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）方法已被广泛用于软件系统故障管理，以确保大规模分布式软件系统的高可用性和可靠性。然而，这些方法仍面临一些挑战，例如缺乏跨平台的通用性和跨任务的灵活性。幸运的是，最近大语言模型（LLM）的进展可以显著解决这些挑战，并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与传统AIOps方法之间的差异。因此，本文介绍了LLM时代的AIOps技术在故障管理方面的全面调查。它包括对故障管理的AIOps任务的详细定义，AIOps的数据来源以及采用的基于LLM的方法。此外，本调查还探讨了AIOps子任务，适用于不同AIOps子任务的特定基于LLM的方法，以及该领域的挑战和未来方向，旨在进一步促进其发展和应用。

本文旨在综述大语言模型（LLMs）在AIOps领域中的应用，以解决传统AIOps方法中跨平台普适性和跨任务灵活性的不足。

本文提出了基于LLMs的AIOps方法，通过采用不同的LLMs模型，分别适用于AIOps的不同子任务，从而提高了AIOps的跨平台普适性和跨任务灵活性。

本文详细定义了AIOps任务的失效管理、AIOps的数据来源以及基于LLMs的AIOps方法。本文还探讨了AIOps子任务、不同AIOps子任务适用的具体LLMs方法以及该领域的挑战和未来方向。

在这个领域的相关研究包括：《基于机器学习的AIOps：现状和未来》、《AIOps：从数据到洞察》、《AIOps：现状和未来》等。