自動運維及監(jiān)控技術在浦東機場IT運維監(jiān)控平臺中的應用

劉聰

關鍵詞：浦東機場；標準化；配置管理數(shù)據(jù)庫；自動運維

為了提升旅客在浦東機場使用相關服務時的體驗，保障機場的安全穩(wěn)定運營，在機場內(nèi)部布設了大量的監(jiān)控設備，來支撐一切突發(fā)事件的處理和解決，有助于旅客享受更加舒適的機場服務[1-3]。一旦出現(xiàn)監(jiān)控平臺運行故障或者存在運行效果不佳，則會極大地影響機場的安全運營和高效服務。然而，隨著監(jiān)控需求的增多，監(jiān)控設備種類也從最開始的安全監(jiān)控護大至服務監(jiān)控等，現(xiàn)有監(jiān)控系統(tǒng)目前已有超過1000個前端監(jiān)控設備，基本覆蓋了航站樓區(qū)域的出發(fā)、到達、行李、中轉等重要區(qū)域，且仍有擴大的趨勢。眾所周知，監(jiān)控系統(tǒng)平臺連接的設備數(shù)量越多、種類越繁雜，出現(xiàn)故障的概率就會增高。據(jù)浦東機場監(jiān)控設備維護維修記錄顯示，在現(xiàn)有設備量的前提下，監(jiān)控設備日均出現(xiàn)故障頻次約10次，嚴重影響了機場的高效運轉。

1浦東機場IT運維監(jiān)控平臺

IT運維平臺是配置管理數(shù)據(jù)庫自建的綜合監(jiān)控運維管理平臺，其運行目標是實現(xiàn)業(yè)務系統(tǒng)的集中監(jiān)控、統(tǒng)一運維，規(guī)范和優(yōu)化運維流程，進而獲得最佳秩序和效益。值班主任負責查看并處理告警、派發(fā)故障工單、告警消除后現(xiàn)場確認。系統(tǒng)管理員負責添加、修改監(jiān)控節(jié)點、日常系統(tǒng)巡檢和維護。

運維的管理實踐中充斥著大量重復性事務，人工處理報修流程繁雜漫長，一般需要經(jīng)歷故障發(fā)生、用戶報修、SOCC接報、故障定位、故障排除和用戶確認等環(huán)節(jié)，耗時費力，嚴重影響了機場的運行效率和服務效果[4-5]。IT運維平臺可以實現(xiàn)運維的標準化，提高團隊效率和快速梳理運維雜亂問題，如圖1所示。

2IT運維監(jiān)控平臺建設目標

（1）以自動化的方式實現(xiàn)所有設備從5分鐘級提升至秒級的輪詢能力，極大地提升了基礎設施運維監(jiān)控的時間粒度，為監(jiān)控預警精細化、故障告警及時性、運行態(tài)勢感知能力奠定基礎。

（2）通過自動識別、解析網(wǎng)絡結構拓撲圖，實現(xiàn)基于物理鏈路關系的網(wǎng)絡故障關聯(lián)分析，實現(xiàn)對網(wǎng)絡設備運行故障的影響度分析和呈現(xiàn)，按設備所處層級、設備故障影響的下聯(lián)設備的數(shù)量來分組展現(xiàn)故障節(jié)點，為運維值班人員和網(wǎng)絡管理人員直接呈現(xiàn)設備的故障態(tài)勢，快速判斷故障的影響度，提升故障識別和定位的效率。

（3）通過視頻監(jiān)控系統(tǒng)自動化巡檢功能定期巡檢攝像機點位的工作狀態(tài)，再由值班人員對巡檢結果進行二次復核判斷，作出相應的故障處理。該功能的實現(xiàn)，一方面大幅提升巡檢效率（如發(fā)生大面積斷電或者區(qū)域故障，便于事后進行整體檢查，確保系統(tǒng)完好率），另一方面通過程序每日巡檢再結合人工巡檢互補即可形成有效監(jiān)督，提升了前端設備的運行完好率，最終實現(xiàn)提升浦東機場視頻監(jiān)控系統(tǒng)的運維服務質量和效率。

（4）建設一體化、標準化的運維管理體系，實現(xiàn)統(tǒng)一運維平臺的底層數(shù)據(jù)源建設，厘清數(shù)據(jù)源格式類型、運維數(shù)據(jù)量級、配置項關系信息。做好向四期延伸的準備，為四期新系統(tǒng)的建設提供開放和標準的API接口。

3IT運維監(jiān)控平臺存在的主要問題和優(yōu)化方向

3.1監(jiān)控平臺存在的主要問題

隨著平安城市、雪亮工程的持續(xù)推進，城市視頻監(jiān)控的數(shù)量越來越多，機場作為重點防控區(qū)域，安裝監(jiān)測設備的數(shù)量和密度均遠高于其他區(qū)域。隨之而來的問題就是如何持續(xù)、有效地使這些監(jiān)控設備發(fā)揮作用、保障城市安全。目前浦東機場視頻監(jiān)控運維與保障存在如下問題。

（1）設備類型多、數(shù)量大、分布廣、管理難。視頻監(jiān)控建設涉及攝像頭、存儲、服務器、路由器、交換機、防火墻、PON接人以及eLTE無線寬帶接人等眾多設備，基本覆蓋了航站樓區(qū)域的出發(fā)、到達、行李、中轉等重要區(qū)域。眾多不類型的設備對系統(tǒng)承載和日常運行維護造成了較大的困擾。

（2）整體運營成本高，管理復雜。同時，需要多個管理平臺和大量運維人員來承擔各種設備的監(jiān)測和現(xiàn)場維護。

（3）難以感知系統(tǒng)全面健康狀況。監(jiān)控設備的維護目前仍以人工巡檢為主，設備的數(shù)據(jù)收集、管理缺乏數(shù)字化，難以實現(xiàn)高可靠的視頻巡檢和安全保障。

（4）運維管理難以閉環(huán)和考核。設備維護以故障報修為主，管理過程難以監(jiān)測，對運維單位缺乏有效的考核機制。

（5）重復建設，管理成本過高。目前，浦東機場的IT設備與視頻設備監(jiān)測分開運維和管理，增加了運維成本。

（6）監(jiān)測時效性差，準確性不足，無針對性。監(jiān)測結果反饋不及時，漏報誤報率高，監(jiān)測不能有所側重。

3.2監(jiān)控平臺優(yōu)化方向

為了實現(xiàn)高效完成監(jiān)控平臺的穩(wěn)定運行，對原先的監(jiān)控平臺進行升級優(yōu)化，使之更加貼合浦東機場運行實際以及提高工作效率。（1）要求監(jiān)控平臺對視頻監(jiān)控設備運行狀況進行實時跟蹤和監(jiān)測，確保能夠長時間良好運行，若發(fā)生視頻設備故障，則應立即報警，不得遺漏。最終達到視頻監(jiān)控系統(tǒng)故障告警覆蓋率高于80%。（2）增加對終端設備的巡檢頻次和設備運行狀態(tài)的記錄，確保所有的設備都處于穩(wěn)定運行狀態(tài)，最終達到視頻監(jiān)控系統(tǒng)用戶報修數(shù)量減少20%、攝像機平均故障時間減少30%、人工巡檢自查故障占比低于10%。

4監(jiān)控平臺運維系統(tǒng)整體結構

監(jiān)控是整個運維乃至整個產(chǎn)品生命周期中最重要的一環(huán)，事前及時預警發(fā)現(xiàn)故障，事后提供詳實的數(shù)據(jù)用于追查定位問題。

浦東機場監(jiān)控平臺運維系統(tǒng)（圖2）通過將機場內(nèi)部所有運行和需要維護的設備進行統(tǒng)一監(jiān)控，繼而建立統(tǒng)一配置管理數(shù)據(jù)庫，對監(jiān)測目標的運行數(shù)據(jù)進行收集和管控體系。因此，以監(jiān)測目標的運行數(shù)據(jù)分析為根基，提供開放和標準的API接口，將機場所有的運維監(jiān)控設備鏈接進入管控平臺中，進而消除各運行維護工具標準差異的壁壘。

配置管理數(shù)據(jù)庫是監(jiān)控平臺得以有效運行的根基，通過SNMP協(xié)議和ICMP協(xié)議讀取各檢測設備的指標，從而了解集成、機房動環(huán)、生產(chǎn)實況、航班顯示和云平臺2分鐘內(nèi)的運行狀態(tài)，進而根據(jù)運行維護標準作出是否告警的決定。具體如表1所列。

5監(jiān)控告警與處置的閉環(huán)管理設計

浦東機場監(jiān)控設備IT運維平臺以配置管理數(shù)據(jù)庫中模型為基礎，使用開放和標準的API接口，對交換機、服務器、集成、航班信息顯示系統(tǒng)、機房動力環(huán)境監(jiān)控系統(tǒng)、云平臺等各類設備和監(jiān)控目標進行統(tǒng)一監(jiān)測。

即可使用統(tǒng)一的讀取方式、讀取時長間隔、讀取數(shù)據(jù)格式等，進而完成對各類監(jiān)測設備的全方位的指標讀取，并可進行統(tǒng)一、高效的數(shù)據(jù)分析，對于異常數(shù)據(jù)能夠快速進行辨別，最終通過大屏進行顯示。

5.1統(tǒng)一監(jiān)控管理設計

傳統(tǒng)的人工處理報修，對于監(jiān)控設備的運維都是采用自身習慣的標準進行，且時常出現(xiàn)在運行維護日寸使用不同的工具，即使運行維護多年，積累了大量的工作數(shù)據(jù)，也無法大規(guī)模地進行推廣，無法有效形成合力。因此，對于運維管理體系的優(yōu)化應實現(xiàn)標準的監(jiān)控管理體系流程（圖3），統(tǒng)一標準，進而提高運行維護業(yè)務的效率和一致性。

5.2統(tǒng)一告警管理設計

監(jiān)控目標運行狀態(tài)不佳同樣對整個系統(tǒng)的正常運轉起到了非常不利的作用，因此，監(jiān)控目標運行不良時及時地向IT運維平臺告警極其重要。然而，連接進入IT運維管理平臺的設備種類繁多，設備信息運行數(shù)據(jù)的采集和狀態(tài)的把控對于判別有效告警或無效告警需要制定統(tǒng)一的標準，對于讀取的數(shù)據(jù)進行必要的過濾，并通過歷史數(shù)據(jù)比對，最后對有效的告警信息進行相應處理。

6工單生成與分派的標準流程

6.1告警管理與故障處置流程

工作人員通過大屏顯示了解IT運維管理平臺推送的告警信息后，應第一時間將信息事件上報并錄入系統(tǒng)，或通知事件相應的負責人，及時進行處置。處置后，生成此次告警信息全方位的處理報告，為后續(xù)同類事件的處理提供經(jīng)驗。同時，豐富系統(tǒng)庫中數(shù)據(jù)的儲存量，為往后系統(tǒng)對于有效告警事件的判別提供依據(jù)。

在浦東機場日常運行中，航班信息顯示系統(tǒng)故障偶有發(fā)生，其告警與處置流程如下：IT運維管理平臺監(jiān)測到航班信息顯示系統(tǒng)運行狀態(tài)出現(xiàn)故障，進而進入預設的自動處置程序，對于可能出現(xiàn)的軟件運行問題進行自我處理。然而，若是因為航班信息顯示系統(tǒng)的硬件設施出現(xiàn)故障，則系統(tǒng)無法徹底完成進一步的處置工作，但IT運維管理平臺仍然可以通過對設備運行數(shù)據(jù)的分析，來指導現(xiàn)場維修人員進行故障原因判別，縮短修復時間。另外，若出現(xiàn)航班信息顯示系統(tǒng)大批量的組件同時出現(xiàn)故障（機場緊急事故）或維修維護人員不能及時處置的情況，系統(tǒng)將故障自動升級，并傳輸至更高基層管理人員，避免事態(tài)無法收場。具體如圖4所示。

6.2業(yè)務終端變更管理流程

業(yè)務終端變更管理涉及機場的運行安全，對于流程的審核要求相對較為嚴謹。機場運行設備中出現(xiàn)局部細小的故障或者常見問題，可以應用標準化統(tǒng)一預設定的流程進行處置，進而實現(xiàn)業(yè)務終端變更管理的標準化和自動化，減少因為需要人為干涉而帶來的時效性問題和其他不可控因素。對于非常見問題或無法通過標準程序解決的監(jiān)控目標故障，則應嚴格準照業(yè)務終端變更管理流程進行。

以浦東機場航班信息顯示系統(tǒng)故障時的業(yè)務終端變更管理流程（圖5）為例，在IT運維監(jiān)控平臺讀取到設備運行狀態(tài)出現(xiàn)異常并符合告警后，系統(tǒng)自動對故障原因做出判別，如系統(tǒng)故障可通過IT運維監(jiān)控平臺自動完成自我修復和處置，則處置程序自動進入該程序（如航班信息顯示系統(tǒng)內(nèi)存超過預警值），如當存在硬件故障，IT運維監(jiān)控平臺無法自我進行處置時，則通過技術人員對故障的原因和類別以及處置方式做出定性，進而請求相應的處置權限，得到授權后方可進行修復工作，同時將相關信息備份至配置管理數(shù)據(jù)庫。

7結束語

IT運維監(jiān)控平臺的基本點在于工作人員的主動作為和系統(tǒng)的自動化處置，參與運維各環(huán)節(jié)的工作人員應當在系統(tǒng)的指引下，以最快的速度查找問題并解決故障，使監(jiān)控目標得以正常運轉。基于標準化運維管理體系——浦東機場統(tǒng)一運維監(jiān)控平臺優(yōu)化項目的實施，切實提高了系統(tǒng)運行中心的運維效率，降低自營人力成本。經(jīng)過檢驗，運維平臺軟件架構可滿足日后T3航站樓新增設備統(tǒng)一運維的需求，可為用戶提供更加及時的故障處理服務，有助于提高科室對業(yè)務系統(tǒng)的保障能力和各業(yè)務單位（如AOC和TOC、安檢等）的客戶滿意度。