一、項目背景

隨著機房設(shè)備的逐步增多，該產(chǎn)業(yè)園的運維管理工作產(chǎn)生了較大壓力，無法及時得知園區(qū)所屬設(shè)備的運行狀態(tài)，沒有一套統(tǒng)一的運維監(jiān)控平臺，直接導(dǎo)致了：

1、IT運維部門不能提前預(yù)知故障隱患，提前排除可能發(fā)生故障的隱患；

2、當(dāng)故障發(fā)生時，IT人員不能第一時間發(fā)現(xiàn)故障；

3、IT人員分析處理故障，沒有一個從IT基礎(chǔ)架構(gòu)到業(yè)務(wù)可用性的全棧監(jiān)控工具，靠人工逐層分析，效率低下；

4、排查故障之后，下次再出現(xiàn)類似的故障時，沒有有效的、可持續(xù)消費的知識記錄。

綜上，為了解決業(yè)務(wù)支撐系統(tǒng)全方位的保障，建設(shè)一套統(tǒng)一、開放、自主、可持續(xù)發(fā)展全鏈路運維監(jiān)控平臺已成為必要。

圖1：智慧園區(qū)大廳

二、解決方案

為完善該產(chǎn)業(yè)園信息化系統(tǒng)，向運維人員提供有效幫助，更高效率開展運維工作。在現(xiàn)有信息化相關(guān)維護前提下，有必要建立一套針對信息化的監(jiān)控平臺，做到及早發(fā)現(xiàn)故障、提早判斷預(yù)知故障并及時處理，以及合理利用信息化基礎(chǔ)資源，達到最大化資源使用，同時為信息化建設(shè)提供未來建設(shè)提供合理依據(jù)，使得信息化建設(shè)健康發(fā)展。

結(jié)合該產(chǎn)業(yè)園現(xiàn)有信息化建設(shè)架構(gòu)，建設(shè)統(tǒng)一監(jiān)控平臺部署內(nèi)容如下：

1. 集中監(jiān)控：包括從IT基礎(chǔ)架構(gòu)到業(yè)務(wù)系統(tǒng)的可用性、性能、日志等指標(biāo)監(jiān)控；

2. 集中告警：集中告警展示、告警分發(fā)、告警處理等全生命周期管理；

3. 可視化視圖：可自動發(fā)現(xiàn)的網(wǎng)絡(luò)拓撲、投屏視圖等可視化功能；

4. 多樣性報表：支持自定義、多維度、多指標(biāo)報表統(tǒng)計功能；

5. 大屏展示：大屏幕集中監(jiān)控實現(xiàn)自定義展示頁面。

圖2：園區(qū)監(jiān)控中心

三、實施過程

該項目主要監(jiān)控網(wǎng)絡(luò)設(shè)備，基于網(wǎng)絡(luò)拓撲圖實現(xiàn)核心鏈路的集中監(jiān)控。

1、監(jiān)控對象搜集

前期監(jiān)控對象搜集，通過和客戶交流、溝通，搜集相關(guān)需求及本次需要納入監(jiān)控的相關(guān)對象。

主機系統(tǒng)：IP地址，系統(tǒng)類型、業(yè)務(wù)名稱等。

網(wǎng)絡(luò)設(shè)備：設(shè)備名稱、設(shè)備類型、設(shè)備團體名、管理IP。

2、制定實施計劃

完成相關(guān)對象搜集后，結(jié)合本次監(jiān)控對象的數(shù)量、類型、監(jiān)控頻度，綜合判定本次架構(gòu)設(shè)計，制定詳細實施計劃。

底層架構(gòu)設(shè)計

該產(chǎn)業(yè)園本次監(jiān)控對象為網(wǎng)絡(luò)設(shè)備30臺。本次系統(tǒng)架構(gòu)說明：本次監(jiān)控通過虛擬化平臺進行監(jiān)控系統(tǒng)部署，基于虛擬化平臺的故障遷移策略保障監(jiān)控系統(tǒng)的可用性，部署在一臺服務(wù)器上，采用單機部署，主要進行交換機設(shè)備監(jiān)控并實現(xiàn)所需監(jiān)控告警及大屏展示功能。

3、監(jiān)控對象管理

完成監(jiān)控系統(tǒng)部署后，根據(jù)搜集表進行分批次添加監(jiān)控對象。

①操作系統(tǒng)：結(jié)合現(xiàn)場部署環(huán)境、調(diào)整好安裝腳本，配置好serverIP地址。

②網(wǎng)絡(luò)設(shè)備：根據(jù)搜集的產(chǎn)業(yè)園網(wǎng)絡(luò)設(shè)備信息發(fā)現(xiàn)其主要為華為交換機設(shè)備，與現(xiàn)有監(jiān)控模匹配后，結(jié)合前期信息搜集時的管理IP地址、團體名，實現(xiàn)快速添加監(jiān)控對象。

③告警配置：完成監(jiān)控對象納管后，通過和客戶溝通、培訓(xùn)，進一步確認相關(guān)監(jiān)控閾值配置，即根據(jù)客戶實際情況配置告警閾值，當(dāng)監(jiān)控指標(biāo)達到閾值設(shè)置后，即觸發(fā)告警。同時將不同閾值對應(yīng)到不同告警級別，分別為嚴(yán)重、一般、次要這幾個常用級別。

④大屏配置：投屏展示通常可直觀、簡潔地查看整個IT資源或某個業(yè)務(wù)的實際情況，經(jīng)過和客戶交流溝通后，確定本次創(chuàng)建的投屏展示。

圖3：園區(qū)車間大屏

四、方案價值

1、統(tǒng)一監(jiān)控

實現(xiàn)信息化基礎(chǔ)資源全覆蓋監(jiān)控，保障了監(jiān)控自動化管理，通過設(shè)置配置即可達到相關(guān)調(diào)整。降低人工成本，使運維人員去做對業(yè)務(wù)更有價值的工作。

2、告警管理

運維人員可查看最近6小時、最近12小時及最近24小時告警，可了解整個資源運行狀況，避免信息化資源出現(xiàn)告警隱患而人員未關(guān)注到時告警遺漏，更加準(zhǔn)確的反饋了整體健康狀況，分別從不同等級、告警事件、告警時長直觀的呈現(xiàn)，讓運維人員心中有數(shù)。 集中告警功能包含了實時告警、全部告警、告警統(tǒng)計等多個維度，匹配運維人員使用習(xí)慣，做到告警無遺漏、告警分等級，告警可追溯。從整體上減輕了運維人員工作，且真正做到7* 24小時實時監(jiān)控，為運維管理工作代理了直觀的價值。

3、可視化管理

運維管理通常需要直觀呈現(xiàn)，重點關(guān)注的對象，通過配置網(wǎng)絡(luò)拓撲、業(yè)務(wù)拓撲，并通過投屏配置方式呈現(xiàn)，及時反映重點關(guān)注的如網(wǎng)絡(luò)健康狀況、專線鏈路狀況等。當(dāng)出現(xiàn)異常時，可快速定位故障，大大縮短故障定位、排查時間，為解決故障提供了有效依據(jù)，將前端業(yè)務(wù)影響降至最低，為整個運維工作帶來了最大的便利。

4、報表管理

運維工作除了對日常信息化健康運行關(guān)注外，還需要對整體資源使用情況做到合理分配，當(dāng)資源需要進行調(diào)整時，可有效進行整改、達到資源最大化利用率。也可為單個業(yè)務(wù)系統(tǒng)創(chuàng)建報表，提供日報、周報，展現(xiàn)趨勢數(shù)據(jù)提供性能分析。 另外，對于整個信息化基礎(chǔ)架構(gòu)運行狀況，也可通過報表的告警統(tǒng)計，不同維度查看告警統(tǒng)計，操作系統(tǒng)告警統(tǒng)計、網(wǎng)絡(luò)設(shè)備告警統(tǒng)計，以不同類別、不同等級分別展示，為信息化建設(shè)可持續(xù)發(fā)展提供了有效幫助。

圖4：手機運維軟件

運維管理平臺的利用云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、可視化等技術(shù)手段，實現(xiàn)了對園區(qū)設(shè)施設(shè)備的智能化管理和優(yōu)化運維，提高了園區(qū)運維管理的效率和質(zhì)量，降低了設(shè)備故障率和維修成本，優(yōu)化了能源利用效率，并提升了園區(qū)的安全性。

審核編輯 黃宇