告警降噪算法（有效降噪值）

本文目录一览：

• 1、如何做好企业告警降噪？

• 2、anc和enc降噪哪个好

• 3、智能运维是如何抑制告警风暴的？

如何做好企业告警降噪？

提到告警降噪我们可能会马上想到AI、智能等技术手段，其实对于告警降噪不同的产品，不同规模的公司面临的问题也是不一样的。告警治理是通过运营的手段进行告警抑制，告警治理是告警降噪的初级阶段，其主要的目的就是保证系统告警配置的保鲜，及时剔除无效的告警配置，防止无效的告警配置滋生。告警的出现往往是牵一发而动全身，有可能出现很多重复的告警风暴，其实你可以去了解下听云北冥告警平台，它可以有效的降低企业的复杂告警信息，避免重复告警，在传统告警模式上增加了智能告警算法，提高了告警准确性，减少了误报漏报，提升故障修复效率。

anc和enc降噪哪个好

anc和enc相比，ANC的降噪更好。众所周知ANC主动降噪是发出和环境噪音波形相反的声波从而利用波峰、波谷相遇达到降噪目的，而ENC降噪算法是通过远近双麦克风阵列，计算环境杂音的声波然后发射一个反向波从而将噪声抵消；因此二者原理一致，ENC降噪算法更精确一些。

ENC能有效抑制90%的反向环境音，由此降低环境音最高可达35dB以上，让游戏玩家可以更加自由的语音沟通。通过双麦克风阵列，精准计算通话者说话的方位，在保护主方向目标语音的同时，去除环境中的各种干扰声音。

而ANC降噪对中低频的噪声降噪效果比较好，对高频噪声降噪效果差。因为高频信号波长短，对相位偏差也比较敏感，导致ANC对高频噪声降噪效果差。一般高频噪声可以被耳机物理的遮蔽屏蔽掉，这种降噪被称为被动降噪，相对比ENC来说要更好一些。

智能运维是如何抑制告警风暴的？

通常智能运维中的告警收敛场景，以机器学习算法为驱动，对海量的告警事件进行降噪和关联分析，辅助根因定位并可沉淀故障处理的知识，从而提升企业的运维效率，降低运维成本。 告警产生后，AIOps系统通过算法甄别 内容相关性（重复性、相似性）、时序相关性和拓扑相关

性 事件来进行告警事件的自动化抑制。这类收敛抑制，往往能得到99%的告警压缩率，极大地提高了告警有效性。

在一个完整的智能运维告警产品里，除了告警收敛，还可以基于故障传播链及拓扑信息 ( 可选 ), 智能发现突发故障场景；基于告警“熵值”算法，实现告警的动态优先级推荐；通过时序以及拓扑关系定位故障场景根因，并进行根因标记。当这些都可以完成时，由告警事件一步步引导的根因定位和排障，才是真正智能运维发挥了作用。