在IT運維領(lǐng)域，有兩個被無數(shù)次提起的詞，一個是“救火隊員”，一個是與之對應(yīng)的“主動運維”。兩個詞匯前后呼應(yīng)，旨在說明IT部門為了擺脫前者匆忙、低效的形象，用盡洪荒之力，以求避免IT系統(tǒng)故障，增加業(yè)務(wù)系統(tǒng)的健康運行時間。

[[174875]]

　　但是，作為國內(nèi)領(lǐng)先的IT運維管理解決方案提供商，北塔軟件在為很多客戶提供運維服務(wù)時卻發(fā)現(xiàn)，在“主動運維”的光環(huán)背后，很多人還只能將其當(dāng)成一種愿望，真正實現(xiàn)起來卻是困難重重。這是因為，在主動運維落地時存在的兩大難題：經(jīng)驗、能力。

　　誤把“閾yù”當(dāng)“閥fá”，棘手問題緊跟其后

　　在IT管理中，有兩個詞經(jīng)常被混淆在一起用，你甚至可以在一些IT大咖演講時也能聽到。這就是閾值和閥值。其實，“閥值”這個詞最早是沒有的，后來國家的咬文嚼字工作組通過統(tǒng)計全國人民使用詞語的習(xí)慣(也就是別字用多了，大家都成了習(xí)慣)，發(fā)現(xiàn)了閥值這個詞。但規(guī)范來講，“閾值”才是主動運維中的正宗血脈。那么，我們?yōu)楹我o緊抓住它呢?

　　在被動運維中，業(yè)務(wù)部門一般***發(fā)現(xiàn)故障現(xiàn)象，然后層層匯報領(lǐng)導(dǎo)后，指令I(lǐng)T運維部門盡快查明原因，并制定故障解決方案，直至解決故障，系統(tǒng)恢復(fù)正常為止。而主動式IT運維服務(wù)則可以很好的采取預(yù)防的手段進行監(jiān)控管理，由IT部門首先發(fā)現(xiàn)可能出現(xiàn)的故障，改變“被火烤”的局面。為此，IT部門需要針對每個系統(tǒng)建立閾值報警體系，通過“基準(zhǔn)線”觀察每個系統(tǒng)可用性、流暢度、安全性的指標(biāo)，凡低于或超過閾值，說明系統(tǒng)無法達到***要求，則對該系統(tǒng)進行報警提示。

　　閾值的定義很容易理解，但在運維工具中如何設(shè)定就是一道難題了，這需要“經(jīng)驗”。首先，除了“0%”或是“100%”，這之間的任何一個數(shù)值都會處于設(shè)定預(yù)警閾值的范疇，管理員很難選取最合理的基線范圍。其次，如果說“60%~80%”屬于最常見的平均預(yù)警數(shù)，但業(yè)務(wù)系統(tǒng)都會出現(xiàn)集中訪問的高峰期或是空閑期，閾值空間就會極大，造成頻繁誤報的現(xiàn)象。對于許多新上線的系統(tǒng)，“管理員的經(jīng)驗”幾乎無法發(fā)揮作用。

　　對此，北塔軟件表示：閾值的設(shè)定要依據(jù)歷史數(shù)據(jù)，但一些維護人員往往是依靠自己的運維經(jīng)驗和行業(yè)慣例來設(shè)定故障告警閥值，無法按照系統(tǒng)的運行變化特性及時地進行智能調(diào)整，也沒有持續(xù)改進和優(yōu)化的有效方法來改變現(xiàn)狀。鑒于以上難題，北塔BTSO2.5在保留實時閾值告警的基礎(chǔ)上，更著重于對歷史數(shù)據(jù)進行深入挖掘，系統(tǒng)從用戶業(yè)務(wù)環(huán)境中自主學(xué)習(xí)和生成風(fēng)險閾值，這項特性可以幫助管理員解決閾值固化的問題，進而實現(xiàn)自動化的主動運維方式。

　　沒有“技術(shù)大咖”就無法實現(xiàn)主動運維嗎?

　　建立和實施信息系統(tǒng)的主動式運維管理平臺，注定是一個循序漸進的過程，需要對運維規(guī)則進行反復(fù)的調(diào)整，這不可能一蹴而就。但是，每個企業(yè)的IT部門都有著自己的特色，有的技術(shù)人員能力很強、待遇很高，有的卻無法留住這些高資人才，導(dǎo)致運維規(guī)則無法落地。

　　因此，如果說“自主學(xué)習(xí)”是主動運維的***步，接下來就需要實現(xiàn)“智能運維”，這也是從“人治”到“法治”的門檻。

　　傳統(tǒng)的主動運維思路以事件為核心，側(cè)重對故障的定位，但不負(fù)責(zé)解決，這就無法擺脫“人治”的束縛。而BTSO提出的主動運維不僅以數(shù)據(jù)為核心，根據(jù)用戶所屬行業(yè)自動定義正常閾值，還能將運維規(guī)則自動導(dǎo)入，指引用戶按照規(guī)則處理IT預(yù)警信息，直接讓用戶步入中等運維水平。

　　以高負(fù)載主機為例，當(dāng)管理對象加入系統(tǒng)后，BTSO自動啟動各類主機性能監(jiān)控，當(dāng)個別主機出現(xiàn)高負(fù)載的表象后，系統(tǒng)不僅可以過濾偶發(fā)的CPU沖高現(xiàn)象，還能橫向擴展分析，結(jié)合歷史數(shù)據(jù)自動判斷，告之用戶這個偶發(fā)現(xiàn)象是否有關(guān)聯(lián)、是否影響了業(yè)務(wù)系統(tǒng)的整體健康。如果被確定為長期高負(fù)載主機，系統(tǒng)將提出優(yōu)化處理步驟。

　　不僅是CPU，管理員最擔(dān)心的內(nèi)存泄露，BTSO也能從增長趨勢的角度，智能分析出這些表像背后的根源，利用72小時或更長時期的分析報告，或是系統(tǒng)將根據(jù)用戶需求自動做出24小時的“進程級”內(nèi)存泄露定位，展現(xiàn)有可能溢出的進程名稱和消耗，更主動的消除故障隱患。另外，網(wǎng)絡(luò)擁堵、數(shù)據(jù)庫指標(biāo)異常波動等，這些很難在短時間處理、必須依靠技術(shù)高手處理的問題，BTSO都提供了智能處理的內(nèi)置規(guī)則，在用戶無需掌握深奧理論的情況下，首先解決實際問題。并且，這些正確處理的步驟會被一一記錄，在企業(yè)內(nèi)部形成運維知識體系的傳承。

　　“開刀治病”不如“強身健體”

　　在IT運維領(lǐng)域中，“主動”并不是一個新鮮的概念，幾乎所有的IT運維產(chǎn)品都在宣傳它。然而，由于今天的IT組織面臨著諸如日益增長的基礎(chǔ)設(shè)施復(fù)雜性、技能方面的限制以及“人才短板”等相當(dāng)多的問題，因此要實現(xiàn)這一點并不容易。

　　但是，“主動運維”刻不容緩。這就如人生病一樣，很多疾病都會造成身體上多處特征的不良反應(yīng)，但生活中多數(shù)人都不在意身體不適癥狀，因此導(dǎo)致很多疾病錯過了***的治療時機。當(dāng)然，主動運維理念的發(fā)展方向也將迎來改變，智慧運維不僅需要“開刀治病”，更應(yīng)解決運維經(jīng)驗、個人能力等問題，指引業(yè)務(wù)系統(tǒng)“強身健體”。