報業(yè)集團IT運維管理平臺建設思路

王任華　黃格非　施蕓

隨著浙江日報報業(yè)集團業(yè)務系統(tǒng)

向多元化結(jié)構(gòu)發(fā)展，新媒體技術及報業(yè)信息化技術也發(fā)生日新月異的變化，集團信息化網(wǎng)絡的規(guī)模越來越大，報業(yè)出版及發(fā)行等業(yè)務系統(tǒng)越來越多。這直接推動Web服務器、應用服務器、數(shù)據(jù)庫以及服務器虛擬化的應用快速發(fā)展，IT部門的重要性也不斷提升的同時， IT運維面臨的挑戰(zhàn)也更加復雜化。如，原有的機房已經(jīng)不能滿足現(xiàn)有信息化設備的發(fā)展；日益增多的信息化終端設備和放開的USB設備權限導致病毒攻擊、流量異常的情況增多；眾多的業(yè)務系統(tǒng)和需要開啟的遠程監(jiān)控窗口，易出現(xiàn)搶桌面和重復開啟服務的狀況；IP地址沖突以及IP地址不夠用等現(xiàn)象。

如何能將現(xiàn)有的IT管理小軟件進行資源整合，實現(xiàn)統(tǒng)一平臺的集中管理，做到跨域掃描IT運維管理體系，并通過制定相應的流程規(guī)范來合理、高效的調(diào)配資源，使IT運維管理架構(gòu)與集團業(yè)務系統(tǒng)的管理架構(gòu)相統(tǒng)一，并將網(wǎng)絡擁塞狀況直觀展現(xiàn)，為管理者和運維工作人員決策提供參考。這將是IT運維監(jiān)控系統(tǒng)建設項目的總體目標。

總體設計思路

為更合理地配置網(wǎng)絡資源、更好地管理網(wǎng)絡IP資源，及時統(tǒng)計用戶訪問量、網(wǎng)絡帶寬分析、機房環(huán)境預知和巡檢等，針對集團的實際情況，我們研發(fā)了IT運維綜合管理平臺（IT Operation Management platform，ITOM），為技術管理者提供了多管理領域的全方位解決方案。IT運維綜合管理平臺的設計主要分三個：

1.信息采集層。包含故障性能信息采集和故障信息采集。性能信息采集是對運行在服務器的中間件、數(shù)據(jù)庫以及應用程序的監(jiān)控。通過在被管理設備上安裝監(jiān)控程序的方式，然后將來自ICT內(nèi)各部分的信息標準化為通用格式，實時保存為邏輯分析提供信息基礎。包括發(fā)現(xiàn)網(wǎng)絡拓撲，通過網(wǎng)絡運行狀況監(jiān)控，判斷網(wǎng)絡的運行質(zhì)量、運行效率、網(wǎng)絡流量以及連通率信息等。

在信息采集層采集到的故障信息通常是邏輯故障信息。采集是通過接收IT基礎設施發(fā)送的標準日志，同時輔以主動對設備輪詢，將所收集的故障時間發(fā)送給探針，提交給事件管理器進行信息匯總。而其他類網(wǎng)絡故障判斷需要通過在信息處理層完成。初始故障等級判別是根據(jù)信息匯聚層收集上來的事件，級別定義。

2.信息處理層。按照事先設定的業(yè)務模型規(guī)則，將信息采集層收集的海量數(shù)據(jù)進行數(shù)據(jù)分析、數(shù)據(jù)關聯(lián)、數(shù)據(jù)處理，使得看似無序和不同類的事件，通過事先定義的業(yè)務模型規(guī)則，對信息采集層所采集到的信息進行根源分析和對比，達到故障定位的目的。

網(wǎng)絡故障判斷在信息處理層須根據(jù)默認的規(guī)則定義，通過告警系統(tǒng)中的Automation 自動引擎，對故障事件進行分析和計算，經(jīng)過數(shù)據(jù)關聯(lián)和處理后，得出的網(wǎng)絡故障判斷，生成故障結(jié)果表單。例如端口流量、錯報和丟包發(fā)生率、廣播包與非廣播包的多少來對設備閥值設定，超過預設參數(shù)進入故障結(jié)果表單。

3.信息應用層。數(shù)據(jù)應用層對日常運維的性能參數(shù)通過圖表的方式反映出來，包括流量報告、故障分析報告、網(wǎng)絡監(jiān)控平臺、統(tǒng)計分析報告等。

ITOM基于WEB方式的管理界面，允許維護人員通過瀏覽器方式查看業(yè)務運行狀態(tài)和告警信息，支持界面的個性化定制。監(jiān)控平臺可實時監(jiān)控包括網(wǎng)絡狀態(tài)、設備狀態(tài)、業(yè)務主機狀態(tài)、鏈路狀態(tài)、性能管理、流量管理等信息。

支持多種應用接口，包括WebService接口、API接口、文件接口、碼流接口等，集成多種第三方管理應用的綜合數(shù)據(jù)接入，在同一平臺上予以展現(xiàn)，是全域IT運維管理的決策支持系統(tǒng)。

十大功能描述

1.T運維管理平臺采用 ITIL的標準。

ITIL（IT Infrastructure Librry 信息技術基礎架構(gòu)庫）是英國各個行業(yè)在IT管理方面的最佳實踐歸納起來變成規(guī)范，它結(jié)合流程、人員和技術三要素，為企業(yè)的IT部門提供一套從計劃、研發(fā)、實施到運行維護的最佳實踐方案，可以引導組織高效和有效地使用技術，讓既有的信息化資源發(fā)揮更大的效能。

ITIL實際上是建立在業(yè)務和技術之間的橋梁，框架圖如圖1所示：

ITIL含服務支持和服務提供兩部分，對應的10個管理流程是IT運維管理的核心過程，如圖2所示：

圍繞十個管理流程，并通過服務級別協(xié)議（SLA）來保證IT服務的質(zhì)量，IT運維管理平臺的結(jié)構(gòu)圖如圖3所示。

2.分級用戶管理，不同用戶擁有不同子域、子系統(tǒng)的使用權限。

不同用戶的分級管理通過統(tǒng)一入口授權完成，管理者、IT運維人員登錄系統(tǒng)后分別可以查看對應角色的子系統(tǒng)信息，如網(wǎng)絡管理員可以看到對應的機房監(jiān)控數(shù)據(jù)和網(wǎng)絡擁塞信息，資產(chǎn)管理人員可以對資產(chǎn)信息掃描和登記，實現(xiàn)真正意義上的分級管理。

3.網(wǎng)絡狀況可以做到實時監(jiān)控，核心設備做負載均衡。

網(wǎng)絡部分設備采用雙核心雙鏈路熱備連接，這種接法的網(wǎng)絡經(jīng)系統(tǒng)智能分析后生成的網(wǎng)絡拓撲圖與真實物理拓撲結(jié)構(gòu)略有出入，經(jīng)人為修正后形成集團的網(wǎng)絡拓撲圖，真實反映整個網(wǎng)絡的運行狀態(tài)，直觀反映設備的分布情況、負載狀況和設備屬性，以及線路的實時流量，同時通過負載均衡動態(tài)平衡；流量異?；蛘叱摵蓵r會有顏色顯示，告警網(wǎng)管關注點，動態(tài)預警可能存在的故障隱患。

網(wǎng)絡平臺管理對核心及匯聚等重要設備的UP/DOWN、CPU負載、線路負載等重要指標做告警設置，對核心業(yè)務服務器的操作系統(tǒng)參數(shù)(系統(tǒng)范圍的CPU 使用情況、磁盤和I/O 使用情況、文件系統(tǒng)資源、日志文件等)實施告警監(jiān)控，協(xié)助IT運維人員診斷和排除相關問題。同時可以提供靈活的警報條件定義，生成基于Web的報表，為工作人員進行應用系統(tǒng)的性能分析及系統(tǒng)優(yōu)化提供依據(jù)。

通過ITOM讀取在AIMS Server上集中創(chuàng)建生產(chǎn)主機環(huán)境的基線數(shù)據(jù)庫，實時監(jiān)控核心業(yè)務服務器的系統(tǒng)環(huán)境和應用環(huán)境，減少長期運營維護費用、降低危害攻擊的可能性，保證了生產(chǎn)環(huán)境的穩(wěn)定和核心業(yè)務數(shù)據(jù)的安全。

4.值班機房做到無人值守。

ITOM通過讀取第三方廠商監(jiān)測的機房溫度數(shù)據(jù)、濕度數(shù)據(jù)、UPS電源信息等各類指標，若超出閥值信息發(fā)出警告，從而可以在無人值守的情況下，消除機房管理中的安全隱患。

5.遵循事件處理流程，完善IT運維服務。

事件管理即通常所說的現(xiàn)場管理，流程相對復雜，發(fā)起事件通常有兩個途徑，一個是ITOM的系統(tǒng)故障告警，一個是服務臺。系統(tǒng)告警后無法馬上處理完成可以直接生成事件，進入事件處理流程。

ITOM在事件生成后，可以由調(diào)度統(tǒng)一生成派工單，同時可以通過短信告知設備信息目前所處的維修狀態(tài)。

6.融合進項目管理，使項目狀態(tài)一目了然。

項目管理是ITOM非常重要的一塊，主要記錄目前在建項目的進展情況，包含項目小組成員及分工、項目進度、項目變更及項目調(diào)度信息，以方便其他項目人員隨時查詢。一旦項目結(jié)束，該項目信息將由相關人員做信息梳理及歸檔，對后續(xù)維護有幫助的解決方案、使用說明等文檔將分類歸到相關知識庫。

7.根據(jù)項目和運維解決方案，形成一套系統(tǒng)的運維知識庫。

知識庫來源于常規(guī)的運維解決方案和項目管理文檔。原來的情況是，各系統(tǒng)的解決方案、說明書、分析、手冊和各種專業(yè)文檔，零散地分布在各個系統(tǒng)管理員手里，或者一段時間整理放在FTP方式共享，但是缺少高效而有序的管理，檢索起來很困難，IT部門的新員工往往需要跟班很長時間才能掌握必備的工作技能。ITOM則根據(jù)IT運維流轉(zhuǎn)的各種文檔進行規(guī)范化的管理，建立一套有系統(tǒng)的知識庫和維護檢修庫，知識庫管理是員工獲取知識的有效途徑。讓所有人都能快速而方便地把自己掌握的經(jīng)驗技能更新進知識庫共享，同時可以學習到自己所需要的信息和知識，保證IT系統(tǒng)的維護工作有據(jù)可依。

8.資產(chǎn)信息可以動態(tài)抓取，及時更新資產(chǎn)庫信息。

ITOM的資產(chǎn)管理功能比較強大，除了初期人工錄入數(shù)據(jù)外，還可把被管的網(wǎng)絡設備、主機設備、配置信息、軟件等信息抓取到，與資產(chǎn)庫對比，若信息有差異，可以實時更新到庫中。關聯(lián)集團信息管理平臺（EIP）的通訊錄信息，管理者可以很清楚地掌握資產(chǎn)狀況：設備信息、所屬部門、房間號、使用人、使用人聯(lián)系電話等信息。通過對資產(chǎn)信息全面和規(guī)范化的管理，同時與事件管理結(jié)合，可以向技術維護人員提供資產(chǎn)的完整“生命周期”，包括采購入庫、領用、維修、升級和報廢的整個生命周期事件以及歷史維護記錄，幫助技術維護人員迅速解決問題。

資產(chǎn)管理還可以拓撲形式展現(xiàn)資產(chǎn)分布平面圖（分布圖以樓層為單位，具體到每個房間的每項資產(chǎn)。平面圖上的資產(chǎn)圖標鏈接到資產(chǎn)管理庫的記錄，點擊圖標，自動檢索庫中的相關記錄）。

IP管理是資產(chǎn)管理的重要部分，ITOM的IP管理可以檢測后生成IP地址、網(wǎng)絡端口與MAC地址對應的地址簿，從而實現(xiàn)IP-MAC-物理地址綁定。通過地址簿與安全認證系統(tǒng)匹配，可以對P2P或者BT下載以及非法接入設備的端口進行關閉，保證桌面系統(tǒng)的安全。

9.設備變更。

針對設備用途的變更、位置的變更以及設備更新等，根據(jù)全域網(wǎng)絡拓撲結(jié)構(gòu)圖展示，會顯示設備負載的位置，從而核實該設備可能發(fā)生的變化。

10.變被動服務為主動服務，定期做系統(tǒng)巡檢。

通過系統(tǒng)設定巡檢項目和巡檢參數(shù)，可以生成日巡檢、周巡檢、月巡檢項目等。目前我們對機房設備、郵件服務器、短信發(fā)送服務器、衛(wèi)星發(fā)送和接受系統(tǒng)、暢流系統(tǒng)、全媒體采編系統(tǒng)和數(shù)字報生成系統(tǒng)設定為每日巡檢項目；醫(yī)保系統(tǒng)、發(fā)行系統(tǒng)設定為每周巡檢。設定巡檢項目生成巡檢表后，系統(tǒng)執(zhí)行巡檢動作并生成巡檢報告，巡檢未通過項目以手機短信提示相關的系統(tǒng)管理員，以便及時掌握系統(tǒng)運行是否處于“健康”狀態(tài)。

展望與思考

IT運維管理平臺（ITOM）讓IT運維管理人員在日常工作中變得更輕松，變得更加以服務為中心。但是仍然有兩點還值得思考：

第一，數(shù)據(jù)挖掘還可以應用得更廣。對全域各類運維相關數(shù)據(jù)信息進行統(tǒng)一的存儲和分析處理，我們目前只是從海量數(shù)據(jù)中提取部分有用信息做分析，其他隱含在數(shù)據(jù)倉庫中的、有助于決策的信息和知識點還有很多，怎么形成和提取各類有用數(shù)據(jù)以支持我們做決策分析，還需要深度思考。

第二，虛擬化設備還是IT運維管理平臺的難點。企業(yè)機構(gòu)正在通過各種虛擬化技術整合其基礎設施來提高網(wǎng)絡效率，虛擬化必然會帶來云計算的遷移，由于核心基礎設施資源（計算、存儲和服務器虛擬化）的虛擬性質(zhì)有不穩(wěn)定狀態(tài)，導致虛擬化設備的監(jiān)控系統(tǒng)相當復雜，目前在ITOM系統(tǒng)中還沒有相應的應用。

IT運維管理在報業(yè)集團的應用，不僅帶來了全新的IT運維管理理念，而且在服務質(zhì)量和服務成本壓縮方面有了很大的提升。通過全域網(wǎng)絡的智能監(jiān)控以及事前預警和巡檢功能，及時排除潛在隱患，使運維工作變得更為高效，網(wǎng)絡運行更加安全和通暢。 同時，我們也在不斷探討和完善現(xiàn)有的IT運維管理系統(tǒng)，使其適應更為復雜的網(wǎng)絡架構(gòu)，以在報業(yè)IT運維中得到更好的應用。

（作者單位：浙江日報報業(yè)集團信息技術中心）