案例應用解決方案 >
全棧監控+統一告警+智能值守解決方案
全棧監控+統一告警+智能值守解決方案，旨在為經曆IT系統規模激增和複雜性加劇的企業提供一站式、全方位的運維監控管理服務。該方案通過全面覆寫系統各層次的監控，統一整合告警管理，以及智能化的自動值守，確定運維過程的高效和系統運作的穩定。
全棧監控對基礎設施、中間件、服務、應用、調用鍊等各種IT資源進行立體化監控，實時監測系統的運作狀态和性能名額，及時發現潛在的風險和異常，并通過統一告警管理，将所有告警資訊集中治理，避免資訊孤島和重複告警的問題，提高了告警的準确性和響應的及時性。同時，智能值守系統實作了7*24小時自動化值守和智能應急處置，能夠在接收到告警後自動響應，給出相關的解決方案建議，并跟進處置狀态，減少了對人工幹預的依賴，提高了問題處置的效率和準确性。
通過該解決方案，企業能夠實作“全面立體監控，實時發現異常，提升告警品質，支撐快速響應”的監控管理目标，確定IT系統的高效、穩定運作。
案例背景 >
經過多年的沉澱，案例客戶在運維方面已經布局搭建了部分運維監控工具，由于各個運維點位建設初期并沒有整體規劃，這些運維監控工具的監控手段比較單一、技術相對落後，且運維資料相對分散，缺乏互聯互通和協同工作機制，不具備統一的一體化管理能力。此外，現有運維團隊受限于自身技能與工具能力，在應對系統故障時無法保證及時性與高效性。
案例客戶為了應對70餘套業務系統以及數百個系統節點所帶來的運維壓力，迫切需要一套完整且專業的智能運維體系以提升運維管理能力，實作一體化和精細化運維管控，全面保障IT系統的穩定運作。
01 需求分析
01.1 面臨的問題
·運維手段不足-管理盲點範圍大
由于監控工具技術較為陳舊，導緻無法相容部分裝置類型、軟體版本的監控；而使用開源技術則意味着需要持續投入人力進行開發維護，是以目前僅實作了對于伺服器和日志的部分監控，應用性能、中間件和資料庫等監控缺失，在監控的覆寫面、名額覆寫度和實時性等方面的不足，導緻無法實時反應系統運作情況，故障發現比較滞後，甚至出現晚于使用者上報的情況。已無法滿足目前複雜系統的運維監控需求。
·運維資料分散-排查處置效率低
監控資料與其産生的告警分散在各工具平台中，缺乏統一的管理視圖與關聯彙總的告警資訊，在面對大量告警時，運維人員無法快速識别重要告警，并判斷問題影響範圍；故障排查時，各專業組難以進行整體性的關聯分析和故障溯源。
·智能決策缺失-管理協作靠人工
故障分析與處置環境完全依賴人工。在業務系統出現異常時，一線運維人員由于經驗與技能的不足，往往需要尋求二、三線運維人員的協助，溝通與人力成本較大，而故障處理的用時過長，增加業務受影響的周期。
01.2 項目建設目标
·監控全方位100%覆寫
針對全棧軟、硬體性能名額通過多管道多方式的監控采集，且具備自定義腳本上報資料的能力，建設一套平台全面覆寫各種監控類型，包括但不限于使用者體驗監控、應用性能監控和基礎資源監控（包括伺服器、中間件和資料庫等）。此外，補全日志資料的實時采集與監控。確定運維團隊能在第一時間感覺系統異常。
·建構統一運維資料視圖
通過統一平台融合運維大資料，包括結構化和非結構化資料，打通監控、告警和資産等資料。從業務視角出發，對核心骨幹鍊路、核心業務應用、監控告警等資訊重點展示，提供運維資料可視化洞察，幫助運維人員全方位掌握IT系統運作狀況。
·提升告警品質、加速故障響應
對日常出現的大量相同或相似告警事件進行壓縮，使運維人員的工作更聚焦于問題與故障的發現與溯源。使用告警處置跟蹤，故障識别與自動更新，一鍵拉會并啟動應急指揮室等自動化、智能化手段應對告警事件，節省人工幹預的時間和精力，并能夠在故障發生後快速響應和處理，降低故障對系統穩定性和業務連續性的影響。
02 解決方案及思路
02.1 建設思路
該方案内置基礎資源監控、應用性能監控與使用者體驗監控子產品，實作集基礎環境、伺服器、存儲、網絡、作業系統、中間件、資料庫等于一體的統一監控覆寫。
方案以鼎茂科技自研的ARCANA平台（多模态資料智能分析與決策平台）作為統一資料底座，彙聚性能名額與日志等運維大資料；通過ARC-IOC（數智營運中心）使用低代碼方式快速建構運維監控管理可視化視圖；通過Di-Logger（智能日志中心）對日志進行監控與分析，将經由各監控子產品與日志平台生成的告警推送給Di-Alert（智能告警中心），實作告警壓縮與處置流轉，并由Di-Robot（智能值守中心）跟進告警的處置，形成故障發現、分析、處置的閉環。
02.2 方案實施
Step1 部署全棧監控子產品（基礎資源監控、應用性能監控、使用者體驗監控、日志監控）
·使用各監控子產品，圍繞業務價值建構多元度的運維監控體系，實作業務系統與基礎資源的全方位實時監控，擴大監控覆寫度、提升監控名額靈活性；設定及時準确的監控告警機制，在問題初現端倪的第一時間進行告警；
·利用Di-Logger的日志分析能力，對日志進行實時檢測，對日志中隐藏的異常進行告警。
Step2 部署雲原生數智底座（ARCANA平台）
·通過ARCANA平台提供統一運維門戶，內建所有運維監控管理工具形成統一運維入口。對運維大資料進行彙聚分析，提供低代碼、可視化編輯的運維監控大屏、移動端視圖等，形成個性化運維界面；
·基于底座搭載的豐富功能子產品，可快速實作各項智能運維能力擴充。
Step3 搭載智能告警功能子產品（Di-Alert）
·由Di-Alert承接告警統一、告警壓縮、告警視圖的主要能力。對海量告警進行關聯壓縮，以告警拓撲視圖的形式對關聯告警進行通知和播報。
Step4 建構個性化運維可視化視圖（ARC-IOC）
·基于整合運維資料，包括交易-業務-服務-基礎元件-基礎設施的全棧名額、日志資料、告警資訊，資産資訊和事件工單等，以業務系統為核心，形成業務運作狀态、系統健康狀态等的可視化洞察。
Step5 搭載智能值守功能子產品（Di-Robot）
·由Di-Robot承載故障值守和應急管理等能力。實作自動化告警判斷與故障更新，高效組織應急響應，提供故障場景下的智能決策。
03 項目成果
03.1 實作70+套業務系統的監控全覆寫
通過基礎資源監控的替換，實作目前管理機制中所存在的作業系統監控不全、名額遺漏，以及資料庫、中間件等監控缺失等管理盲點的改善。通過建設覆寫所有業務系統的應用性能監控和使用者體驗監控，直覺反映業務健康狀态，提供故障的感覺能力。
03.2 提供所有業務系統的全局監控視圖，和IT系統拓撲視圖
通過全局視圖，監視所有應用的健康狀況；通過IT系統拓撲視圖，檢視應用相關的主機、網絡、中間件和資料庫等的性能情況，可下鑽的拓撲視圖至名額趨勢詳情或日志明細，為分析故障影響範圍、排查問題根因提供有力支撐。
03.3 實作告警壓縮與處置流程線上化
針對各類監控所産生的大量告警事件，進行告警收斂、壓縮、降噪等處置，屏蔽告警風暴，聚焦有效告警，提升告警可讀性，并改善多源告警分散管理的現狀，實作統一告警分派、通知、認領、開單、處置、結單的告警處置流程閉環。
03.4 以業務視角組建運維管理大屏
實作客戶全量運維資料資産沉澱，以統一資料融合平台的形式，将目前多資料通道、多資料類型、多資料格式、多資料标準并存的運維資料，以業務視角設計運維管理故事線，并形成統一運維大屏作為日常運維管理的資料檢閱工具。
03.5 實作自動化、智能化運維值守與應急處理
實作7*24的自動值守，啟用了數十類故障自動更新與處置規則，幫助一線運維人員在常見系統故障發生後及時響應。在排障過程中，可以通過故障應急駕駛艙所提供的故障處置最佳實踐、曆史故障處理記錄，輔助應急響應決策，提高故障應急效率。
04 客戶收益
鼎茂科技幫助該客戶實作了監控體系的全面更新，并對監控生成的告警進行治理與壓縮，對于故障告警進行高效處置，使用可視化大屏展示業務健康狀态和核心名額趨勢等重要資訊。整體提高了故障發現到定位的時效性，提升故障處置效率。
即時收益：
·達成重要（業務）系統、資産、名額100%的監控覆寫率；
·統一去除無效告警并進行智能分析降噪，實作超過90%的告警壓縮率；
·實作自動化故障響應，提升一線運維人員的故障處置率至90%以上。
擴充性收益：
·解決方案能夠快速擴充覆寫新增的業務系統或軟硬體資産，輕松應對業務增長所帶來的增長需求；
·并提供了全面運維資料的采集、治理與分析能力，為後續更多智能化運維分析場景落地提供了基礎。