在IT中，救火隊員無法成為"英雄"

 

《Ladder49》，中文名為《云梯49》的電影是美國911事件催生的碩果，其中的內(nèi)容不能不讓觀眾聯(lián)想到兩座世貿(mào)大廈倒塌時有多少紐約的救火隊員喪生其中。不論是手握水龍頭，還是之后的搜救任務(wù)，正如影片中隊長肯尼迪說的一樣："我們的任務(wù)僅僅是被動的安全。"不論是電影中，還是我們在生活中形成的道德評判，救火隊員在我們的心中一直以英雄的位置所占據(jù)。但在IT運維的場景中，如果一名企業(yè)的網(wǎng)絡(luò)管理員被扣上"救火隊員"的帽子，那么這為網(wǎng)絡(luò)管理員或其部門可能就顯得不那么體面了。

 

作為國內(nèi)領(lǐng)先的IT運維產(chǎn)品和服務(wù)提供商，北塔軟件在電力、政府、金融、電信等4000家用戶的IT運維系統(tǒng)部署中聆聽到了很多用戶的聲音。在這其中，許多之前未部署IT運維產(chǎn)品的"簡單網(wǎng)絡(luò)"常會出現(xiàn)勇猛的救火隊員。但隨著企業(yè)對于網(wǎng)絡(luò)了依賴程度越來越高，規(guī)模越來越大，一些企業(yè)的網(wǎng)絡(luò)部門反映救火隊員的日子并不好過："當(dāng)?shù)谝淮谓拥綀笮揠娫挼臅r候，用戶還是對我們非常客氣，而逐漸的，第2次，第3次之后，我們就能感覺到抱怨的情緒在電話中開始體現(xiàn)出來。而在公司的會議上，領(lǐng)導(dǎo)對IT部門也逐漸失去了信任感，因為業(yè)務(wù)部門總會以系統(tǒng)故障，或是網(wǎng)絡(luò)緩慢為由'起訴'我們。"經(jīng)過分析，我們不難發(fā)現(xiàn)，造成IT部門如此尷尬的原因，還是因為主動運維的模式未能落實。當(dāng)網(wǎng)絡(luò)運維管理已經(jīng)上升到一個全面、綜合的階段，將不僅僅局限于對于網(wǎng)絡(luò)、設(shè)備的"修"，因為單純的"修"，對于效率第一的業(yè)務(wù)部門說仍然是受損的。用戶所需要的網(wǎng)絡(luò)是不出現(xiàn)問題，無故障、無延遲，因此即使在故障發(fā)生之后能做一個舌辯群儒的諸葛亮，在公司其他部門的眼中，IT部門此時所有的努力仍然屬于狡辯或是推脫責(zé)任的范疇。

 

變事后管理為事前管理的四個條件

 

核心業(yè)務(wù)和IT系統(tǒng)息息相關(guān)，一旦網(wǎng)絡(luò)出現(xiàn)了故障，影響和損失非常巨大。所以，傳統(tǒng)的管理模式只能導(dǎo)致"出現(xiàn)問題后被動響應(yīng)"，而這種解決問題的效率和質(zhì)量相當(dāng)于事后諸葛亮，雖然可以減少損失，但無法避免損失。因此，針對主動運維的落實，北塔軟件的技術(shù)部總經(jīng)理魏玉雄先生認(rèn)為："IT運維應(yīng)隨需應(yīng)變，滿足企業(yè)現(xiàn)在和未來的成長。主動運維要落實，在運維中就要做到四個字，這就是'看、監(jiān)、析、查'。"

 

看得見：無法知道IT系統(tǒng)中的每個關(guān)鍵應(yīng)用承載設(shè)備在哪里，甚至不知道這些設(shè)備連接的應(yīng)用在哪個端口上，此時的IT管理就等于盲人摸象。這會導(dǎo)致管理人員無法及時發(fā)現(xiàn)問題，更加無法迅速定位故障，各關(guān)鍵應(yīng)用、業(yè)務(wù)系統(tǒng)、辦公系統(tǒng)、財務(wù)系統(tǒng)等的運行也無法得到保障。如果看不見，我們就無法對底層物理網(wǎng)絡(luò)的結(jié)構(gòu)和瓶頸獲取信息，所以后面所有的步驟也就是成了空談。看得見是第一步，比如，企業(yè)如果使用了北塔的BTNM，則可以利用多種算法，迅速搜索整個網(wǎng)絡(luò)內(nèi)的所有節(jié)點，一旦這些多個廠商的設(shè)備被我們囊獲，那么就可以實現(xiàn)整個網(wǎng)絡(luò)的真實物理拓?fù)鋱D，實時反映出整個網(wǎng)絡(luò)的運行狀態(tài)。

 

監(jiān)得到：只能看到設(shè)備是無用的，只有實現(xiàn)底層監(jiān)控平臺，通過監(jiān)控IT基礎(chǔ)設(shè)備發(fā)現(xiàn)故障并預(yù)警，才能讓運維人員脫離以往"救火隊員"的角色。用戶可以為在拓?fù)鋱D中為每條設(shè)備或連接加以注釋，為每臺設(shè)備設(shè)置中文名稱或是業(yè)務(wù)組編號。通過采集系統(tǒng)負(fù)載狀況和設(shè)備屬性，以及線路的實時流量，通過顏色顯示負(fù)載和流量的壓力，主動告訴用戶關(guān)注點應(yīng)在哪里，動態(tài)告訴用戶可能的故障隱患。此時，IT部門就可以把這些對象控制起來，設(shè)置多級的預(yù)警閥值，將可能出現(xiàn)的故障在它們未爆發(fā)之前就形成主動關(guān)注。

 

析得清：在這個監(jiān)控平臺上，下一步的操作就是按告警事件種類、告警事件源、密集告警時間段等分類生成報表。當(dāng)然，這并非數(shù)據(jù)的堆砌，而是經(jīng)過整理的統(tǒng)計和分析，有結(jié)果的分析管理。比如，我們可以通過之前記錄的故障排除步驟和與故障相關(guān)的值班員日志，構(gòu)造排錯行動記錄，將"事件、故障、日志"三者構(gòu)成邏輯上相互關(guān)聯(lián)的整體，以反映故障產(chǎn)生、變化、消除的整個過程的各個方面。

 

查得勤：此時，由于網(wǎng)絡(luò)管理員已經(jīng)可以使用BTNM實時監(jiān)視網(wǎng)內(nèi)所有設(shè)備的各個端口、CPU、內(nèi)存，既可以通過傳統(tǒng)的設(shè)置閾值的方式來判斷異常，也可以通過對歷史數(shù)據(jù)的智能分析，及時發(fā)現(xiàn)網(wǎng)絡(luò)設(shè)備的異常波動。因此，IT運維工作實際上已經(jīng)進(jìn)入到一個"習(xí)慣性"的操作場景中。一旦發(fā)現(xiàn)異常情況，我們就可以通過BTNM提供的多種手段和工具，通過事件和數(shù)據(jù)的關(guān)聯(lián)性及一致性，幫助用戶分析可能出現(xiàn)的故障。到達(dá)此階段之后，普通的監(jiān)控人員完全可以根據(jù)自動的流程，使用系統(tǒng)自帶或配合第三方程序的聯(lián)動設(shè)置，實現(xiàn)故障前的處理操作。

 

經(jīng)過廣泛的調(diào)查，我們發(fā)現(xiàn)在一些企業(yè)中，IT運維人員大多是多重身份，他可能既是管理者又是具體執(zhí)行者，不可能24小時緊盯監(jiān)控頁面，實時對所有運行監(jiān)控參數(shù)進(jìn)行分析。所以，他們需要的IT管理軟件如果能提供智能分析，幫信息管理人員及時預(yù)警故障隱患，才算是真正起到作用。因此，要實現(xiàn)主動運維的目標(biāo)，實際上就是IT運維產(chǎn)品以足夠的廣度去采集充足的信息，而這些信息的加工、分析、控制也是缺一不可的。而北塔軟件正式以這樣一種廣度和深度，突破了基礎(chǔ)設(shè)施運維監(jiān)控的瓶頸，真正滿足了企業(yè)用戶對主動運維的訴求。