自动化运维管理系统故障处理机制的设计与实现.pdfVIP

ELECTRONICSWORLD・技术交流

自动化运维管理系统故障处理机制的设计与实现

中国电子科技集团公司第七研究所沈晓慧廖永行

随着信息化建设的深入，企业IT系统日趋复杂，林林总总的网的数据进行分类汇总，处理完成后进行数据存储，对故障进行判

络设备、服务器、储存设备、中间件、业务系统让运维人员难以轻断，选择故障策略对故障做出预测，或为故障提供自愈手段，或提

松应对，迫切需要自动化的运维管理服务，可以提供自动化的故障供故障排查方案。针对复杂的业务场景，转移到人工排查处理。

处理机制，实现故障感知，故障预警，故障自愈及故障自动排查，2.1故障数据采集

来实现高效的运维服务。故障处理的基础是数据采集，数据采集来自于对管辖的设备、

随着企业IT系统的规模扩大、复杂度不断提高、监控数据日益应用系统的全面监控。如图2所示，本文实现的运维管理系统包含

增长，传统的运维管理平台已经不能满足互联网以及大数据时代运对系统内设备对象的监控、对业务的监控、对下级运维系统的监

维需求，智能化是运维管理平台的发展方向，自动化是智能化运维控。设备对象的监控包括设备的参数阈值、设备及系统的运行状

的最佳实践。自动化运维管理系统可以实现设备的统一管理、实时态，业务监控包括业务及用户的访问，对下级运维系统的监控包含

监控、数据采集、性能分析、故障诊断等自动化运维任务，可以最下级运维系统所监控的所有对象。

大程度地减少运维的重复劳动，提高运维的工作效率。其中，故障

管理是自动化运维管理系统中非常重要的功能模块，自动化的故障

处理机制可以保证系统的稳定运行，为业务提供可持续性的支撑。

1故障管理需求分析

故障管理过程分成故障发现、故障处理、故障恢复三个阶段。

在故障发现阶段，传统的运维管理系统缺乏有效的故障预警机制，

不能在故障发生前进行报警，需要等到故障发生后再由人工采取修

复措施，运维人员工作被动、效率低，且此时经常已经造成业务停

滞等更严重后果。在故障处理阶段，缺少流程化的故障排查机制图2数据采集

来引导故障排查，很难快速、精准的定位到故障原因。在故障恢复在数据采集的通道上，一种是通过定时轮询被管设备进行故障

阶段缺少规范化的故障解决指导方案来对故障进行快速的修复和处信息的采集，同时根据需要定时去检查设备、业务的运行状态。另

理，且有一些简单重复的问题，耗费了运维人员日常大部分时间和一种来自设备、应用系统的主动上报和采集，将约定的有价值的信

精力，可以定制故障恢复策略，辅助系统进行故障自愈。息上传给运维系统服务器。

2.2故障数据分析

故障处理的核心是对故障数据的分析。数据分析是对数据的一

种操作手段，用适当的统计分析方法对收集到的数据进行处理与分

析，提取有价值的信息，通常都是得到一个指标统计量结果，如总

和、平均值等，将这些指标数据与业务结合进行解读，发挥出数据

的价值与作用。通过对数据的分析提取，可以对将来的趋势和行为

进行预测，运维管理系统可以在故障发生之前，提供预警信息，结

合策略管理，帮助人们做出科学的决策，使得系统和业务得以持续

性稳定运行。