IT運維監(jiān)管平臺的應(yīng)用探討

喬曉攀

（山西省商務(wù)信息中心， 山西 太原 030002）

引言

隨著信息化建設(shè)的不斷深入，各行各業(yè)對信息化建設(shè)與管理的依賴性越來越大。用于支撐各類信息系統(tǒng)的網(wǎng)絡(luò)、主機、存儲、數(shù)據(jù)庫、中間件等IT基礎(chǔ)設(shè)施的數(shù)量變得越來越龐大，并且越來越集中，信息系統(tǒng)環(huán)境變得龐大而復(fù)雜。大數(shù)據(jù)時代下的信息化對網(wǎng)絡(luò)系統(tǒng)、主機、存儲、數(shù)據(jù)庫、中間件等基礎(chǔ)設(shè)施的安全性、可靠性、穩(wěn)定性和設(shè)備性能發(fā)揮都提出了更高的要求，必須提升信息系統(tǒng)安全及應(yīng)急管理的快速反應(yīng)能力和集中控制能力與之適應(yīng)。原有機房運維監(jiān)控管理的方式、規(guī)模、力度、技術(shù)都已遠遠落后，無法滿足信息化建設(shè)與應(yīng)用的新需要。

1 目前機房維護的需求分析

目前，數(shù)據(jù)中心機房的各種運維手段還遠遠滿足不了信息化工作的新要求，運維體系建設(shè)明顯滯后，對故障的發(fā)現(xiàn)、跟蹤以及解決缺乏一個完整的系統(tǒng)，以靠人工巡檢發(fā)現(xiàn)故障為主，缺乏處置異常信息科學(xué)的依據(jù)和高效的監(jiān)控工具；不能便捷、實時了解設(shè)備資源的使用狀況等，這些問題不同程度地影響了各信息系統(tǒng)效能的發(fā)揮。當(dāng)機房設(shè)備發(fā)生故障，而技術(shù)人員卻不在現(xiàn)場，不能及時發(fā)現(xiàn)故障，更不能及時處置故障時，進而導(dǎo)致整個信息系統(tǒng)的無法正常運行，嚴重時還可能造成系統(tǒng)癱瘓，數(shù)據(jù)丟失等嚴重事故。因此，通過使用基于基礎(chǔ)資源和基于軟件系統(tǒng)兩個層面的監(jiān)控，涵蓋機房動態(tài)環(huán)境監(jiān)控系統(tǒng)、網(wǎng)絡(luò)設(shè)備、服務(wù)器、各信息系統(tǒng)等軟硬件的IT運維監(jiān)管平臺，對所覆蓋的基礎(chǔ)資源和業(yè)務(wù)應(yīng)用軟件進行24 h不間斷地自動監(jiān)控和分析，從而達到及時發(fā)現(xiàn)任何資源的異常狀態(tài)并發(fā)出警報和實時展示。IT運維監(jiān)管平臺自動報警使相關(guān)技術(shù)人員第一時間獲悉故障情況，及時處理故障，保障機房各系統(tǒng)設(shè)備穩(wěn)定高效運行。

IT運維監(jiān)控管理平臺的建設(shè)，實現(xiàn)了對機房所有資源的可視化、統(tǒng)一化管理。通過監(jiān)控模塊和故障處理模塊的整合聯(lián)動，高效支撐信息技術(shù)服務(wù)管理工作，全面展示機房信息化資源的運行狀況和設(shè)備性能；最終實現(xiàn)對各類信息系統(tǒng)的動態(tài)實時管理，有針對性地解決運維難題。同時，可強化運維支持管理能力，不斷提高運維工作的質(zhì)量和效率，不斷完善運維管理體系。

2 IT運維監(jiān)管平臺總體架構(gòu)

IT運維監(jiān)管平臺涵蓋了機房運行數(shù)據(jù)的生命全周期：數(shù)據(jù)采集、處理、加工、展示和管理等過程，按照模塊化、松耦合、分層的設(shè)計原理使平臺系統(tǒng)架構(gòu)更加清晰，系統(tǒng)的總體架構(gòu)如下頁圖1所示。整個系統(tǒng)架構(gòu)分為五個層次，其中整個系統(tǒng)的核心層是數(shù)據(jù)收集層、數(shù)據(jù)處理層、數(shù)據(jù)展示層，下面對每個層次的功能及其所包含的模塊進行說明。

1）資源監(jiān)控層。通過對各類內(nèi)外部的接口、各種應(yīng)用軟件、中間件和各類數(shù)據(jù)庫資源狀態(tài)的實時監(jiān)控，實現(xiàn)監(jiān)控包括機房動態(tài)環(huán)境監(jiān)控系統(tǒng)、網(wǎng)絡(luò)設(shè)備、主機系統(tǒng)、數(shù)據(jù)庫、中間件和應(yīng)用系統(tǒng)等。由數(shù)據(jù)采集層采集監(jiān)控指標，并傳遞到數(shù)據(jù)處理層進行加工處理。

2）數(shù)據(jù)收集層。數(shù)據(jù)收集支持“主動”和“被動”接收兩種采集方式。其中主動采集又分為Agent和Agentless兩大采集模式。而Agentless主動采集方式具體包括：TCP、POP3、JDBC、Shell、HTTP、HTTPS、ICMP、DNS；SNMP、TELNET/SSH、JDBC、HTTP、JMX WMI、SNMP TRAP和NETFLOW等多種協(xié)議類型。該模塊支持對數(shù)據(jù)匯集接入、數(shù)據(jù)推送和數(shù)據(jù)共享等功能。

圖1 總體架構(gòu)圖

3）數(shù)據(jù)處理層。通過合理的數(shù)據(jù)過濾、壓縮、合并、采集或?qū)邮盏降母鞣N原始數(shù)據(jù)并進行相關(guān)性分析等處理，發(fā)現(xiàn)異常數(shù)據(jù)，產(chǎn)生告警信息，以實現(xiàn)對各類性能數(shù)據(jù)的統(tǒng)計分析工作。通過平臺的告警閾值自定義功能，使系統(tǒng)管理人員可以結(jié)合自身的實際運維情況和各類資源整體情況自主定義預(yù)警閥值，從而達到資源利用的最大化。

4）數(shù)據(jù)展示層。主要是提供各種管理功能界面，并將所采集的數(shù)據(jù)以圖表、拓撲視圖等方式直觀地展示給用戶。同時通過聲光、短信、電子郵件等報警方式將突發(fā)的異常告警信息通知用戶。

5）用戶管理層。主要是對系統(tǒng)用戶進行設(shè)置和管理，系統(tǒng)的用戶可以為值班人員、運維人員、系統(tǒng)管理員和管理者等，通過預(yù)設(shè)每個人的權(quán)限保證他們登錄后，系統(tǒng)根據(jù)不同的角色和權(quán)限提供不同的服務(wù)。

3 IT運維監(jiān)管系統(tǒng)接口設(shè)計

IT運維監(jiān)管系統(tǒng)在實現(xiàn)信息的采集、處理、存儲、傳輸、加工、應(yīng)用、統(tǒng)計分析、系統(tǒng)管理的同時，需要與相關(guān)外部系統(tǒng)保持著密切互聯(lián)，包括：短信平臺、機房動力環(huán)境監(jiān)控等系統(tǒng)有著緊密的聯(lián)系。

3.1 系統(tǒng)內(nèi)部集成接口

1）接口功能設(shè)計。本接口實現(xiàn)分級情況下機房基礎(chǔ)系統(tǒng)之間的設(shè)備性能、異常信息告警等數(shù)據(jù)交互。

2）接口設(shè)計。通過 Web Service、文件、SOAP、碼流等技術(shù)，利用應(yīng)用支撐層的數(shù)據(jù)交換接口服務(wù)來實現(xiàn)接口功能。

3.2 集成機房動環(huán)監(jiān)控系統(tǒng)的接口

1）接口功能設(shè)計。機房環(huán)境參數(shù)告警信息監(jiān)測：該接口對機房動力環(huán)境參數(shù)（如：電流、電壓、濕度、溫度、水侵、煙感、空開等）的告警信息進行監(jiān)測。

2）SNMP監(jiān)控、數(shù)據(jù)告警、展現(xiàn)。該接口對機房專用空調(diào)、不間斷電源等系統(tǒng)的監(jiān)控是通過SNMP實現(xiàn)。將監(jiān)控到數(shù)據(jù)通過門戶集成方式整合到IT運維監(jiān)管系統(tǒng)中，從而達到對監(jiān)控信息進行異常信息告警、數(shù)據(jù)集中展現(xiàn)的目的。

3.3 集成短信平臺的接口

1）接口功能設(shè)計。在異常信息的處理過程中，該接口可以自動將告警信息以短信的方式發(fā)送到相關(guān)人員（如：單位主管、系統(tǒng)管理員和應(yīng)急保障人員等）的手機上，并能及時傳送與機房監(jiān)控管理相關(guān)的異常通知、故障處理等情況信息。

2）接口實現(xiàn)設(shè)計。通過Web Service、文件、SOAP、碼流等技術(shù)，利用應(yīng)用支撐層的數(shù)據(jù)交換接口服務(wù)來實現(xiàn)接口功能。

3.4 集成相關(guān)外部系統(tǒng)的單點登錄和統(tǒng)一身份認證接口

本系統(tǒng)通過對IT運維監(jiān)管系統(tǒng)和機房動力環(huán)境監(jiān)控系統(tǒng)、ITSM系統(tǒng)、基礎(chǔ)運維管理工具等相關(guān)外部系統(tǒng)的門戶集成，從而在IT運維管理平臺上實現(xiàn)相關(guān)系統(tǒng)的單點登錄和統(tǒng)一身份認證，有效地集成和利用了各類運維管理資源，進而形成便捷的機房運維管理運行機制。

1）統(tǒng)一身份認證：對IT運維監(jiān)管系統(tǒng)與機房動力環(huán)境監(jiān)控系統(tǒng)、ITSM系統(tǒng)、基礎(chǔ)運維管理工具等相關(guān)外部系統(tǒng)的用戶進行管理集成，并進行分層、分級歸納，統(tǒng)一納入到IT運維監(jiān)管系統(tǒng)門戶訪問控制體系中，實現(xiàn)對IT運維監(jiān)管系統(tǒng)所有用戶的統(tǒng)一身份認證和管理。

2）單點登錄：通過IT運維監(jiān)管系統(tǒng)門戶中的單點登錄控制實現(xiàn)對IT運維監(jiān)管系統(tǒng)各模塊，以及該系統(tǒng)與機房動力環(huán)境監(jiān)控系統(tǒng)、ITSM系統(tǒng)、基礎(chǔ)運維管理工具等相關(guān)外部系統(tǒng)在IT運維監(jiān)管系統(tǒng)門戶中的單點登錄控制，達到用戶登錄一個系統(tǒng)便可訪問全部授權(quán)應(yīng)用系統(tǒng)，獲得和控制所需資源的目的。

3.5 接口數(shù)據(jù)報表管理

1）接口數(shù)據(jù)分析與統(tǒng)計。把各個模塊接口收集到的信息進行匯總，并分類歸納，便于相關(guān)人員分析和監(jiān)控機房動力環(huán)境監(jiān)控設(shè)備、服務(wù)器、網(wǎng)絡(luò)設(shè)備、信息系統(tǒng)等軟硬件設(shè)備的運行狀態(tài)。

2）自定義接口數(shù)據(jù)報表。可以按照相關(guān)人員和具體業(yè)務(wù)的實際需要和實時變化，對各類數(shù)據(jù)歸總報表的內(nèi)容、格式以及生成時間進行自定義。

3.6 接口數(shù)據(jù)備份

按照相關(guān)人員和具體業(yè)務(wù)的實際需要和實時變化，設(shè)定備份時間周期，也可以將過往的日志信息按計劃地進行備份和恢復(fù)。同時平臺支持異地遠程監(jiān)控和備份。

4 IT運維監(jiān)管平臺實施效果

1）通過故障實時預(yù)警，實現(xiàn)及時處置系統(tǒng)故障。對機房基礎(chǔ)設(shè)施及相關(guān)信息系統(tǒng)和數(shù)據(jù)庫的運行狀態(tài)進行動態(tài)監(jiān)控，以合理的事件管理機制分析各資源實際使用情況，設(shè)置告警分析處理和故障預(yù)警的閾值；使平臺能夠高效地發(fā)現(xiàn)、分析異常信息，能夠快速定位故障，盡可能地做到第一時間防范。

2）實時掌握機房物理資源，提高設(shè)備利用效率。實時了解并掌握機房信息系統(tǒng)運行的整體情況，提高信息系統(tǒng)的運行效率和保障硬件支撐系統(tǒng)資源不被浪費，并根據(jù)實際需要進行資源的配置、調(diào)配和使用，發(fā)揮信息系統(tǒng)和硬件資源據(jù)的最大利用率。

3）提高工作效率，故障處理范化。機房運維工作中存在大量巡檢、值班等重復(fù)性的工作。這些工作會占用大量的時間，通過平臺自動化的操作將這些重復(fù)性工作省掉，可以將運維人員的精力投入到數(shù)據(jù)分析、故障處理等更重要的工作中，從而提高了運維工作效率。通過平臺的故障申請受理、處置時間超時自動提醒功能，進一步規(guī)范了故障處置流程。

5 結(jié)語

傳統(tǒng)的機房運維管理模式，將被不斷進步的信息技術(shù)和要求越來越高的信息安全要求所淘汰。可以將機房軟硬件系統(tǒng)、動環(huán)系統(tǒng)、通信等系統(tǒng)集合起來的智能IT運維監(jiān)控平臺是目前機房運維工作的發(fā)展方向。目前這一機房運維平臺已經(jīng)在單位得到應(yīng)用，系統(tǒng)全時段運行正常穩(wěn)定，極大地減輕了運維人員的日常工作量，并且縮短了機房故障處理時間，取得了很好的效果。