SMGLog

[TOC]

初衷

服务器都跪很久却没有发现?接口出现问题却迟迟找不到bug源?何不让AI帮助你;让AI无时不刻帮你盯着服务器;

介绍

让冰冷的Log数据活起来,让Log说话;而不是呆在那里等待被挖掘或被分析;

• 通过集成"SMGLog"并分析客户服务器Log的方式,来智能化监控服务器的运行情况;在出现问题时,及时通知开发人员,并预测bug的来源;

实现描述：

在SMG系统中，有设计完整的AI迁移学习方式及神经网络。本Log项目即是把SMG的基础搬过来，在其之上进行开发的一个"应用项目"。

• 步骤
  1. Input输入log数据
  2. 通过"算法"值化与分解数据
  3. 提交到意识流并分析其规律
  4. 将规律等数据归纳并生成第二层节点
  5. 将二层节点指向的具体实现进行"类比分析"并细分抽象节点;
  6. 在持续的log中;强化神经网络的连接;
  7. 每一次新log都是一次学习，会生成新的抽象节点或者强化原有的知识。

概念：

• 成长期：在SMGLog项目接入早期。
• 成熟期：在SMGLog项目接入一段时间后。
• 变化期：在服务器新接口或者有大量更新时，会进入变化期。此时SMGLog会对新的环境有陌生感。

应用：

本系统可接入运行于任何项目中。

1. 服务端（用于分析运行情况等）
2. 客户端用户行为和设备运行情况（目前先不开发）

特点：

1. 在埋点提交时，即实时分析log的情况，并生成或更新模型。
2. 在模型成熟后，可智能化快速发现“当前是否有问题”。

缺点：

1. 本系统不可替代原有的Kafka等，只能作为辅助运行。
2. 本系统报出的结果会有一个“确信值”，指是否确信本条信息为bug或其它问题。
3. 在成长期，本系统的工作是不确信的。因为其并不了解你的服务器。
4. 在变化期，本系统对新的变更可能会误报。原因同上。

优点：

1. 本系统智能的运行于您的项目中，并尝试了解和学习您的项目运行情况。帮助您分析系统运行时可能的问题，并提前通知您。
2. 本系统避免了您分析log或者无法及时分析log的情况。使数据主动分析自身，并将可能的问题报出来。