搜索
运维2.0之三大重点一、业务驱动运维IT的使命是向业务交付价值，为了高效地服务于业务，运维2.0强调以一种新的途径来管理运维，即业务驱动运维。业务驱动运维的本质强调无论服务源自何处，IT运维总能主动规避、发现或解决问题，向业务提供统一标准地端到端交付，并以确保持续改进的最佳服务级别的目标加以管理。业务驱动运维可以从如下两个层面来解读。(一)自上而下——业务战略指导IT运维规划运维规划从企业的业务战略入手，逐步将业务战略转化为运维管理系统与工具的功能目标和系统架构，通过分析业务战略识别运维目标、运维的交付过程和数据，对数据进行分析，自上而下地指导运维规划，并形成一体化运维平台。支撑企业业务战略的实现，满足企业管理层次的要求，引领企业业务创新。业务战略与愿景给IT运维体系和一体化运维平台提供总体架构与演进方向，同时也明确运维体系与相应落地工具组成与开发的先后顺序。(二)自下而上——智能运维提升业务的敏捷性业务的发展瞬息万变，移动化、虚拟化和云计算等技术使IT运维环境错综复杂，IT运维要想跨越分散独立的异构IT领域，深入分析业务服务并实现模块化。就需要将业务服务级别提高到一个全新的智能级别。利用历史数据优化资源的使用情况，并规划未来业务发展。服务智能化旨在将各种IT数据转化为切实可行的知识，引领规划和指导实践。运维2.0工具体系提供能够提前预见IT问题和预判未来业务需求的分析引擎，支持IT部门更智能化地为业务交付价值。自下而上地将存储、监控、分析、展示、管理和规划全面整合在一起，提供全新的一站式和一体化服务，保证业务的敏捷性以及频繁变动时业务决策的科学化和智能化，减少耗时粗犷的手动操作。运维2.0所提倡的业务驱动运维使得IT运维主动和业务建立强相关，运维愿景与规划来源于业务战略，运维活动反作用于业务创新与规划，IT的任何问题或故障都能量化成业务影响，业务不必了解复杂的IT技术仅需要了解和自身相关的服务。通过规范SLA评估服务质量，从而达到IT运维和部门之间相互依存、互利共赢的目的。图示：业务驱动运维二、架构驱动运维所谓架构驱动运维是指利用架构的优化达到运维管理效率的提升，在应用发生变化或故障发生时，可以触发架构本身可伸缩和可调度能力，做到自我修复，节省对运维成本与能力的依赖。运维2.0的架构规划原则包括：(一)分层多级且单元化服务——拆分迭代灵活大系统拆分成多层多级，如应用架构上分服务提供层、接入调度层、中间计算层、数据存储层。层级模块内高内聚，层级模块间低耦合。每一层级划分若干模块，低耦合系统易于扩展，足够小的模块易于复用。在保持功能模型完整的基础上，要保持高性能与高负载，需要不同功能特点的模块再拆分，比如静态与动态部分分离。此外，考虑到服务的性能和成本，核心服务的主服务提供体系可以考虑架构单元化，即服务虽然分层划分，但每个单元自成一体，单元中的上层节点会访问指定的下层节点。这样不仅保证了更高性能更低成本的目标，在资源隔离，系统灰度发布，对高峰扩容的应对方式上也提供了权宜之策。图示：服务单元化(二)服务模块化，兼顾分区容忍性——纵向可伸缩根据目标客户群、增长模型、访问量模型、峰值分析等来推导和设计服务的架构、规模、资源，每个服务由多模块组成，如接入层主服务器集群、中间层备服务器集群。根据功能模型和用户规模推导出模块数量，每个模块支撑的容量，每个模块的服务器数量，每个服务器支撑的容量以及模块在多IDC、多ISP间的分布。当出现故障时，通过故障梯度服务柔性将故障对服务提供的影响消化掉，借助可伸缩的服务设计不影响服务调用者的体验。根据功能模型的需要，一部分类似一致性的商务需要可以通过其他手段完成。图示：服务模块化(三)多ISP、多IDC分布——横向可调度为防范网络、硬件的故障，规避硬件层、系统层、通过全局负载均衡解析服务的访问，引导服务到最优的ISP、IDC、模块、服务器。当出现故障时，可以通过全局负载均衡将故障对应的ISP、IDC的服务器IP地址从全局负载均衡中摘除，服务访问被解析到其他正常的模块、服务器，从而使故障不影响自服务的提供。架构上多ISP、多IDC的分布和调度策略是重点。(四)分布式云化部署——海量运维可支持运维最大的挑战是基础架构环境规模越来越大，服务支持趋于海量，海量导致技术选型取向趋于分布式架构和产品。如分布式文件系统、分布式缓存、分布式存储和分布式数据库、IDC分布式部署。每套服务独占物理环境，交付慢且调整难度大导致运维日益云化，底层架构实现虚拟化资源池、上层架构实现运维流程服务调用，以达到有效提高资源利用率，全面提升系统运维管理能力的目的。三、数据驱动运维在云计算和大数据时代，集群规模和数据爆发式海量增长，给运维带来了巨大的挑战。运维2.0理论提出用数据说话、用数据预见运维活动、借助全量的数据提及评价运维过程，简言之，就是数据驱动运维。运维2.0的数据驱动运维关注两个重点。(一)构建全量的数据体系构建全量的数据体系包括构建数据全生命周期管理和数据架构体系，做好数据分类、数据标准、数据质量和数据安全的把控，作为数据驱动体系的基础数据采集与规范平台，发挥数据价值，为运维决策和运维服务的衡量提供科学依据。数据全生命周期管理包括数据创建、存储、清洗、迁移、归档及销毁数据从产生到灭亡的六个阶段的标准、规范和流程。数据架构体系则从流程、人员和技术三个层面，对所采集的面向资源的、面向技术指标的、面向服务的、面向用户的以及面向产品的结构化数据和非结构化日志或文件，在数据管控、数据归属、数据架构、数据质量和数据安全方面提出要求。具体落地方式可通过如下方式在实现。1.建立主数据系统，对主数据进行一致性管理和调用；2.建立数据质量规范与策略、数据清理标准、数据合规性标准，并将上述规则嵌入到应用系统与工具中；3.将数据分类，落实不同类型数据的归属者与责任人，并建立相应的逻辑数据模型和物理数据模型；4.建立《数据质量考核办法和实施细则》，定期对数据进行合规和安全性的审计，确保数据质量的持久可控；5.完善操作及分析数据的工具与技术，如数据提取、加载与转换工具、数据同步与整合工具、数据清洗工具、数据建模与分析工具等。图示：全量数据体系(二)构建价值驱动体系在建立全量数据体系，保证数据的准确性和完整性基础上，为体现数据价值，运维2.0提出价值驱动的四个方面。1.建立与业务战略相结合的数据战略，为数据化能力建立明确方向和目标。运维2.0提出将数据领域的管理与应用提升至企业战略层面，建立与业务战略相结合的数据战略，为数据化能力明确方向和目标。数据战略应充分消化业务战略中的数据需求，明确企业所应具备支撑业务的数据使用和处理的高阶能力要求，完整的数据体系应包含数据治理、数据管理和数据应用与服务三个高阶能力。数据战略用以强化企业基于数据的精细化管理和决策的意识。2.建立数据管理组织，坚持数据运维的文化，用数据认责法激活数据治理机制。在运维规划和运维活动中坚持用数据说话，坚持以定量的方法描述运维过程、定位运维故障、预见运维事件。数据驱动的运维理念反映到KPI中，确保团队成员对运维数据足够重视。建立企业数据管理组织，通过数据认责管理机制将数据资产分配到相关责任人，在数据生命周期中承担数据管理责任，与管理流程和制度结合，逐步建立数据资产人人有责的数据文化。3.关注不同角色的数据需求。数据的反馈需要及时准确，但并非所有人员都需要实时数据，过多实时的数据一则成本高，其则干扰大。此时，需区分不同角色的数据需求“投其所好”，一线监控人员更多的是看服务状态，因此需要实时告警的信息；上层的运维管理人员希望看到的是服务周期性的状态、趋势和对比；工具研发人员需要看到数据的关联；产品人员关注的是产品的趋势和用户体验等。4.沉淀业务元数据。将业务元数据存储在配置管理数据库，建立底层数据关联。使用公共基准的元数据规则，更好的整合数据。5.“以用带治”，建立持续滚动反馈的数据体系。让数据和运维目标相关联，通过目标驱动，自上而下的重视衡量运维服务的价值、评估目标的达成度和影响度。进而完善数据源及数据分析和展现的方法，提升运维活动的精细化管理，有效评估与衡量运维服务的质量，量化运维活动的价值。