OpSmart如何在众多运维平台中脱颖而出?

       现代企业的运维工作主要分两个部分：技术与管理。技术是发现、处理故障，保障各个IT资源的正常运行；管理则时如何分配资源和人力，优化流程，尽快恢复业务的正常运转，以及对存在的故障隐患未雨绸缪。那究竟什么样的运维平台才能满足现代企业运维工作的需求，能被称之为自动、智能的运维平台呢？个人认为，一个自动化的智能运维平台需要包括以下几点：

        1.      完备的监控

       所谓完备的监控，不只是针对设备细化到进程、端口的监控，而是需要以保证业务正常、稳定运转为目标，从系统视角进行监控，并能对业务系统的各个组成部分（负载均衡、WEB集群、中间件、数据库）有详细的监控和分析。一旦业务系统出现问题，可以定位到是哪个支撑服务影响了业务系统，从而针对性的处理故障，保证业务迅速恢复正常。

        2.      批量运维、统一管理的工具

       对于现代企业愈加庞大的IT资源规模和日益复杂的业务系统，需要运维平台能对同类IT资源提供最简便、统一的操作，将运维人员从安装、部署的枯燥工作中解脱，去从事更有价值的事情。

        3.      人性化的页面呈现

       在企业中，各个运维人员的工作经验参差不齐，对于机房这类层面的运维工作，对运维水平有着较高的要求。如果能通过运维平台对机房环境有可视化的真实呈现，将会大大减小不同水平运维人员的认知偏差，提高企业对人力资源的利用率。

        4.      日志集中分析

       随着服务器的增多，日志的分析定位也成为一个难点和痛点。难以想象，在几百台服务器的海量日志中去排查故障源，无异于大海捞针。而优秀的运维平台，应该把日志分析作为平台重点，切身去考虑运维人员的工作需求，力求能自动分析得到故障相关的日志。

       随着信息化的逐步发展，企业正在迈入网络与应用系统的复杂程度和规模不断扩大的时期。而此时，在面对业务需求复杂，数据量呈井喷趋势发展的现状，各运维平台也遇到了相应的瓶颈。

       第一个瓶颈就是如何保证系统业务整体可用？

       保证系统7x24小时不间断运行，是IT运维的最终目标。目前的IT运维平台，大多关注于设备级监控，而单台设备的可用性无法反应信息系统的整体状态，导致系统故障隐患不能及时发现，发生故障时也不能准确定位故障源，使得运维人员不得不7x24小时待命处理故障，运维工作总处于被动局面。

       第二个瓶颈是怎样提高平台自动化程度？

       面对庞杂的IT资源和日新月异的技术发展，运维人员工作量大，人手不够，但大多运维平台的自动化程度并不足以将运维人员从繁重的工作中解脱，甚至会出现运维“运维产品”的现象。尤其是面对缺乏统一规范的配置信息时，安装部署工作繁琐且技术含量低，却又必不可少，容易使运维人员产生疲惫的心态。并且，面对统计IT资源的使用状况这类需求时，需要多部门协调，自上而下全体动员，但效果往往并不如人意。

       第三个瓶颈是对信息的采集效率和告警时效难以提高。

       目前市面上运维产品中较为快速的采集效率是数据采集5分钟、告警延迟8分钟。但在运维工作中时间就是生命，业务中断意味着每一秒的时间浪费都在扩大企业的损失。市面上运维产品的采集和告警效率已经无法满足企业对运维时效的要求。

       针对当下的运维痛点，OpSmart研发团队将产品打造为一款以配置为基础，以系统为核心，实时监视，准实时告警的高度自动化运维管理平台。

       1. OpSmart自动化运维管理平台，结合当下迫切的运维需求，将产品关注点定位于保证业务系统的整体可用性，通过系统配置自动采集、系统架构自动分析、系统支撑服务实时监视、异常事件实时告警等一系列功能，实现了对业务系统整体可用性的监控。能通过分析系统各个支撑服务间的关联关系，自动生成信息系统架构图，使运维人员对业务系统配置一目了然。系统架构图能够准实时刷新，直观展示系统的故障发生点，让运维人员运维人员面对系统故障时不再盲目。

       2. OpSmart以免配置或者尽量少配置为目标，实现从部署实施，到数据采集、数据分析、监视告警的全流程自动化。整个过程所需数据几乎均由自动采集获得，不要求运维人员手工录入。

       OpSmart基于网络配置以及各项IT资源的配置信息，自动分析生成物理拓扑图、系统架构图、3D机房视图，及时反映生产环境的配置变化和运行状态，将运维人员从手动建模的工作中解脱，有效提升资产监控管理的效率，并实现了企业IT资源的透明、规范。

       3. 在OpSmart研发团队的不断努力下，成功将数据采集时间优化到30秒以内，一旦发生异常，运维人员可在1分钟以内收到告警，实现了秒级监视和分钟级告警，使运维人员能够及时发现系统、主机、网络的状态变化，迅速对紧急情况采取措施。

       对于已发生的故障，OpSmart能自动对故障相关日志进行切割整理、关联分析，使运维人员迅速定位故障原因，免去从海量日志中检索信息的困扰。此外，OpSmart能定期生成可用率报告，展示IT资源的可用率趋势，方便运维人员对故障隐患进行分析和预测。

       对于企业管理者，OpSmart能实时、完整、准确地展现各项IT资源的使用和运行状况，并提供有价值的运维质量分析，实现资源配置信息、使用情况、运行状态的透明以及运维绩效透明。同时， OpSmart能帮助运维人员自动、及时、准确地掌握各项资源的配置信息、日志信息、运行状态，以及各个信息系统的架构和整个网络的拓扑关系，使运维人员及时发现故障系统并迅速定位故障原因，最大程度地减轻了运维人员工作量，提升运维效率。

       未来，OpSmart将不断提升，实现IT基础环境一键生成，并持续扩展平台的深度和广度，拓展监视维度，更细致和准确地分析业务系统架构，深化日志、配置、运行状态的综合分析水平，并从自动化迈入智能化的台阶，实现更准确的异常分析和故障自愈、更智能的IT环境管理，以人和业务为中心，以快速交付、提升用户体验为目标，构建更加强大、智能的运维管理平台。  

本文出自 “13481989” 博客，谢绝转载！