日前，Atlassian中國合作伙伴企業(yè)日活動在上海成功舉辦?；顒右浴?a href="http://www.brongaenegriffin.com/tags/ai/" target="_blank">AI協(xié)同 創(chuàng)未來——如何利用人工智能提升團隊協(xié)作，加速產品交付”為主題，深入探討了AI技術在團隊協(xié)作與產品交付中的創(chuàng)新應用與實踐，吸引了眾多業(yè)內專家、企業(yè)客戶及技術開發(fā)者的積極參與。

活動現(xiàn)場，小米集團高級SRE孟凡胤帶來《Jira常見問題處理及如何利用AI智能客服提升效率》的精彩演講。演講從小米Jira系統(tǒng)的使用現(xiàn)狀出發(fā)，探討分享了API請求及數據治理、項目管理中的個性化設置等運維過程中的挑戰(zhàn)與突破，以及如何利用AI工具，深化AI智能客服應用，提高運營效率。

以下為演講回顧（內容有精簡優(yōu)化）：

大家好，作為Jira的使用方，今天我們主要從運維和運營兩個層面來介紹小米是如何使用Jira系統(tǒng)的。

小米Jira系統(tǒng)的使用現(xiàn)狀

首先，一起來了解下小米Jira系統(tǒng)的使用現(xiàn)狀。

Jira系統(tǒng)承擔了我們集團的手機、汽車、電視、筆記本和生態(tài)鏈各個產品的bug缺陷管理，以及米粉問題反饋的官方渠道，作為與米粉溝通的橋梁，它在小米內部扮演著至關重要的角色。

當前，我們系統(tǒng)的Issue數量已達到千萬級別，數據量處于業(yè)界頂端，同時項目數量也達到了1000+，項目配置復雜，個性化需求也非常多，這些都對我們的運營團隊提出了專業(yè)且嚴格的要求。隨著業(yè)務的不斷增長和復雜性的提高，我們的系統(tǒng)體量已經遠超官方標準產品所建議的體量，這也導致了一系列無法預知的問題。作為技術出身的系統(tǒng)SRE，我們致力于保證系統(tǒng)的SLA，確保系統(tǒng)的可用性，提升用戶體驗和員工的工作效率。

在龍智的協(xié)助下，我們去年花了一年時間，收集了影響系統(tǒng)的三十多個問題，并提出了解決方案。目前，這些方案已經落地并產生了顯著效果。

API請求及數據治理

我們遇到的第一個問題是API請求和數據治理。

隨著數據量和用戶開發(fā)請求的持續(xù)增長，我們的Search接口受到大量不規(guī)范的分析請求沖擊。這些請求中的JQL非常不規(guī)范，加上Labels數量達到了千萬級別，直接在引擎中搜索的話，很可能導致系統(tǒng)崩潰或嚴重的OOM問題。

▍應對措施1：代理層API限流

對于這一問題，我們首先想讓它有節(jié)制，不讓它惡意請求。我們在nginx上使用lua腳本語言對請求的QPS和IP兩種維度按照時間進行封禁。QPS達到50做一次封禁，右邊是按IP封禁，一秒請求5次，我們會封禁60秒。這樣，我們成功攔截了30%的不規(guī)范請求，緩解了部分API帶來的系統(tǒng)壓力。

▍應對措施2：API與web服務剝離

然而，即便進行了限流，大數據量的請求仍可能導致集群中的某個節(jié)點OOM，影響用戶訪問。那么假想一下，有沒有可能在集群當中將API和Web兩個服務分開？

在龍智的專業(yè)指導下，我們在7層代理上成功剝離了API和Web服務，確保API請求導致的系統(tǒng)夯住及oom不再影響到前端用戶的訪問和使用。

此外，我們還在集群上增加了狀態(tài)監(jiān)控，如遇到cluster_rmi_connect_fail等異常，會觸發(fā)告警，使我們能夠實時掌握集群的狀態(tài)。

▍應對措施3：大數據治理

盡管采取了上述措施，我們仍未能完全解決API請求給系統(tǒng)帶來的壓力，那么就在根源上找，大家最終的訴求就是想要獲取數據，那是否可以直接給用戶提供數據呢？

大家都知道，現(xiàn)在是大數據時代，依托集團的數據工場，我們可以綁定mysql數據源，使用Flink SQL實時開發(fā)作業(yè)，根據不同的需求給大家提供實時數據，這樣，用戶無需再通過Search接口請求數據，極大地減輕了系統(tǒng)壓力。

這時候有人會問，數據推送后，我們怎樣在大數據平臺做權限管控？

對此，我們設立了專業(yè)的團隊和權限審核平臺，按照project維度開放權限。這確實需要人工操作，包括創(chuàng)建權限表、與需求方對接等，以確保數據的安全。雖然初期工作量較大，但隨著對工作流程的熟悉和標準化，我們已能復制和重用部分工作，從而顯著減輕后期的工作量。

▍應對措施4：統(tǒng)一webhook推送

在數據治理過程中，我們還注意到一個問題：當issue被更新或創(chuàng)建時，webhook會推送過多不規(guī)范的消息。為解決這一問題，我們統(tǒng)一了webhook的推送，將其統(tǒng)一到RocketMQ上，用戶可以直接在RocketMQ上進行消費。這一舉措不僅規(guī)范了消息推送，還允許用戶基于這些數據進行二次開發(fā)，如消息推送、看板展示和實時數據分析等。

這項工作還在持續(xù)實施當中，目前，我們已對接了大約三四十個需求，所有數據均通過統(tǒng)一的出口進行傳輸，同時減少了API請求，大大提高了系統(tǒng)的穩(wěn)定性。這正是我們在運維層面所追求的：確保系統(tǒng)在一個更加規(guī)范、健康的環(huán)境中穩(wěn)定運行。

項目管理中個性化設置

在系統(tǒng)運維方面，我們取得了很大的突破。其實Jira最核心的工作還是在系統(tǒng)配置上，Jira系統(tǒng)運營的工作非常的繁瑣且復雜。接下來，我將介紹一下我們如何對Jira運營的工作做精細化及規(guī)范化管理。

▍統(tǒng)一項目配置，一鍵創(chuàng)建項目

在Jira的運營方面，運營團隊大部分都是在配置項目個性化需求，創(chuàng)建項目，導入權限，導入模版等相關工作，同產品的project需求也不統(tǒng)一，這些重復性工作占用了運營團隊大量的時間。

面對這一情況，我們拉通了各個項目負責人，把同產品（例如手機，筆記本，電視等產品）SPM的需求責任到一位同學身上，把項目的配置對齊，進行統(tǒng)一規(guī)劃。每個產品對應了一個項目模版，由負責人在輔助系統(tǒng)平臺長實現(xiàn)一鍵創(chuàng)建項目、模版自動導入、權限自動導入。最終實現(xiàn)了統(tǒng)一需求、統(tǒng)一項目模版、統(tǒng)一權限，大大減少了運營工作量，提高了工作效率。

▍跨服務器Clone插件

集團中有多套Jira系統(tǒng)，但是系統(tǒng)之間的數據無法做到互通。為此，龍智為小米定制了跨服務器Clone插件。該插件通過混合使用Jira的JavaAPI、標準RestAPI和自定義RestAPI，實現(xiàn)了多個Jira服務器之間的Issue克隆及信息同步。

其主要功能有：

靈活的配置模式：支持多個Jira服務器之間的連接配置

支持統(tǒng)一認證：支持多個Jira服務器之間的SSO認證，保障各服務器之間的數據交互安全

全方位的業(yè)務映射：支持項目、問題類型、字段及字段默認值等多個維度的映射，保證不同部門之間的無縫協(xié)作

克隆信息展示：在Issue界面中展示對端服務器的克隆Issue信息，支持一鍵免登錄跳轉至對端服務器對應Issue界面，極大提升了工作效率

實時數據同步：克隆Issue有任何一方信息發(fā)生變更都會實時同步至對方，保證數據同步的時效性

AI智能客服提高運營效率

最后，為大家介紹一下我們的AI智能客服。在日常的Jira運營中，我們面臨著大量高重復性的用戶咨詢問題，Jira運營的同學逐一回答是需要付出很多的時間成本。小米一直非常重視知識庫的建設，截至目前，我們的運營相關文檔已達百余篇。

那么，如何將這這么多的文章快速、準確地傳遞給用戶？這是一個難題。傳統(tǒng)的機器人客服雖然可以推送相關知識，但往往無法提供精確、滿意的回答，導致用戶仍然需要花時間去篩選和尋找答案。

我們做的是讓機器人代替運營人員回答用戶的問題。

我們的AI客服解決方案利用大模型技術，將知識庫和用戶問題轉化為語義向量，通過向量匹配快速給出準確回答，實現(xiàn)智能客服功能?，F(xiàn)在，我們用戶問題回答的準確率高達80%，大大釋放了運營的工作量，并且我們還在不斷收集用戶反饋，優(yōu)化和更新我們的知識庫。

最后，我想說的是，Jira是一個非常有意思的產品，值得我們去深入挖掘。Jira也是一項需要長期維護的工程，依靠個人的力量是遠遠不夠的，我們也需要與更專業(yè)、更精細、更系統(tǒng)的團隊共同進步。也非常感謝龍智提供這次分享的機會，期待未來我們能夠有更緊密、更專注的合作。

審核編輯 黃宇