IT運維管理人員幾乎每天都在與“故障”打交道，而當(dāng)業(yè)務(wù)系統(tǒng)足夠復(fù)雜的時候，僅憑“感覺”往往無法再判別出故障的根源。那么，如何才能讓IT運維管理跳出“手工作坊”階段，在故障發(fā)生時準(zhǔn)確定位、快速修復(fù)，乃至利用更先進(jìn)的IT運維管理工具避免非計劃性的停機事故呢?

“與時鐘賽跑”的故障處理

我們身處在一個高度依賴網(wǎng)絡(luò)的社會，一旦網(wǎng)絡(luò)出現(xiàn)故障，企業(yè)員工可能會無法正常工作、無法交易導(dǎo)致公司訂單丟失、企業(yè)可能會失去大量的客戶等等嚴(yán)重問題。然而，IT系統(tǒng)本身的復(fù)雜性、層級性和關(guān)聯(lián)性，又決定了“故障”必然存在的現(xiàn)實。不過，當(dāng)故障發(fā)生時，IT運維管理人員身背著的***壓力并不是技術(shù)層面的，這來自于修復(fù)故障的“時長”。如果一筆業(yè)務(wù)不能完成的時間長達(dá)一天或者數(shù)周，就可能引發(fā)“多米諾骨牌”式的傳遞效應(yīng)，最終讓企業(yè)運營遭受重創(chuàng)。

一般來說，與故障分析難度成正比的，是系統(tǒng)的復(fù)雜性。業(yè)務(wù)系統(tǒng)越復(fù)雜，涉及的設(shè)備、軟件、廠家、人員就越多，可能帶來的故障分析難度也就越大，恢復(fù)的時間也就越長。雖然，有些網(wǎng)絡(luò)故障解決辦法是相通的，人的作用非常大，但從隨時變化的網(wǎng)絡(luò)架構(gòu)和業(yè)務(wù)系統(tǒng)實際運行的復(fù)雜環(huán)境來看，解決相同現(xiàn)象的故障，方法可能迥然不同。如果我們在IT運維管理的過程中，過多的依靠個人經(jīng)驗，或者PING、TRACER等命令，都會讓排錯的時間變得不可控，并造成IT運維服務(wù)質(zhì)量停滯不前的尷尬局面。

作為國內(nèi)領(lǐng)先的IT運維管理專家，北塔軟件認(rèn)為：“依靠個人能力進(jìn)行運維管理有許多缺點，比如無法做到事前發(fā)現(xiàn)、無法做到準(zhǔn)確定位、故障原因可能出現(xiàn)誤判、響應(yīng)時間慢等等。因此，要想與時間賽跑，就需要一個高效而準(zhǔn)確的故障發(fā)現(xiàn)機制，一個能夠支撐故障分析策略的工具，這是企業(yè)建立故障處理體系的***步。”

以“路徑”為核心的故障分析方法

基于ICMP的管理，只能對服務(wù)器和網(wǎng)絡(luò)設(shè)備的連通性進(jìn)行簡單性測試，在網(wǎng)絡(luò)建設(shè)階段的作用很大，但在業(yè)務(wù)逐漸復(fù)雜的管理階段就顯得力不從心了。為此，北塔軟件在其發(fā)布的北塔BTIM產(chǎn)品中包含了化解故障處理復(fù)雜性的“故障根源分析策略”、TFS管理系統(tǒng)、業(yè)務(wù)流量視圖。再復(fù)雜的系統(tǒng)，都有數(shù)據(jù)行走的路線，所以北塔BTIM的三大功能設(shè)計都以“路徑”為核心，通過日常高頻度監(jiān)測少量關(guān)鍵指標(biāo)，控制被管系統(tǒng)管理壓力，一旦發(fā)現(xiàn)問題，依據(jù)業(yè)務(wù)流量實際流量路徑，按分析需要逐層擴(kuò)大數(shù)據(jù)采集的深度和廣度，層層深入，直達(dá)故障根源。

首先，通過TFS管理系統(tǒng)，實現(xiàn)了對網(wǎng)絡(luò)設(shè)備、主機、數(shù)據(jù)庫、中間件以及應(yīng)用管理的實時監(jiān)控。管理人員在業(yè)務(wù)層就能查看所有關(guān)鍵信息，而一旦出現(xiàn)告警事件，管理人員就可以通過TFS故障診斷路徑直接定位源頭。

其次，在故障處理的操作層面，北塔BTIM提供了業(yè)務(wù)流量分布圖，它以物理拓?fù)錇榛A(chǔ)，業(yè)務(wù)流量為骨干，透明化的展現(xiàn)了業(yè)務(wù)數(shù)據(jù)在網(wǎng)絡(luò)中的真實路徑，并實時展示各路徑上的業(yè)務(wù)流量及用戶接入設(shè)備。利用業(yè)務(wù)流量的路徑圖實現(xiàn)主動監(jiān)測，更可以在龐大而復(fù)雜的網(wǎng)絡(luò)中，發(fā)現(xiàn)隱患。管理員可以對業(yè)務(wù)各關(guān)鍵路徑7X24小時監(jiān)控，通過對于各關(guān)鍵路徑的響應(yīng)時間分析，并結(jié)合支撐組件的情況進(jìn)行智能梳理，可幫助運維人員直擊可能引發(fā)非計劃性宕機的隱患點。

針對故障管理，北塔軟件還提醒廣大企業(yè)用戶：傳統(tǒng)的故障處理模式只能導(dǎo)致出現(xiàn)問題后的被動響應(yīng)，而IT運維管理部門的真正價值并不是出現(xiàn)故障之后的處理，而是在故障發(fā)生前能夠準(zhǔn)確判斷，排除隱患，并避免故障的發(fā)生。所以，針對IT運維人員和管理者都需要的統(tǒng)計和分析方式，北塔BTIM系統(tǒng)提供了實時TOPN分析、指標(biāo)歷史數(shù)據(jù)分析，以及詳細(xì)的分析報表，幫助用戶定位到IT系統(tǒng)瓶頸，及時調(diào)整策略，提前避免故障的產(chǎn)生。