對于集中部署業(yè)務系統(tǒng)統(tǒng)一監(jiān)控技術的研究

沈麗菁等

摘 要： 隨著集中式數(shù)據(jù)中心的建設，國家電網(wǎng)公司越來越多的業(yè)務系統(tǒng)會向數(shù)據(jù)中心集中部署模式遷移，這些業(yè)務系統(tǒng)存在諸多差異，如業(yè)務方向不同、技術路線不一等，而數(shù)據(jù)中心運維工作對于各業(yè)務系統(tǒng)統(tǒng)一監(jiān)控的要求日益強烈。為了解決這一問題，在此旨在通過研究SNMP協(xié)議的標準及實現(xiàn)方法，建立完善的監(jiān)控模式、統(tǒng)一的監(jiān)控指標集與科學的告警機制，最終實現(xiàn)基于SNMP的業(yè)務指標監(jiān)控系統(tǒng)，對于提高集中部署業(yè)務系統(tǒng)的使用水平和運維人員的效率，降低管理成本具有重要的意義。

關鍵詞： 集中部署業(yè)務系統(tǒng)； SNMP； 關聯(lián)監(jiān)控； 告警

中圖分類號： TN911?34 文獻標識碼： A 文章編號： 1004?373X（2015）12?0150?04

0 引 言

在國家電網(wǎng)公司初步建成集中式數(shù)據(jù)中心的背景下，針對公司各已建和在建應用系統(tǒng)逐步向集中部署模式遷移的現(xiàn)狀，亟需對新環(huán)境下集中部署業(yè)務系統(tǒng)統(tǒng)一監(jiān)控技術進行研究。現(xiàn)有的監(jiān)控方式存在監(jiān)控架構異構、監(jiān)控模式不完善、監(jiān)控指標與評價體系不一致等問題，難以適應集中部署業(yè)務系統(tǒng)對監(jiān)控的需求。集中部署的業(yè)務系統(tǒng)用戶規(guī)模大，各類業(yè)務應用的特點明顯，實現(xiàn)的技術路線區(qū)別較大，這些特有的復雜度、差異度、專業(yè)度將為統(tǒng)一監(jiān)控的實現(xiàn)帶來極大的挑戰(zhàn)。統(tǒng)一監(jiān)控的關鍵在于建立完善的監(jiān)控模式、統(tǒng)一的業(yè)務系統(tǒng)指標集與自下而上的告警機制，保障公司信息化建設平穩(wěn)、有序、規(guī)范的向集中部署模式轉變，確保業(yè)務系統(tǒng)安全穩(wěn)定運行。

1 研究思路

1.1 監(jiān)控模式

對集中部署業(yè)務系統(tǒng)的統(tǒng)一監(jiān)控以監(jiān)控系統(tǒng)業(yè)務運行為主線，并對支撐其的中間件、數(shù)據(jù)庫、網(wǎng)絡、虛擬資源、主機、機房環(huán)境等資源進行監(jiān)控。主要以圖形拓撲方式進行信息展示，并提供實時查詢與統(tǒng)一告警。

業(yè)務運行監(jiān)控包括對集中部署業(yè)務系統(tǒng)業(yè)務指標的實時收集和業(yè)務流程的檢測。業(yè)務流程的檢測分為主動探測和被動抓包兩種方式。即對集中部署業(yè)務系統(tǒng)進行虛擬用戶的主動模擬業(yè)務探測；對業(yè)務系統(tǒng)的通道通過鏡像等方式被動收集數(shù)據(jù)包進行分析，來判斷業(yè)務流的正常。

資源監(jiān)控是監(jiān)控與集中部署業(yè)務系統(tǒng)相關聯(lián)的中間件、數(shù)據(jù)庫、服務器、網(wǎng)絡設備等資源。對這些IT基礎資源進行獨立的監(jiān)控，當某一層出現(xiàn)問題時，其上一次層肯定是要受到關聯(lián)，原因的判斷主要根據(jù)告警發(fā)生的先后順序，來判斷故障源頭。如當數(shù)據(jù)庫鏈接超過閾值時，其會占用大量內存，使內存占用率超過安全閾值。進而使業(yè)務系統(tǒng)響應速度變慢，直至癱瘓。

圖1 監(jiān)控層級圖

通過對業(yè)務運行監(jiān)控與資源監(jiān)控的深入分析與挖掘，梳理出能夠全面反映集中部署業(yè)務系統(tǒng)運行狀況的監(jiān)控指標，建立統(tǒng)一的指標集與對應的評價體系，從而實現(xiàn)對集中部署業(yè)務系統(tǒng)的統(tǒng)一監(jiān)控。

1.2 技術路線

本文通過對集中部署業(yè)務系統(tǒng)進行基于SNMP標準協(xié)議監(jiān)控的研究，為集中部署業(yè)務系統(tǒng)統(tǒng)一監(jiān)控技術路線打下基礎。

簡單網(wǎng)絡管理協(xié)議（Simple Network Management Protocol，SNMP），由一系列協(xié)議組和規(guī)范組成，包含一個應用層協(xié)議（Application Layer Protocol）、數(shù)據(jù)庫模型（Database Schema）和一組資源對象。該協(xié)議能夠支持網(wǎng)絡管理系統(tǒng)，用以監(jiān)測連接到網(wǎng)絡上的軟硬件平臺。

基于SNMP實現(xiàn)的網(wǎng)絡管理系統(tǒng)一般由以下幾個部分組成：管理基站（SNMP Manager），管理代理（SNMP Agent），管理信息庫（Management Information Base，MIB）和管理協(xié)議。管理基站作為管理端，是運維人員進行網(wǎng)絡管理的用戶接口，它具有向被管對象發(fā)送操作指令以及接收被管對象反饋信息的作用；管理代理（Management Agent）有兩種方式，一種是網(wǎng)絡設備，如主機，網(wǎng)橋，路由器和集線器等；一種是軟件服務，如Net?SNMP等。這些設備或服務上的管理代理（Management Agent）都能夠接收來自管理端發(fā)送的指令信息，并且這些代理的狀態(tài)也能夠被管理基站監(jiān)視。管理代理（Management Agent）響應管理端的指令并進行相應的操作，也可以在沒有請求的情況下向管理端發(fā)送信息；MIB是所有被管理對象的數(shù)據(jù)庫，代表網(wǎng)絡中所有可以管理的資源，如設備、服務等。每個MIB對象對應一個數(shù)據(jù)變量，每個數(shù)據(jù)變量則代表被管對象的某一個方面的信息，如主機內存占用率、CPU使用率等；管理協(xié)議，即SNMP。它的基本功能是：取得（Get），設置（Set）和代理者主動向管理站通報重要事件（Trap）。

本文所述的對于集中部署業(yè)務系統(tǒng)SNMP的監(jiān)控系統(tǒng)中，監(jiān)控系統(tǒng)本身（包含其所在設備）具有向管理代理收發(fā)指令信息的功能，相當于管理基站。圍繞各集中部署業(yè)務系統(tǒng)，有許多被管對象需要被監(jiān)控，包括數(shù)據(jù)庫、中間件等軟件，還有主機、路由器、交換機等硬件，每個被管對象的信息以層次的方式組合，最終分解成數(shù)據(jù)變量固化于管理信息庫中，管理信息庫為每個對象定義對象標識符（OID）作為惟一標識。每個被管對象上都運行著管理代理（SNMP Agent），作為與管理端通信的媒介。本文設計的管理代理實際上是一種SNMP服務，它不直接部署在業(yè)務系統(tǒng)，即被管對象上，也不是業(yè)務系統(tǒng)的一個組件。這個服務只負責維護業(yè)務系統(tǒng)所有指標數(shù)據(jù)的OID、獲取方式，這種獲取方式可能是一個數(shù)據(jù)庫查詢SQL或者一個可以調用的API接口等，以及處理來自客戶端的SNMP請求。

2 指標模型

集中部署業(yè)務系統(tǒng)統(tǒng)一監(jiān)控的基礎和關鍵是集中部署業(yè)務系統(tǒng)的監(jiān)控指標集。要實現(xiàn)對不同業(yè)務系統(tǒng)的統(tǒng)一監(jiān)控，首要任務是建立相對統(tǒng)一的指標集，并在指標集的基礎上建立科學的評價體系，最終通過評價體系掌握各集中部署業(yè)務系統(tǒng)的真實情況，實現(xiàn)統(tǒng)一監(jiān)控。

指標集的建立首先根據(jù)集中部署業(yè)務系統(tǒng)的實際情況，參照國網(wǎng)前期的運維經驗與現(xiàn)實需要，開發(fā)出能夠準確、充分地反映集中部署業(yè)務系統(tǒng)情況的指標，再參考國內外成熟系統(tǒng)的先進案例完善提升，形成業(yè)務系統(tǒng)運行指標與應用指標兩大類型指標的指標集。

業(yè)務系統(tǒng)運行指標主要反映系統(tǒng)本身的運行狀況及關聯(lián)資源如服務器、數(shù)據(jù)庫、中間件等的狀態(tài)，（視運維工作需要擴展）如表1所示。

業(yè)務系統(tǒng)應用指標主要反映集中部署業(yè)務系統(tǒng)業(yè)務水平情況，由于不同的業(yè)務系統(tǒng)有著各自特有的核心業(yè)務邏輯和業(yè)務流程，所以應用指標也不相同，以國家電網(wǎng)公司集中部署業(yè)務系統(tǒng)電子商務平臺為例，其應用指標（視運維工作需要擴展）如表2所示。

之后本文針對指標集建立了一套評價體系，為運行指標模塊和應用指標模塊分別賦予權重（可配置），根據(jù)業(yè)務系統(tǒng)的實際情況，指標集中的每個指標參照評價標準會得到相應的分數(shù)（滿分10分），最后匯總出一個總分，這個總分即為反映該集中部署業(yè)務系統(tǒng)總體情況的重要依據(jù)之一。

3 MIB設計

要實現(xiàn)基于SNMP對集中部署業(yè)務系統(tǒng)的監(jiān)控，首先需要完成MIB的定義，將集中部署業(yè)務系統(tǒng)需要監(jiān)控的對象信息以變量的形式固化到管理信息庫中，才能被管理代理識別并被管理端訪問。

根據(jù)管理信息庫的對象命名樹結構，企業(yè)的管理信息庫對象為：

對象標識符（OID）：.iso.ide_org.dod.internet.private.enterprises

MIB節(jié)點：.1.3.6.1.4.1

將國家國家電網(wǎng)公司的私有管理信息庫（Management Information Base，MIB）的根節(jié)點定義在企業(yè)管理信息庫對象下：

對象標識符（OID）：.iso.ide_org.dod.internet.private.enterprises.sg

MIB節(jié)點：.1.3.6.1.4.1.****（基于安全性的考慮，本文采用*代替實際節(jié)點值）

在此根節(jié)點下擴展所有集中部署業(yè)務系統(tǒng)的監(jiān)控信息，形成國家電網(wǎng)公司集中部署業(yè)務系統(tǒng)監(jiān)控的樹形結構。

首先根據(jù)國家電網(wǎng)公司的業(yè)務分類定義業(yè)務節(jié)點，再在此業(yè)務節(jié)點下定義監(jiān)控節(jié)點，形成對于業(yè)務監(jiān)控的根節(jié)點：

業(yè)務節(jié)點

對象標識符（OID）：.iso.ide_org.dod.internet.private.enterprises.sg.bus

MIB節(jié)點：.1.3.6.1.4.1.****.1

監(jiān)控節(jié)點

對象標識符（OID）：.iso.ide_org.dod.internet.private.enterprises.sg.bus.kpi

MIB節(jié)點：.1.3.6.1.4.1.****.1.1

對于集中部署業(yè)務系統(tǒng)的監(jiān)控，按照其所屬的業(yè)務分類，在業(yè)務監(jiān)控根節(jié)點下分層定義，以國家電網(wǎng)公司物資管理業(yè)務為例：

對象標識符（OID）：.iso.ide_org.dod.internet.private.enterprises.sg.bus.kpi.mat.elc

MIB節(jié)點：.1.3.6.1.4.1.****.1.1.1.1

其中：節(jié)點.mat代表物資管理業(yè)務；節(jié)點.elc代表物資管理業(yè)務下的電子商務平臺（系統(tǒng)）。

電子商務平臺的運行指標與應用指標就定義在系統(tǒng)節(jié)點的葉節(jié)點上，以電子商務平臺的運行指標“健康運行時長”為例，其節(jié)點定義如下：

對象標識符（OID）：.iso.ide_org.dod.internet.private.enterprises.sg.bus.kpi.mat.elc.run

MIB節(jié)點：.1.3.6.1.4.1.****.1.1.1.1.1

至此，就完成了集中部署業(yè)務系統(tǒng)監(jiān)控指標在管理信息庫中的定義，而且該管理信息庫易維護，方便其他業(yè)務系統(tǒng)及監(jiān)控指標的擴展。

4 SNMP Agent設計

5 告警設計

科學、完備的告警機制可以為運維人員日常工作提供規(guī)范、有效的告警信息，輔助運維人員進行故障判斷，縮短故障解決時間，減輕運維壓力與被動性，為信息運維提供有力技術支撐。告警設計的關鍵在于建立告警模型，本文通過對集中部署業(yè)務系統(tǒng)及其相關聯(lián)IT資源的梳理，根據(jù)IT資源的層級架構（見圖1的監(jiān)控層級圖）建立集中部署業(yè)務系統(tǒng)層級告警模型，自下而上分為動力環(huán)境告警層、硬件/網(wǎng)絡（包括虛擬環(huán)境）告警層、軟件/服務告警層、業(yè)務系統(tǒng)告警層，以拓撲形式建立層級關系，故障發(fā)生時，系統(tǒng)按時間順序發(fā)出告警。引入智能判斷機制，根據(jù)告警級別、告警層級對故障進行智能判斷，并生成關聯(lián)分析報告，供運維人員分析參考。

一般的告警機制屬于“事后告警”，告警發(fā)出時，故障已經發(fā)生，失去防患于未然的意義。對于集中部署業(yè)務系統(tǒng)的告警設計，除常規(guī)的告警設計外，更加側重于對于故障的預防，加入預警的設計。預警設計的關鍵在于指標閾值的估算，閾值越精確，預警的價值也越大。本文基于國家電網(wǎng)公司多年的歷史性能數(shù)據(jù)，根據(jù)平均值計算出資源性能指標數(shù)據(jù)的趨勢曲線，當趨勢指標數(shù)據(jù)超出閾值時，即存在發(fā)生告警的可能。提供靈活配置告警類別、嚴重級別、告警閾值的告警規(guī)則，系統(tǒng)依據(jù)用戶配置的告警規(guī)則提供包括短信、郵件、語音等多種方式的告警服務功能，通過告警管理降低管理被動性，逐步實現(xiàn)無人值守的運維管理。

6 結 語

本文從國家電網(wǎng)公司集中部署業(yè)務系統(tǒng)的監(jiān)控需求出發(fā)，開展對集中部署業(yè)務系統(tǒng)統(tǒng)一監(jiān)控技術的研究。首先根據(jù)業(yè)務系統(tǒng)的實際情況，梳理出能夠全面反映業(yè)務系統(tǒng)運行狀況的監(jiān)控指標，建立統(tǒng)一的指標集與評分體系；然后采用基于SNMP協(xié)議的管理代理方式完成MIB與SNMP Agent設計，實現(xiàn)業(yè)務指標的固化；之后通過告警模型的設計支撐業(yè)務系統(tǒng)的運維管理；最終克服傳統(tǒng)監(jiān)控方式存在的不足，實現(xiàn)了對集中部署業(yè)務系統(tǒng)的統(tǒng)一監(jiān)控。目前，本文所述的統(tǒng)一監(jiān)控技術已應用于國家電網(wǎng)公司集中式數(shù)據(jù)中心，對于已遷移的集中部署業(yè)務系統(tǒng)已實現(xiàn)指標集的固化，評價模型也已用于日常考核，對于集中部署業(yè)務系統(tǒng)的統(tǒng)一監(jiān)控已初見成效。隨著更多的業(yè)務系統(tǒng)完成遷移，對于集中部署業(yè)務系統(tǒng)統(tǒng)一監(jiān)控的研究成果將對提高運維人員的效率，提升集中部署業(yè)務系統(tǒng)的實用化水平與應用水平，降低管理成本發(fā)揮越來越重要的作用。

參考文獻

[1] 葛君偉.云計算環(huán)境下的資源監(jiān)測模型研究[J].計算機工程，2011（11）：31?33.

[2] 魏鋼，趙杰.基于SNMP的集群服務器狀態(tài)監(jiān)視系統(tǒng)設計[J].網(wǎng)絡安全技術與應用，2011（1）：25?28.

[3] 張彤，吳世榮.基于SNMP計算機網(wǎng)絡流量監(jiān)控系統(tǒng)研究[J].計算機技術與發(fā)展，2011（1）：88?91

[4] 張登銀，陳瑋，任勛益，等.基于SNMP的MIB庫轉化成C文件的實現(xiàn)[J].計算機技術與發(fā)展，2011（9）：6?9.

[5] 朱平堯.基于SNMP協(xié)議的CMTS/CM綜合網(wǎng)管系統(tǒng)的設計與實現(xiàn)[J].中國有線電視，2011（z1）：6?15.

[6] 魏煜欣，李強.一種基于SNMP網(wǎng)絡性能管理數(shù)據(jù)的采集方法[J].計算機工程與應用，2011（2）：105?107.