數(shù)據(jù)中心基礎(chǔ)設(shè)施智能運(yùn)維平臺的應(yīng)用實(shí)踐芻議

曹 藝

（中車青島四方機(jī)車車輛股份有限公司，山東青島 266111）

0 引言

數(shù)據(jù)中心基礎(chǔ)設(shè)施智能運(yùn)維平臺是數(shù)據(jù)中心運(yùn)維管理的重要組成部分，以智能化的手段解決傳統(tǒng)運(yùn)維過程中人工工作量大、效率低、安全風(fēng)險(xiǎn)高等問題，并具有自主學(xué)習(xí)、自適應(yīng)、自優(yōu)化的特點(diǎn)。目前，越來越多的數(shù)據(jù)中心都在積極推進(jìn)基礎(chǔ)設(shè)施智能運(yùn)維平臺的建設(shè)，以期實(shí)現(xiàn)對基礎(chǔ)設(shè)施整體運(yùn)行情況和資源狀態(tài)的全方位監(jiān)測與智能分析，并建立以數(shù)據(jù)中心基礎(chǔ)設(shè)施為核心的運(yùn)營管理體系。

1 數(shù)據(jù)中心基礎(chǔ)設(shè)施智能運(yùn)維平臺的應(yīng)用優(yōu)勢

1.1 有效降低人員勞動強(qiáng)度

在傳統(tǒng)數(shù)據(jù)中心運(yùn)維模式中，運(yùn)維人員通常需要通過對網(wǎng)絡(luò)設(shè)備、服務(wù)器、存儲設(shè)備、應(yīng)用系統(tǒng)等各類型基礎(chǔ)設(shè)施的多次巡檢和巡檢記錄，實(shí)現(xiàn)對基礎(chǔ)設(shè)施運(yùn)行狀態(tài)的實(shí)時監(jiān)控。但由于傳統(tǒng)的巡檢方式由人工進(jìn)行，不僅存在人力成本高、效率低等問題，而且巡檢人員常常會出現(xiàn)遺漏和疏忽等現(xiàn)象，造成基礎(chǔ)設(shè)施管理中的漏洞。在基礎(chǔ)設(shè)施智能運(yùn)維平臺中，通過智能感知與智能分析技術(shù)，能夠?qū)υO(shè)備運(yùn)行狀態(tài)進(jìn)行自動監(jiān)控，并生成巡檢報(bào)告和隱患告警等運(yùn)維信息。同時，平臺還能夠?qū)?shù)據(jù)中心基礎(chǔ)設(shè)施運(yùn)行中的各種異常和風(fēng)險(xiǎn)信息及時反饋給運(yùn)維人員，從而使運(yùn)維人員可以根據(jù)這些數(shù)據(jù)分析情況做出正確決策。運(yùn)維人員可以減少大量的工作時間，從而將更多的精力投入數(shù)據(jù)中心基礎(chǔ)設(shè)施的日常管理中?；A(chǔ)設(shè)施運(yùn)行狀態(tài)信息更加全面、及時和準(zhǔn)確，也能有效提高運(yùn)維效率。

1.2 有效提升風(fēng)險(xiǎn)預(yù)警能力

基礎(chǔ)設(shè)施智能運(yùn)維平臺可以對數(shù)據(jù)中心整體運(yùn)行狀況進(jìn)行監(jiān)控，并通過系統(tǒng)日志分析，及時發(fā)現(xiàn)影響系統(tǒng)正常運(yùn)行的事件，進(jìn)行事件告警。同時，通過系統(tǒng)日志分析，可以實(shí)現(xiàn)對服務(wù)器、存儲設(shè)備等資源的狀態(tài)監(jiān)控，及時發(fā)現(xiàn)資源故障隱患。此外，基礎(chǔ)設(shè)施智能運(yùn)維平臺還可以通過智能運(yùn)維系統(tǒng)實(shí)現(xiàn)對服務(wù)中斷風(fēng)險(xiǎn)、安全風(fēng)險(xiǎn)、風(fēng)險(xiǎn)預(yù)警等情況的管理。系統(tǒng)能夠根據(jù)事先設(shè)置的觸發(fā)條件自動生成運(yùn)維指令并執(zhí)行，進(jìn)行各類異常情況的報(bào)警處理，從而實(shí)現(xiàn)對運(yùn)維風(fēng)險(xiǎn)的有效管控。通過基礎(chǔ)設(shè)施智能運(yùn)維平臺的建設(shè)，可以將基礎(chǔ)設(shè)施運(yùn)維中可能出現(xiàn)的安全風(fēng)險(xiǎn)降至最低限度，有效提升風(fēng)險(xiǎn)預(yù)警能力。

1.3 有效促進(jìn)業(yè)務(wù)發(fā)展

基礎(chǔ)設(shè)施智能運(yùn)維平臺具有廣闊的應(yīng)用前景，可以為數(shù)據(jù)中心實(shí)現(xiàn)運(yùn)維管理提供決策支持，從而提高數(shù)據(jù)中心基礎(chǔ)設(shè)施的運(yùn)維管理水平，促進(jìn)數(shù)據(jù)中心業(yè)務(wù)發(fā)展。基礎(chǔ)設(shè)施智能運(yùn)維平臺的應(yīng)用可以將IT與IT外包服務(wù)、服務(wù)管理和運(yùn)營管理有機(jī)結(jié)合起來，通過對IT資源、IT服務(wù)的監(jiān)控和管理，實(shí)現(xiàn)對IT資源的可視化、科學(xué)化、智能化管理。同時，通過對IT資源使用情況的監(jiān)控與分析，可以提供對運(yùn)維效率與成本的精確評估，并為下一步優(yōu)化提供支持?；A(chǔ)設(shè)施智能運(yùn)維平臺還可以與業(yè)務(wù)系統(tǒng)進(jìn)行有效整合，從而實(shí)現(xiàn)對數(shù)據(jù)中心基礎(chǔ)設(shè)施資源的全局掌控、精確預(yù)測和分析，為用戶提供決策支持。

2 數(shù)據(jù)中心基礎(chǔ)設(shè)施智能運(yùn)維平臺應(yīng)用存在的問題

2.1 系統(tǒng)數(shù)據(jù)采集不夠全面

首先，未將環(huán)境監(jiān)控系統(tǒng)和能耗監(jiān)控系統(tǒng)進(jìn)行有效整合，導(dǎo)致環(huán)境監(jiān)控系統(tǒng)和能耗監(jiān)控系統(tǒng)無法采集到所需的數(shù)據(jù)信息。其次，未將物理設(shè)備、虛擬機(jī)、操作系統(tǒng)、網(wǎng)絡(luò)設(shè)備、應(yīng)用程序等進(jìn)行全面采集，導(dǎo)致基礎(chǔ)設(shè)施智能運(yùn)維平臺無法實(shí)現(xiàn)對物理設(shè)備和虛擬機(jī)的全面監(jiān)控。最后，未將各類設(shè)備的實(shí)時狀態(tài)進(jìn)行全面采集，導(dǎo)致基礎(chǔ)設(shè)施智能運(yùn)維平臺無法對設(shè)備運(yùn)行狀態(tài)進(jìn)行全面監(jiān)控。

2.2 故障定位不夠及時

故障定位不夠及時是數(shù)據(jù)中心基礎(chǔ)設(shè)施智能運(yùn)維平臺應(yīng)用中存在的主要問題。通常情況下，智能運(yùn)維平臺在發(fā)現(xiàn)故障時，往往會通過郵件或短信的形式通知相關(guān)運(yùn)維人員，從而使問題得到快速解決。但在實(shí)際的運(yùn)維過程中，由于用戶沒有對故障信息進(jìn)行實(shí)時監(jiān)測，很難及時發(fā)現(xiàn)故障，從而造成了大量時間的浪費(fèi)。為解決上述問題，應(yīng)在數(shù)據(jù)中心基礎(chǔ)設(shè)施智能運(yùn)維平臺中實(shí)現(xiàn)故障信息的實(shí)時監(jiān)測。首先，運(yùn)維人員應(yīng)定期對基礎(chǔ)設(shè)施智能運(yùn)維平臺中的相關(guān)數(shù)據(jù)進(jìn)行收集，并通過短信、郵件或 App等形式及時通知相關(guān)人員。其次，當(dāng)故障發(fā)生后，運(yùn)維人員應(yīng)通過智能運(yùn)維平臺中的告警功能，及時發(fā)現(xiàn)問題并進(jìn)行處理。最后，當(dāng)出現(xiàn)大范圍故障時，應(yīng)通過大數(shù)據(jù)分析技術(shù)及時確定問題發(fā)生的原因并制定相應(yīng)解決方案，并在故障排除后加強(qiáng)用戶的回訪工作。

3 數(shù)據(jù)中心基礎(chǔ)設(shè)施智能運(yùn)維平臺的應(yīng)用要點(diǎn)

3.1 IT系統(tǒng)監(jiān)測

IT系統(tǒng)監(jiān)測是數(shù)據(jù)中心基礎(chǔ)設(shè)施智能運(yùn)維平臺建設(shè)的重點(diǎn)，其主要功能包括IT系統(tǒng)環(huán)境監(jiān)測、IT設(shè)備運(yùn)行狀態(tài)監(jiān)測、IT資源情況監(jiān)測等。具體而言，IT系統(tǒng)環(huán)境監(jiān)測主要是對物理設(shè)備的運(yùn)行狀態(tài)進(jìn)行監(jiān)控，對機(jī)房溫濕度、進(jìn)風(fēng)量、空調(diào)制冷/制熱狀態(tài)進(jìn)行監(jiān)控，對服務(wù)器運(yùn)行狀態(tài)進(jìn)行監(jiān)控，對網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)進(jìn)行監(jiān)控，對供電狀態(tài)進(jìn)行監(jiān)控，對UPS電池狀況進(jìn)行監(jiān)控等。

IT設(shè)備運(yùn)行狀態(tài)監(jiān)測是指通過采集服務(wù)器、交換機(jī)等物理設(shè)備的溫度、濕度、電壓電流等運(yùn)行參數(shù)，通過設(shè)備數(shù)據(jù)管理平臺對數(shù)據(jù)進(jìn)行存儲和分析，進(jìn)而實(shí)現(xiàn)對服務(wù)器、交換機(jī)等硬件設(shè)備運(yùn)行狀況的監(jiān)控。具體而言，IT設(shè)備運(yùn)行狀態(tài)監(jiān)測主要包括4個方面。第一，溫度監(jiān)測。服務(wù)器或交換機(jī)的溫度是影響其性能的重要因素之一，需要通過對溫度數(shù)據(jù)的采集和分析，及時掌握服務(wù)器或交換機(jī)的工作環(huán)境狀況。第二，濕度監(jiān)測。服務(wù)器或交換機(jī)的工作環(huán)境往往比較惡劣，例如較高的濕度、較大的噪聲和灰塵等都會影響其正常運(yùn)行。第三，電壓電流監(jiān)測。服務(wù)器或交換機(jī)的電源電壓和電流會影響其運(yùn)行效率和穩(wěn)定性。第四，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)監(jiān)測。網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)是指服務(wù)器或交換機(jī)與其所連接的主機(jī)之間的關(guān)系。通過對網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)進(jìn)行實(shí)時監(jiān)測，可以及時掌握服務(wù)器或交換機(jī)與連接主機(jī)之間通信鏈路的暢通情況。第五，供電情況監(jiān)測。服務(wù)器和交換機(jī)所連接主機(jī)在使用過程中會產(chǎn)生大量供電需求，因此需要通過對供電情況進(jìn)行監(jiān)測，及時掌握主機(jī)使用過程中產(chǎn)生的電力需求。

3.2 機(jī)房環(huán)境監(jiān)測

機(jī)房環(huán)境監(jiān)測系統(tǒng)能夠?qū)C(jī)房溫濕度、光照強(qiáng)度、煙霧濃度、漏水、供電電壓、電流等環(huán)境參數(shù)進(jìn)行實(shí)時采集和監(jiān)控。可根據(jù)實(shí)際情況設(shè)置不同的報(bào)警閾值，如溫度超過報(bào)警閾值時自動發(fā)出聲光報(bào)警，當(dāng)濕度超過報(bào)警閾值時自動發(fā)出警報(bào)，當(dāng)光照強(qiáng)度超過報(bào)警閾值時自動發(fā)出聲光警報(bào)。機(jī)房環(huán)境監(jiān)測系統(tǒng)能夠?qū)崟r監(jiān)控機(jī)房環(huán)境的溫度、濕度、光照強(qiáng)度等參數(shù)，并根據(jù)設(shè)定的告警閾值對數(shù)據(jù)進(jìn)行保存或歷史曲線查詢。支持溫濕度數(shù)據(jù)的實(shí)時存儲，并可以存儲24小時以上，當(dāng)發(fā)生異常情況時，可以實(shí)時發(fā)出聲光報(bào)警。機(jī)房環(huán)境監(jiān)測系統(tǒng)能夠?qū)C(jī)房內(nèi)設(shè)備運(yùn)行狀態(tài)進(jìn)行實(shí)時監(jiān)控[1]。設(shè)置不同的告警閾值，當(dāng)發(fā)生告警時自動發(fā)出聲光警報(bào)，支持多種告警方式，包括短信、郵件、客戶端等。動力環(huán)境包括動力空調(diào)和UPS設(shè)備。通過對動力環(huán)境的監(jiān)控，可以及時發(fā)現(xiàn)設(shè)備運(yùn)行中的異常情況，如不正常的溫度、濕度、電壓、電流等參數(shù)，以及不正常的告警信息等。機(jī)房環(huán)境監(jiān)測系統(tǒng)能夠?qū)C(jī)房內(nèi)的環(huán)境溫濕度進(jìn)行實(shí)時監(jiān)控，并通過設(shè)置不同的告警閾值，對異常情況進(jìn)行聲光報(bào)警。通過對照明系統(tǒng)的監(jiān)測，可以及時發(fā)現(xiàn)異常情況并報(bào)警，如設(shè)備發(fā)生故障時自動發(fā)出聲光警報(bào)。通過對空調(diào)設(shè)備運(yùn)行中產(chǎn)生的電流、電壓等參數(shù)進(jìn)行監(jiān)測，可以及時發(fā)現(xiàn)異常情況并報(bào)警。

3.3 能耗分析與優(yōu)化

對數(shù)據(jù)中心的能源使用情況進(jìn)行分析，對數(shù)據(jù)中心能耗進(jìn)行科學(xué)管控，是提高數(shù)據(jù)中心能效、降低能耗的關(guān)鍵。通過能源管理系統(tǒng)，能夠有效解決數(shù)據(jù)中心存在的能耗浪費(fèi)問題，實(shí)現(xiàn)綠色節(jié)能。在數(shù)據(jù)中心建設(shè)初期，可選擇合適的能源管理系統(tǒng)，并制定合理的能耗預(yù)算。通過對能源使用情況進(jìn)行統(tǒng)計(jì)分析，可以確定消耗較多能源的設(shè)備和環(huán)節(jié)，為后期制定合理的能源使用計(jì)劃提供參考。在關(guān)鍵設(shè)備和特殊場所，制定重點(diǎn)監(jiān)測和評估計(jì)劃，對設(shè)備和場所的能源使用情況進(jìn)行實(shí)時監(jiān)測。通過對重點(diǎn)環(huán)節(jié)、設(shè)備和場所的能耗進(jìn)行監(jiān)測、分析和評估，能夠及時發(fā)現(xiàn)問題并采取措施進(jìn)行優(yōu)化管理。

目前，國內(nèi)一些大型數(shù)據(jù)中心已建立了完善的能源管理系統(tǒng)，在節(jié)能降耗方面取得了一定成效。在數(shù)據(jù)中心建設(shè)初期，可以將能耗指標(biāo)納入管理系統(tǒng)進(jìn)行監(jiān)測、分析和評估。同時，還可以結(jié)合機(jī)房環(huán)境優(yōu)化方案、制冷系統(tǒng)優(yōu)化方案等技術(shù)手段，實(shí)現(xiàn)對數(shù)據(jù)中心能耗指標(biāo)的有效管控。隨著數(shù)據(jù)中心規(guī)模的不斷擴(kuò)大和用電量不斷增加，各數(shù)據(jù)中心在建設(shè)初期均已制定了較為完善的能耗預(yù)算計(jì)劃。當(dāng)數(shù)據(jù)中心規(guī)模擴(kuò)大到一定程度后，由于整體能耗預(yù)算不足，可能出現(xiàn)不同區(qū)域、不同設(shè)備之間的能耗不均衡問題[2]。對此，可通過對整體能耗情況進(jìn)行分析和評估，確定是否需要調(diào)整能耗預(yù)算計(jì)劃。在具體實(shí)施過程中，還應(yīng)充分考慮不同區(qū)域、設(shè)備之間的差異性，以確保各項(xiàng)能源指標(biāo)均能得到有效管控。

3.4 多維數(shù)據(jù)分析與輔助決策

基于數(shù)據(jù)中心基礎(chǔ)設(shè)施智能運(yùn)維平臺的多維數(shù)據(jù)分析功能，可對機(jī)房環(huán)境、電力、消防、UPS、配電系統(tǒng)等設(shè)備進(jìn)行全面監(jiān)控，并根據(jù)監(jiān)控到的運(yùn)行狀態(tài)和告警信息，自動生成數(shù)據(jù)分析報(bào)表，為機(jī)房運(yùn)維人員提供多維數(shù)據(jù)分析與輔助決策支持。例如，對某數(shù)據(jù)中心機(jī)房環(huán)境溫度、濕度、電壓電流、功率因數(shù)等數(shù)據(jù)進(jìn)行實(shí)時監(jiān)控與分析，發(fā)現(xiàn)機(jī)房內(nèi)的某個空調(diào)的溫度過低或過高，系統(tǒng)會自動報(bào)警提醒管理員進(jìn)行處理，避免發(fā)生設(shè)備因溫度過高而燒壞的情況[3]。同時，對該機(jī)房電力系統(tǒng)運(yùn)行狀態(tài)進(jìn)行實(shí)時監(jiān)控與分析，發(fā)現(xiàn)機(jī)房內(nèi)某個開關(guān)設(shè)備故障時會自動報(bào)警提醒管理員及時處理。另外，對某臺 UPS電池異常放電情況也會進(jìn)行實(shí)時監(jiān)控。

3.5 功能定位

數(shù)據(jù)中心基礎(chǔ)設(shè)施智能運(yùn)維平臺建設(shè)需要把握幾點(diǎn)功能定位。第一，系統(tǒng)整合，實(shí)現(xiàn)統(tǒng)一管理。通過對設(shè)備和業(yè)務(wù)系統(tǒng)的全面監(jiān)測和集中管理，實(shí)現(xiàn)對 IT基礎(chǔ)設(shè)施設(shè)備狀態(tài)、應(yīng)用運(yùn)行情況等的全面監(jiān)測和統(tǒng)一管理，為數(shù)據(jù)中心基礎(chǔ)設(shè)施運(yùn)維工作提供技術(shù)支持。第二，以人為本，實(shí)現(xiàn)主動服務(wù)。通過對基礎(chǔ)設(shè)施設(shè)備的實(shí)時監(jiān)測和智能預(yù)警，實(shí)現(xiàn)對數(shù)據(jù)中心基礎(chǔ)設(shè)施設(shè)備狀態(tài)的主動發(fā)現(xiàn)、主動服務(wù)，提高運(yùn)維效率和效果。第三，智能運(yùn)維，提升管理水平。通過對數(shù)據(jù)中心基礎(chǔ)設(shè)施設(shè)備狀態(tài)、應(yīng)用運(yùn)行情況等全面監(jiān)測和統(tǒng)一管理，建立健全運(yùn)維工作機(jī)制和制度體系，全面提升數(shù)據(jù)中心運(yùn)維管理水平[4]。

3.6 總體架構(gòu)

數(shù)據(jù)中心基礎(chǔ)設(shè)施智能運(yùn)維平臺應(yīng)包含基礎(chǔ)設(shè)施監(jiān)控、資源管理、應(yīng)用管理和用戶管理四大功能模塊。其中，基礎(chǔ)設(shè)施監(jiān)控模塊主要對物理設(shè)備的運(yùn)行情況進(jìn)行監(jiān)測，為基礎(chǔ)設(shè)施運(yùn)維提供數(shù)據(jù)支撐；資源管理模塊主要對基礎(chǔ)設(shè)施運(yùn)行狀態(tài)進(jìn)行監(jiān)控，包括數(shù)據(jù)中心基礎(chǔ)設(shè)施資源（包括物理資源、虛擬資源以及虛擬網(wǎng)絡(luò)）的實(shí)時狀態(tài)，并提供報(bào)警提示功能；應(yīng)用管理模塊主要對應(yīng)用的運(yùn)行情況進(jìn)行監(jiān)測，包括應(yīng)用服務(wù)狀態(tài)、業(yè)務(wù)狀態(tài)以及用戶信息等；用戶管理模塊主要對用戶進(jìn)行信息收集、信息發(fā)布等工作。

從技術(shù)角度來看，數(shù)據(jù)中心基礎(chǔ)設(shè)施智能運(yùn)維平臺應(yīng)具備海量數(shù)據(jù)的接入與處理能力，完整的數(shù)據(jù)采集、存儲、處理、分析能力，以及展現(xiàn)能力、高并發(fā)能力。從應(yīng)用角度來看，數(shù)據(jù)中心基礎(chǔ)設(shè)施智能運(yùn)維平臺可以對故障進(jìn)行預(yù)測，在故障發(fā)生前進(jìn)行預(yù)警提示。對資源進(jìn)行統(tǒng)一調(diào)配，實(shí)現(xiàn)自動化運(yùn)維，實(shí)現(xiàn)自定義配置和配置模板化管理。通過可視化展現(xiàn)和分析手段，實(shí)現(xiàn)故障的定位和根源分析[5-7]。從用戶角度來看，數(shù)據(jù)中心基礎(chǔ)設(shè)施智能運(yùn)維平臺應(yīng)具備應(yīng)用管理員、IT運(yùn)維人員、業(yè)務(wù)人員、系統(tǒng)管理員等角色。

4 結(jié)語

在當(dāng)前時代背景下，合理應(yīng)用數(shù)據(jù)中心基礎(chǔ)設(shè)施智能運(yùn)維平臺具有重要的意義。需要結(jié)合當(dāng)前實(shí)際情況，了解數(shù)據(jù)中心基礎(chǔ)設(shè)施智能運(yùn)維平臺應(yīng)用優(yōu)勢和問題，并掌握能耗分析、系統(tǒng)檢測、總體架構(gòu)等一系列應(yīng)用要點(diǎn)，保證數(shù)據(jù)中心基礎(chǔ)設(shè)施智能運(yùn)維平臺有效應(yīng)用，推動其可持續(xù)發(fā)展和進(jìn)步。