A Survey of AIOps for Failure Management in the Era of Large Language Models

随着软件系统变得越来越复杂，人工智能运维（AIOps）方法在软件系统故障管理中得到了广泛应用，以确保大规模分布式软件系统的高可用性和可靠性。然而，这些方法仍然面临一些挑战，例如缺乏跨平台的普适性和跨任务的灵活性。幸运的是，最近大型语言模型（LLMs）的进展可以显著解决这些挑战，并且已经提出了许多探索这一领域的方法。然而，目前还没有全面的调查，讨论基于LLM的AIOps和传统AIOps方法之间的差异。因此，本文介绍了LLM时代故障管理AIOps技术的全面调查。它包括对故障管理AIOps任务、AIOps数据源以及采用的基于LLM的方法的详细定义。此外，本调查探讨了AIOps子任务、适合不同AIOps子任务的具体基于LLM的方法，以及该领域的挑战和未来方向，旨在进一步推动其发展和应用。

大规模分布式软件系统的故障管理面临的挑战，如何使用大型语言模型来解决这些挑战？

使用大型语言模型（LLMs）来解决AIOps领域中的故障管理问题，包括定义AIOps任务、数据源和适用于不同AIOps子任务的LLM-based方法。

论文提供了对AIOps技术在LLM时代中的故障管理的全面调查，包括子任务和挑战等方面的详细讨论。

最近的相关研究包括“基于深度学习的AIOps方法”和“基于机器学习的故障管理方法”。