本文結(jié)合公司數(shù)據(jù)中心機房運維實例，為解決在機房運維中遇見設備型號多、管理難度大、問題難定位、人力成本高、人員素質(zhì)要求高等各種問題，特開發(fā)出一套“機房統(tǒng)一運維監(jiān)管平臺”，降低機房運維成本，提高運維效率。

2023年10月25日，國家數(shù)據(jù)局正式成立。標志著企業(yè)的數(shù)字化改造和升級勢不可擋，促進數(shù)字技術與實體經(jīng)濟的深度融合，推動數(shù)字經(jīng)濟的快速發(fā)展是企業(yè)數(shù)字化發(fā)展的大勢所趨。

隨著公司科研生產(chǎn)等對業(yè)務系統(tǒng)復雜性要求的不斷提高、數(shù)據(jù)安全性需求的日益增加，以及信息技術和網(wǎng)絡技術的快速迭代與發(fā)展，機房里面服務器、存儲設備、網(wǎng)絡設備的數(shù)量和種類不斷增加，機房的維護復雜性和要求也越來越高。

一、引言

數(shù)據(jù)中心機房是公司信息化建設的重要組成部分，機房有45個機柜93臺服務器，100余臺網(wǎng)絡設備， 2臺20KVA，UPS電源等設備。設備的正常運行是業(yè)務連續(xù)性的基礎，如何保障機房環(huán)境中的設備始終為系統(tǒng)提供正常的運行環(huán)境是機房運維的重中之重。

機房運維人員負責監(jiān)控機房服務器、交換機、存儲等設備運行的狀態(tài)、設備故障快速處理，確保機房各種設備平穩(wěn)運行，防止因設備維護不到位，導致業(yè)務中斷。目前機房運維主要通過視頻監(jiān)控和人工巡檢的方式進行，需耗費較多時間和人力成本，且主要存在以下問題：

（一）設備型號多，管理難度大

目前隨著業(yè)務系統(tǒng)的種類和數(shù)量增加，機房里面服務器設備、存儲設備、網(wǎng)絡設備的種類、型號和數(shù)量越來越多，且設備廠家不一致、生產(chǎn)時間不一致、型號不一致等原因，造成機房的運維越來越難，管理難度成幾何倍增。

（二）設備組成整體，故障難定位

機房里面的各種設備組成了一個完整的整體，統(tǒng)一發(fā)揮價值，確保業(yè)務系統(tǒng)安全、有效運轉(zhuǎn)。機房涉及到環(huán)境、網(wǎng)絡、服務器、存儲、操作系統(tǒng)、數(shù)據(jù)庫、應用軟件等，當故障發(fā)生時，難以判定引起故障原因，故障定位難。

（三）價值高，持續(xù)發(fā)揮價值不易

機房里面設備價值和數(shù)據(jù)價值高，確保為企業(yè)提供穩(wěn)定可靠的信息技術基礎設施，保障數(shù)據(jù)的安全性和可用性，要求每年持續(xù)365天×24小時發(fā)揮機房每臺設備價值實屬不易。

（四）綜合要求高，問題解決慢

而目前機房是各個責任人各施其責，運維團隊不同人負責不同設備維護，如：數(shù)據(jù)安全、網(wǎng)絡傳輸、服務器維護等，當出現(xiàn)問題時，難以快速找出責任人，容易造成故障排除時間緩慢，相互推諉的情況發(fā)生。

二、 平臺整體架構

開發(fā)一套機房統(tǒng)一的運維管理平臺，通過對 IT 資產(chǎn)、機房基礎設施等硬件的定期監(jiān)測，保障信息化系統(tǒng)的安全穩(wěn)定運行，實現(xiàn)機房內(nèi)部計算設備、存儲設備、網(wǎng)絡設備、安全設備的高效維護以及應用系統(tǒng)持久運行。

機房統(tǒng)一運維管理平臺架構上從上往下分為：統(tǒng)一運維門戶、統(tǒng)一流程平臺、運維及監(jiān)控、統(tǒng)一采集平臺四個部分。其中統(tǒng)一流程平臺與統(tǒng)一采集平臺為基礎平臺，支撐統(tǒng)一運維管理平臺的各類運維和監(jiān)控的功能。

機房統(tǒng)一運維監(jiān)管管理平臺建設需遵循以下原則，滿足如下要求：

（一）實現(xiàn)管理的全面性

運維管理系統(tǒng)實施后必須全面支持 IT 基礎設ULXezWQBvE/zXl7VnxEfUw==施（包括但不限于：服務器、小型機、存儲備份設備、網(wǎng)絡設備、機房環(huán)境設備、計算機終端等硬件設備）、操作系統(tǒng)、數(shù)據(jù)庫和中間件等系統(tǒng)，能夠滿足實際工作中的全方面的監(jiān)控需求。

（二）實現(xiàn)統(tǒng)一平臺監(jiān)控

要求能夠?qū)π畔⑾到y(tǒng)進行集中監(jiān)控、集中維護、集中管理，在統(tǒng)一平臺上實現(xiàn)性能、事件、報表的統(tǒng)一處理。要求實現(xiàn)管理系統(tǒng)對采集到的原始監(jiān)控數(shù)據(jù)至少入庫保存十二個月。

（三）實現(xiàn)監(jiān)控告警的時效性

要求對監(jiān)控平臺能在最終用戶可接受的最短時間內(nèi)感知監(jiān)控異常事件，及時在監(jiān)控界面中展現(xiàn)，并將告警郵件或短信發(fā)送至監(jiān)控人員或者相關管理人員。

（四）開放性和可擴展性

要求實現(xiàn)管理系統(tǒng)很好的開放性和對標準的支持能力，支持各種最終用戶現(xiàn)有 IT基礎設施。

要求實現(xiàn)管理系統(tǒng)良好的可擴展性和可伸縮性，以適應業(yè)務系統(tǒng)自身的不斷調(diào)整、修改和優(yōu)化，并要求提供監(jiān)控系統(tǒng)自身管理模塊，通過實施保證管理系統(tǒng)自身管理和維護的方便性。

（五）管理系統(tǒng)兼容性

要求能夠全面支持運行環(huán)境，兼容現(xiàn)有環(huán)境中監(jiān)控對象的各個版本，并能夠支持版本升級。

（六）管理系統(tǒng)本身的穩(wěn)定性

管理系統(tǒng)運行必須非常穩(wěn)定。系統(tǒng)應提供（7 天×24 小時）連續(xù)性服務，具備通過持續(xù)的數(shù)據(jù)維護、同步或異步錯誤處理服務能力，支持數(shù)據(jù)的高完整性和準確性。

（七）管理系統(tǒng)操作便利性

要求實施后的用戶操作步驟簡潔，操作界面具有較好的用戶體驗。供應商必須提供完整詳細的操作手冊，對于經(jīng)常發(fā)生和具有典型性的場景和事件有詳細的專題描述。

三、 平臺主要功能

機房統(tǒng)一運維監(jiān)管平臺在機房資源監(jiān)控和運維管理的基礎上，能夠為不同的人員角色和管理需要提供靈活多樣的展現(xiàn)方式。除了能夠展現(xiàn)所管理資源的物理視圖，還能夠針對用戶的應用架構、業(yè)務組成等信息來建立邏輯管理視圖。平臺主要功能如下：

（一）統(tǒng)一運維門戶

機房統(tǒng)一運維監(jiān)管平臺的唯一訪問入口，提供各個訪問對象的自助服務系統(tǒng)的入口。統(tǒng)一運維門戶為各部門包括部門領導、業(yè)務管理人員、運維人員、值班監(jiān)控人員在內(nèi)的各層用戶提供個性化的運維服務，滿足不同人員角色對運維要求。

（二）統(tǒng)一流程管理

統(tǒng)一流程管理主要對各運維流程進行管理，服務于包括運維人員、管理人員在內(nèi)的各級人員，通過事件、問題等 ITIL 標準流程以及日常運維、安全管理等內(nèi)部流程的梳理實施，規(guī)范了業(yè)務操作、投訴處理、故障響應、系統(tǒng)升級和需求開發(fā)等部門日常運維，實現(xiàn)了運維工作的流程化、透明化、知識化、標準化。

（三）運維及監(jiān)控管理

機房監(jiān)控包含：3D 數(shù)據(jù)機房、機柜管理、機房能耗、環(huán)境管理等資源的可視化功能。

提供可視化 3D 機房編輯功能，支持樓層、機房及機房布景等，無需修改軟件程序。支持自定制機架并可通過可視化的方式定義機架上的設備。以全三維形式表現(xiàn)機房、機柜、空調(diào)、獨立設備和架式設備，通過鼠標點擊，在三維可視化環(huán)境中實現(xiàn)機房、機房子區(qū)域、機柜、設備和設備端口逐級進入和瀏覽。

采用 B/S 架構，可以利用瀏覽器直接通過鼠標實現(xiàn)三維系統(tǒng)的交互操作、訪問和瀏覽。以全三維形式表現(xiàn)機房、機柜、空調(diào)、獨立設備和架式設備，通過鼠標點擊，在三維可視化環(huán)境中實現(xiàn)機房、機房子區(qū)域、機柜、設備和設備端口逐級進入和瀏覽。

支持環(huán)境監(jiān)控系統(tǒng)、設備、應用的告警數(shù)據(jù)展示，在 3D 可視化環(huán)境中直觀顯示當前告警設備位置及告警信息。

（四）統(tǒng)一數(shù)據(jù)采集（接口層）

新建統(tǒng)一運維管理平臺需考慮接口層的建設，要求今后按照需求實現(xiàn)跟其他系統(tǒng)對接，如與云管理平臺接口、安全管理平臺接口以及其他設備自帶管理平臺接口等。

平臺建設統(tǒng)一的 IT 運維數(shù)據(jù)采集能力，面向 IT 系統(tǒng)整體實現(xiàn)統(tǒng)一采集、統(tǒng)一分發(fā)，并借助大數(shù)據(jù)平臺能力進行數(shù)據(jù)裝載和沉淀，支持快速適配，多源合并，多標簽分離，多渠道輸出，可視化抽取。

四、 應用驗證

機房里面對各種設備運維，一般都是被動維護，出現(xiàn)問題，解決問題，不能提前發(fā)現(xiàn)問題，對相關風險進行預警。核心是不能主動預測、提前來發(fā)現(xiàn)問題，造成機房運維工作量大、效率低、效果差。

通過開發(fā)“機房統(tǒng)一運維監(jiān)管平臺”實現(xiàn)機房93臺服務器、100余臺網(wǎng)絡設備、空調(diào)、UPS電源等設備完整、統(tǒng)一的可視化管理；實現(xiàn)機房運行和安全集中監(jiān)控管理。提高了機房運維水平，提升機房的服務質(zhì)量，加快機房問題處理速度，為企業(yè)數(shù)字化轉(zhuǎn)型打下了良好的信息化基礎。

作者單位：航宇救生裝備有限公司