硬件所能支撐的業務量；

2)給定業務量所需的硬件容量分析預測。

b)支持服務性能管理，應提供：

1)服務拓撲圖；

2)服務故障報警；

3)服務故障定位；

4)多個組件(服務，中間件，OS，硬件)的關聯分析；

5)性能參數的歷史趨勢和預測范圍；

6)性能瓶頸分析；

7)故障診斷報告。

c)支持服務健康度管理，包括：

1)服務的整體健康值，其取值范圍宜采用百分制，分值較高表示健康度較好；

2)關鍵業務參數的選擇和定義；

3)業務參數的未來趨勢和范圍；

4)業務健康和系統狀態巡檢報告。