告警压缩降噪（压缩机降噪）

本篇文章给大家谈谈告警压缩降噪，以及压缩机降噪对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。 今天给各位分享告警压缩降噪的知识，其中也会对压缩机降噪进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

• 1、如何做好企业告警降噪？

• 2、智能运维是如何抑制告警风暴的？

• 3、如何做好运维监控？

• 4、信号降噪和压缩有什么区别

• 5、压缩机噪音大，一般怎么降噪音？

• 6、压缩和降噪哪个实用

• 
  

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。

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。

如何做好运维监控？

统一监控平台，说到底本质上也是一个监控系统，监控的基本能力是必不可少的，回归到监控的本质，先梳理下整个监控体系：

① 监控系统的本质是通过发现故障、解决故障、预防故障来为了保障业务的稳定。

② 监控体系一般来说包括数据采集、数据检测、告警管理、故障管理、视图管理和监控管理6大模块。而数据采集、数据检测和告警处理是监控的最小闭环，但如果想要真正把监控系统做好，那故障管理闭环、视图管理、监控管理的模块也缺一不可。

一、数据采集

1、采集方式

数据采集方式一般分为Agent模式和非Agent模式；

Agent模式包括插件采集、脚本采集、日志采集、进程采集、APM探针等

非Agent模式包括通用协议采集、Web拨测、API接口等

2、数据类型

监控的数据类型有指标、日志、跟踪数据三种类型。

指标数据是数值型的监控项，主要是通过维度来做标识。

日志数据是字符型的数据，主要是从中找一些关键字信息来做监控。

跟踪型数据反馈的是跟踪链路一个数据流转的过程，观察过程中的耗时性能是否正常。

3、采集频率

采集频率分秒级、分钟级、随机三种类型。常用的采集频率为分钟级。

4、采集传输

采集传输可按传输发起分类，也可按传输链路分类。

按传输发起分类有主动采集Pull（拉）、被动接收Push（推）

按传输链路分类有直连模式、Proxy传输。

其中Proxy传输不仅能解决监控数据跨网传输的问题，还可以缓解监控节点数量过多导致出现的数据传输的瓶颈，用Proxy实现数据分流。

5、数据存储

对于监控系统来说，主要有以下三种存储供选择

① 关系型数据库

例如MySQL、MSSQL、DB2；典型监控系统代表：Zabbix、SCOM、Tivoli；

由于数据库本身的限制，很难搞定海量监控的场景，有性能瓶颈，只在传统监控系统常用

② 时序数据库

为监控这种场景设计的数据库，擅长于指标数据存储和计算；例如InfluxDB、OpenTSDB（基于Hbase）、Prometheus等；典型监控系统代表：TICK监控框架、 Open-falcon、Prometheus

③ 全文检索数据库

这类型数据库主要用于日志型存储，对数据检索非常友好，例如Elasticsearch。

二、数据检测

1. 数据加工

① 数据清洗

数据清洗比如日志数据的清洗，因为日志数据是非结构化的数据，信息密度较低，因此需要从中提取有用的数据。

② 数据计算

很多原始性能数据不能直接用来判断数据是否产生异常。比如采集的数据是磁盘总量和磁盘使用量，如果要检测磁盘使用率，就需要对现有指标进行一个简单的四则运算，才能得到磁盘使用率。

③ 数据丰富

数据丰富就是给数据打上一些tags标签，比如打上主机、机房的标签，方便进行聚合计算。

④ 指标派生

指标派生指的是通过已有的指标，通过计算得出新的指标。

2. 检测算法

有固定规则和机器学习算法。固定算法是较为常见的算法，静态阈值、同比环比、自定义规则，而机器学习主要有动态基线、毛刺检测、指标预测、多指标关联检测等算法。

无论是固定规则还是机器学习，都会有相应的判断规则，即常见的< =和and/or的组合判断等。

三、告警管理

1. 告警丰富

告警丰富是为了后续告警事件分析做准备，需要辅助信息去判断该怎么处理、分析和通知。

告警丰富一般是通过规则，联动CMDB、知识库、作业历史记录等数据源，实现告警字段、关联信息的丰富；通过人工打Tags也是一种丰富方式，不过实际场景下由于人工成本高导致难以落地。

2. 告警收敛

告警收敛有三种思路：抑制、屏蔽和聚合

① 抑制

即抑制同样的问题，避免重复告警。常见的抑制方案有防抖抑制、依赖抑制、时间抑制、组合条件抑制、高可用抑制等。

② 屏蔽

屏蔽可预知的情况，比如变更维护期、固定的周期任务这些已经知道会发生的事件，心里已经有预期。

③ 聚合

聚合是把类似或相同的告警进行合并，因为可能反馈的是同一个现象。比如业务访问量升高，那承载业务的主机的CPU、内存、磁盘IO、网络IO等各项性能都会飙升，这样把这些性能指标都聚合到一块，更加便于告警的分析处理。

3. 告警通知

① 通知到人

通过一些常规的通知渠道，能够触达到人。

这样在没有人盯屏的时候，可以通过微信、短信、邮件触发到工作人员。

② 通知到系统

一般通过API推送给第三方系统，便于进行后续的事件处理

另外还需要支持自定义渠道扩展（比如企业里有自己的IM系统，可以自行接入）

四、故障管理

告警事件必须要处理有闭环，否则监控是没有意义的。

最常见还是人工处理：值班、工单、故障升级等。

经验积累可以把人工处理的故障积累到知识库里面，用于后续故障处理的参考。

自动处理，通过提取一些特定告警的固化的处理流程，实现特定场景的故障自愈；比如磁盘空间告警时把一些无用日志清掉。

智能分析主要是通过故障的关联分析、定位、预测等AI算法，进一步提升故障定位和处理的效率；

1. 视图管理

视图管理也属于增值性功能，主要是满足人的心理述求，做到心中有底，面向的角色很多（领导、管理员、值班员等）。

大屏：面向领导，提供全局概览

拓扑：面向运维人员，提供告警关联关系和影响面视图

仪表盘：面向运维人员，提供自定义的关注指标的视图

报表：面向运维人员、领导，提供一些统计汇总报表信息，例如周报、日报等

检索：面向运维人员，用于故障分析场景下的各类数据检索

2. 监控管理

监控管理是企业监控落地过程中的最大挑战。前5个模块都是监控系统对外提供的服务功能，而监控管理才是面向监控系统自身的管理和控制，关注真正落地的过程的功能呈现。主要有以下几个方面：

配置：简单、批量、自动

覆盖率：监控水平的衡量指标

指标库：监控指标的规范

移动端：随时随地处理问题

权限：使用控制

审计：管理合规

API：运维数据最大的来源，用于数据消费

自监控：自身稳定的保障

为了实现上述监控六大基础能力模块，我们可以按如下架构设计我们的统一监控平台。

主要分三层，接入层，能力层，功能层。

接入层主要考虑各种数据的接入，除了本身Agent和插件的采集接入，还需要支持第三方监控源的数据接入，才能算一个完整的统一监控平台。

能力层主要考虑监控的基础通用能力，包含数据采集模块、数据存储模块、数据加工模块、数据检测模块、AI分析模块。

功能层需要贴近用户使用场景，主要有管理、展示两类功能，在建设的过程中可以不断丰富功能场景。

另外，考虑到数据的关联关系，为未来的数据分析打下基础，监控和CMDB也需要紧密联动，所有的监控对象都应该用CMDB进行管理，另外，还可以配置驱动监控为指导理念，实现监控的自动上下线，告警通知自动识别负责人等场景，简化监控的维护管理。

为了统一监控平台能够在企业更好的落地，我们需要配备对应的管理体系，其中最重要的是指标管理体系。

指标管理体系的核心理念：

监控的指标体系是以CMDB为骨架，以监控指标为经脉，将整个统一监控平台的数据有机整合起来。

贯穿指标的生命周期管理，辅以指标的管理规范，保障监控平台长久有序的运行。

从企业业务应用的视角出发，一般将企业监控的对象分为6层，也可以根据企业自己的情况进行调整：

基础设施层

硬件设备层

操作系统层

组件服务层

应用性能层

业务运营层

信号降噪和压缩有什么区别

信号和噪声告警压缩降噪的传播特性是不同的告警压缩降噪，根据这个特性可以剔除噪声，然后恢复信号，达到去噪的效果。具体的有很多种方法，目前流行最多的是阈值法，即是认为在众多的小波系数中，信号对应的小波系数含有信号的重要信息，其幅度值较大，数目少，而噪声对应的小波系数是一致分布的，个数较多，切幅值小。故采用阈值法，设置一个阈值，把绝对值较小的系数去除，留下较大的系数重构信号，从而达到去噪的效果。这个方法的难处就在于阈值的选取，需要事先估计噪声方差。

而小波变换的信号压缩，就是在保证能够重构信号质量的前提下，去除图像中的各种冗余，以尽量少的比特数来表征信号。其目的在于减少数据存储空间、提高传输速率。

通过上面的分析，不难看出，其实小波变换的压缩和去噪，都是一个对小波系数的取舍过程，但是其阈值的选取，目的，效果肯定是不同的

压缩机噪音大，一般怎么降噪音？

分体式器室外侧的噪音源来自三个部分：即压缩机、风机风扇及其连接部件所激发的共振激振。而压缩机对于整个系统来说占了主要部分。由于器压缩机使用场合的特殊性，对其噪音和振动特性要求也较高，但由于缺乏实验分析手段，还无法对其噪音、振动进行透彻研究，压机工作时的振动引起外机管路间碰撞噪音，一般调整外机管路间相护间距或加装减震胶泥即可排除故障。压机工作时噪音：一种是因为零部件造成.常见的是压机卡缸或压机启动电容损坏引其。对损坏的备件进行更换即可。另外一种是压机性能不良，工作时产生低频的振动嗡嗡声。可采用调整和更换压机地脚减震胶垫，包裹隔音棉等方法予以排除。

压缩机噪音处理

气体压力脉动对压缩机噪音的影响

压缩机总体噪音随着吸气压力的增大，噪声下降，而随着排气压力增加，噪声增加。对这一现象的解释是：吸排气压差减少，会降低旋转式压缩机的不平衡力矩，从而降低噪声。

压缩机流量与噪声有很强的相关性。噪声在中等流量时达到最大值，随着流量增加，噪声急速下降。低频噪声与流量关系不大，4000 Hz以上的噪声在吸气压力逐渐减少到真空时，急剧下降。因此认为高频噪声与气体流动有关。

压缩机噪声大的解决办法：

1、减振手段：压缩机震动会引起原本固体间的噪声，震动越强烈，噪声也越大，所以通常需要在压缩机的底部或者周围采取减振措施。

2、压缩机的隔声措施：通常压缩机会在一个单独的房间、压缩机内部的一些机械噪声会通过空气传播，这时候我们就可以采取整个房间的吸声手段来减少噪声量。

3、墙壁隔音：通过墙壁的隔音，可以有效减少噪声通过机房传播到外界的声音，可以减少20分贝以上的噪声。

4、熟悉压缩机内部结构，分析压缩机噪声源和传递情况。

5、了解管路材料性能。

在压缩机和灌注量确定情况下，对室外机管路进行受力分析，查找不合理管路并寻求解决办法。

压缩和降噪哪个实用

简单明了的解释 : 压缩的作用是把吉他的信号控制在一个范围内 并使得信号平均 效果就是能听出声音的延音长了 而且声音大小平均了 有声音输出 就会有噪音 降噪的作用是 在超出你设定范围以后 噪声门会自动开启 来抑制噪音信号 关于告警压缩降噪和压缩机降噪的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。 告警压缩降噪的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于压缩机降噪、告警压缩降噪的信息别忘了在本站进行查找喔。