携程的应用数量众多、架构复杂，规模效应和时间维度上的积累会导致运维数据（日志、监控数据、应用信息等）体量异常庞大，传统基于经验规则的方式已经不能很好地胜任某些特定的运维场景。特别是在大数据时代背景下，这种挑战尤为严峻。本文将分享携程在AIOps方面的一些探索和典型的实践场景，希望通过分享，让大家对AIOps以及目前行业发展水平有个宏观的认识，也给对AIOps感兴趣的小伙伴一些借鉴和启发。运维数据的体量随着运维规模的快速增长呈现出爆发式地增长。除了对持续交付、持续集成、资源调度、监控能力等提出很高的要求外，面对海量的运维数据，其查找和获取成本也变得非常高。另外，运维数据的价值和数据成本之间如何平
