阿里云携手神州灵云打造云内网络性能监测标杆 斩获中国信通院高质量数字化转型十大案例——金保信“云内网络可观测”方案树立云原生运维新范式

　　OS Copilot 是阿里云推出的一款操作系统智能助手，专为Linux新手设计，支持自然语言问答、辅助命令执行和系统运维调优等功能。通过简单的命令行操作，用户可以快速获取所需信息并执行任务■■◆■★，极大提升了Linux系统的使用效率。安装步骤简单，只需在阿里云服务器上运行几条命令即可完成部署★★★■■■。使用过程中，OS Copilot不仅能帮助查找命令■◆■★，还能处理文件和复杂场景，显著节省了查找资料的时间★■■★◆◆。体验中发现，部分输出格式和偶尔出现的英文提示有待优化，但整体非常实用★◆◆，特别适合Linux初学者◆★◆◆★。

　　告警通知与分发★★：将异常事件及其诊断结果通过多渠道（如邮件、短信、即时通讯工具等）推送至相关运维团队或责任人，确保问题能够被及时响应与处理★★◆★◆。

　　简化运维流程和相关人力投入★■■◆：通过控制台系统概述，客户可以快速识别出集群中的告警和风险，并找到问题的根源和解决方案■★■◆★，缩短故障的发现和排除时间★★★■■◆。

　　多种不同类型的监控指标输入后先进行分类，如整体平稳的、呈一定变化趋势的、和无规则波动◆◆。

　　现场信息采集与根因诊断◆■★★★：通过自动化工具对异常发生时的运行环境进行全面的信息采集■■★◆，从而进一步定位问题的根本原因，并生成针对性的解决方案或修复建议。

　　毛刺★★★、波动型指标：对于毛刺◆★◆■，波动型指标◆■★，我们结合专家阈值和抖动检测算法◆★◆★，根据指标的波动大小，以及其离我们设置的最小，对大阈值的具体，综合评估出当前指标的异常程度。

　　斩获6.1 star■■，再见Crontab！这款开源定时任务管理系统让运维更高效

　　深入解析操作系统控制台：阿里云Alibaba Cloud Linux（Alinux）的运维利器

　　Veeam ONE 13 之初见 - Web 控制台和 Veeam 监控的未来

　　分类的指标由无监督的多模型结合的异常检测算法进行检测，结合专家阈值和多种模型联合判决有效提高了检测准确率◆★，同时根据系统指标的特征进行优化，在处理监控指标之前进行预处理★■◆■，进一步提升效率。

　　健康评分动态更新■★◆◆：基于异常事件的影响范围与严重程度★◆，实时更新集群◆◆、节点及 Pod 的健康评分，为资源调度、容量规划及故障预测提供量化依据◆◆■★★，同时支持全局视角下的系统状态评估与决策优化★★★◆。

　　通过查看诊断报告，如下图所示，可以发现产生 IO 流量的主要是 kworker 内核线程和客户的日志转储进程。kworker 线程 IO 高通常来说意味着 kworker 正在进行刷脏（将文件脏页刷到磁盘中）操作。经过和正常机器的对比发现■◆★◆■，问题机器的 vm◆◆■★◆.dirty_background_ratio 被设置的非常低，设置成 5%■■■◆★★；这意味着当脏页数量达到系统内存的 5% 后就会触发内核线程进行脏页回写，导致 io 打高。

　　为了尽可能地适应不同场景的指标异常发现，操作系统控制台采用一种通用的监控指标处理算法和多模型集成的通用异常检测算法，该算法如图 2 所示◆■◆■：

　　针对上述场景★◆◆★，客户通过使用系统概览提供的异常识别诊断能力来监控和定位该问题。

　　为了避免现场丢失导致后续问题定位困难。在捕获异常的同时★■◆★◆■，操作系统控制台会根据对应的策略结合其提供的相应的诊断功能，在异常现场对识别出的异常进行信息采集和根因诊断。如下图所示：当内存高异常被捕获后★★◆，控制台通过对异常现场进行诊断■◆■★，最终得出当前内存高异常是由 python 应用内存占用导致。

　　对于实时检测到的异常事件，为了分析异常响应及根因，需进一步采取以下措施：

　　阿里云操作系统控制台给云计算和容器化运维带来新的可能■◆◆★★，能够提高系统性能与运维效率，同时为企业减少了系统相关问题带来的困扰■◆★★★。

　　针对问题场景，提取相关指标，结合领域专家经验设定的阈值规则以及智能化异常检测算法，构建多维度的异常发现机制■★◆，从而实现对潜在问题的精准识别与实时检测。

　　通过进一步查看诊断报告，可以发现在负载增加是由于大量 R 状态进程产生造成，客户通过确认后可以确定在 load 增高的时间点业务流量增加，业务会通过创建大量线程进行处理◆■■■★；结合同一时间 Pod 中产生连续的 Pod 限流异常◆◆，可以确定是由于容器的 cpu limit 设置过小，导致线程无法短时间内完成相关逻辑，从而进一步导致线程以 R 状态堆积在运行队列中，导致 load 飙高。

　　我们通过阿里云操作系统控制台系列文章★◆◆■，解析系统运维遇到的痛点问题。下一期文章中，我们将分享异常检测算法相关内容，敬请期待★★。

　　2025年，金保信社保卡有限公司联合阿里云与神州灵云申报的《云内网络性能可观测解决方案》入选高质量数字化转型典型案例。该方案基于阿里云飞天企业版，融合云原生引流技术和流量“染色”专利◆◆★，解决云内运维难题★■★◆■■，实现主动预警和精准观测◆★★◆，将故障排查时间从数小时缩短至15分钟，助力企业降本增效，形成可跨行业复制的数字化转型方法论■★■◆■。

　　os-copilot在Alibaba Cloud Linux镜像下的安装与功能测试

　　针对该问题■■★，客户通过操作系统控制台纳管集群后，客户从系统概述页面观察到对应集群/节点健康分下降，异常事件中出现 load 高异常。

　　平稳性高水位指标◆★：对于 CPU 利用率，内存利用率等指标可能持续处于一个非常高的水位◆■，虽然对系统健康有一定影响★★，但是是预期内的，检测水位阈值和其平稳性，最终会识别为一个潜在的异常★★。

　　总而言之，操作系统控制台给云计算和容器化运维带来新的可能，能够提高系统性能与运维效率，同时为企业减少了系统相关问题带来的困扰■■。

　　降低操作系统运维门槛■◆★■：通过操作系统控制台为客户设立的异常检查项★◆★■、异常识别规则以及配套的诊断工具。客户无需具有一定的操作系统知识储备即可对操作系统问题一站式解决。

　　围绕软件选型、操作系统运维★■■◆◆、RISC-V 三个方向的社区标准进行了分享与讨论★◆■■■★。

　　汽车行业某客户业务从节点切换至容器部署后发现节点 load 总是定期飙高，需要进一步定位根因■★◆■。

　　遇到“进程性能瓶颈导致业务异常★■■”等多项业务痛点时，提供高效解决方案，并展示案例。

　　问题定位后，客户通过调整业务容器 cpu limit 后，load 恢复正常。

　　深度探讨操作系统运维、软件选型等社区标准，龙蜥标准化 SIG MeetUp 圆满举办

　　OS Copilot是由阿里云推出的操作系统智能助手，专为Linux新手设计■◆◆，支持自然语言问答、辅助命令执行等功能，极大提升了Linux系统的使用效率。用户只需通过简单的命令或自然语言描述问题，OS Copilot即可快速提供解决方案并执行相应操作◆◆■★。例如，查询磁盘使用量等常见任务变得轻松快捷。此外，它还支持从文件读取复杂任务定义，进一步简化了操作流程。虽然在某些模式下可能存在小问题，但总体上大大节省了学习和操作时间，提高了工作效率■◆★★。

　　客户开通操作系统控制台后，首先通过集群的历史健康分趋势观察到某一时间集群分数（负载分）有下降。

　　跳转至节点健康页面后，通过异常事件分析面板可以看到当天的某一时刻节点发生了 IO 流量突增的异常★★◆★■★，并且已经生成了对应的诊断报告。

　　下一层级实例健康分通过分级木桶原理的方式★★★，根据处于不同健康等级的 pod 数量计算得出。

　　我顺利使用了OS Copilot的 -t -f 功能，我的疑惑是在换行的时候就直接进行提问了，每次只能写一个问题，没法连续换行更有逻辑的输入问题。 我认为 -t 管道 功能有用 ◆■★◆，能解决环境问题的连续性操作。 我认为 -f 管道 功能有用 ，可以单独创建可连续性提问的task问题。 我认为 对文件直接理解在新的服务器理解有很大的帮助。 此外■◆■◆◆，我还有建议 可以在非 co 的环境下也能进行连续性的提问■◆★★。

　　本次方案的主题是云上体验最佳的服务器操作系统 - Alibaba Cloud Linux ★■◆◆■■，从 Alibaba Cloud Linux 的产生背景、产品优势以及云上用户使用它享受的技术红利等方面详细进行了介绍。同时◆★■★◆，通过国内某社交平台、某快递企业★◆★★、某手机客户大数据业务 3 大案例，成功助力客户实现弹性扩容能力提升■★◆◆★◆、性能提升◆◆★◆★、降本增效。 1◆★★★■. 背景介绍 2. 产品介绍 3◆★★★. 案例分享

　　在云计算环境中，Kubernetes（K8s）集群与容器化部署已成为行业标准化实践，但同时也对运维体系及可观测性提出了显著挑战：一方面，主流监控工具（如 Node Exporter、cAdvisor 和 Datadog）虽能提供系统级与容器级的基础指标，却难以覆盖操作系统深层次问题（如调度延迟、内存回收延迟◆■■◆、TCP 重传率等），而引入增强型指标又面临操作系统知识门槛高■◆★■、分析复杂度大的难题；另一方面，传统监控体系在告警触发或问题发生时往往缺乏完整的上下文数据◆★■★，导致根因定位困难，需依赖问题多次复现才能排查。此外，指标与问题之间的关联复杂——单一指标变化可能由多个问题引发，同一问题也可能影响多个指标，而集群、节点◆■★、Pod 的分层架构虽为资源管理提供了逻辑划分★■，但业务问题与节点的承载关系常因维度割裂未能有效关联，进一步加剧了运维复杂性。

　　为了方便用户能快速识别集群或节点中的风险， 操作系统控制台在系统概述页面提供了整个集群的健康概论★★★■■★，在这背后■★■★★，我们采用了一套多维度的综合评估算法★◆◆■★，希望将 pod，节点的风险层层递进，反映到集群的健康风险中，如图 5 所示，以节点健康度为例：

　　汽车行业某客户从监控中发现集群中总是偶发出现节点 IO 流量非预期打高的现象，由于出现的机率不高■■◆◆★，且出现的节点随机，所以没有好的办法定位 IO 流量打高的具体原因★■■★★◆。

　　本文将详细介绍阿里云的Alibaba Cloud Linux操作系统控制台的功能和优势。

　　节点健康由节点的异常项（图中为当前实例健康分）和节点中 pod（如有）的健康（图中为下一层级实例健康分）综合影响，其中：

　　下面我们具体介绍上述链路中较为关键的异常检测、信息采集与根因诊断和集群、节点◆★★■、Pod 健康度计算这三个功能◆■■■■。

　　为应对以上挑战，阿里云操作系统控制台（以下简称“操作系统控制台■■★★★■”）依托于大量操作系统问题案例沉淀及知识总结★◆◆，结合 AIOps 等相关技术■★◆◆，提出了从智能异常检测到智能根因分析，再到智能修复建议的全链路一站式运维解决方案。从中提炼出如系统 OOM、系统内存黑洞、调度延时、负载（load）高、IO Burst、网络延时、丢包等典型的操作系统问题场景◆◆★，沉淀出对应的端到端的解决方案◆◆■。如图 1 所示，通过全链路闭环流程高效管理与解决上述业务挑战。

　　云上体验最佳的服务器操作系统 - Alibaba Cloud Linux 飞天技术沙龙-CentOS 迁移替换专场

　　多种多样的操作系统相关的监控指标■◆◆，在不同场景中，这些指标呈现的规律也不尽相同★■■★★，如何能有效，准确地识别出监控指标中的异常也是一种挑战。