一、背景

日志智能分类算法可以自动根据日志的相似性对日志进行流式聚类，并提取其中的关键信息——日志模版，有效避免相似日志的无效查看，大幅节省排查时间。并且日志异常检测可以从海量日志中发现潜在的异常日志模式，帮助程序快速定位异常。

最初的日志分类服务在具体的算法选用上选择了 Drain 算法来对日志模板进行提取。随着业务经验的累积，为了提高日志分类的准确性，用两级模型对日志进行流式分类并生成日志模版。其中一次分类相当于是预分类，然后把预分类结果再进行二次分类，将预分类没有分好的日志进行融合，形成最终满足预期的分类结果。

一次分类使用的是一种改进的前缀树。

算法流程如下：

二次分类使用的是基于最长公共子序列匹配的算法。

算法流程如下：

traceback日志与普通日志不一样，普通错误日志以分隔符/空格来划分token比较合适，但是traceback错误日志是一个trace的结构，按行看比较合适，因此把每一行traceback日志作为一个token，这样可以把trace类似的错误聚到一起，方便查找问题。

日志智能分类算法会比较日志和模版，保留相同部分（常量），填充差异部分（变量）为<*>，更新模版，因此天然具有提取日志公共部分的能力。但是如果直接把原始日志输入到算法中，需要较长时间才可以完成模版的收敛；且收敛后的模版与输入的顺序有很大的关系，无法获得一个鲁棒的结果。这样会导致新接入的项目无法很好地应用日志智能分类。但如果能提前识别出变量，提前将其填充为<*>，则可极大地提升日志模版的收敛速度，也可以获得更加鲁棒的日志模版。通过正则将数字、base64编码和地址编码提前填充为<*>极大地提升了模版的收敛速度，原来要一周才能稳定并可用的模版，现在接入后马上可用。

目前业界对日志异常检测的研究有很多，总结来说主要为以下几类：

我们日志异常检测算法主要是是基于统计+无监督的日志模版异常检测算法，完全没有人工标注成本，计算简单并具有较好的可解释性。目前日志异常检测算法需要依赖日志智能分类算法，需要在获得日志实时分类模版后，根据各模版的日志量的历史数据进行异常判定，从而发现其中的异常模式，并将对应常通过告警发送给用户。

日志异常检测算法设计为1min粒度的：

这里的异常检测设计为两步主要是因为：

设计平方和作为全局具有代表性的指标，采用卡方分布进行数据聚合，假设n个模版的频率特征符合标准正态分布，基于此构建模版的平方和特征，该特征满足卡方分布，在n较大时，卡方分布可近似为正态分布，可以使用3sigma的方式进行异常检测。

日志异常检测使用的异常检测算法除了使用3sigma方法外，还使用了箱线图的方法，将两者的结果转换为异常分数后再进行融合。

周期性异常是指昨天或者上周出现过的同样的异常，此类报警属于周期性误报。此时，昨天或者上周对应时间点的异常分数也会较高，可以利用这个历史分数对当前分数进行抑制，达到消除周期性误报的效果。但是，出现异常的时间点可能会有一定的偏移，因此需要对昨天和上周一定时间窗口内的分数进行中心rolling_max操作，再使用当前异常分数减去昨天或者上周较大的那个分数，得到抑制后的分数。

某些情况下希望当出现新的日志模版类的时候，对新日志类别进行告警。但是当日志智能分类结果尚未稳定的时候，会经常出现新的日志类别，有可能产生很多误报。我们设计了自适应的新日志类别报警，当一天内出现新的日志类别超过一定阈值时，对新日志类别报警进行抑制；当低于一定阈值时，进行新日志类别的告警。

当日志异常检测检测到日志异常时，会告知用户异常的模版。

进入日志计数页面可以看到，当前时刻确实出现了异常的日志暴增。

相信大家通过上文，在日志智能分析上汲取了不少经验，在智能运维的落地过程中，大家还面临着这些难题：如何进行时序数据的异常检测？如何有效缩短故障定位时长？如何进行硬件故障预测？

在即将到来的6月17日，Gdevops全球敏捷运维峰会-广州站邀请了网易游戏-技术中心-智能监控AIOps团队负责人施望，给大家带来的《网易游戏AIOps探索与实践》主题分享，将会给大家解答上述疑难。同场还有高可用架构设计、故障自愈、智能化运维等精选数据库议题，欢迎扫描下图二维码了解更多：