综合网络管理系统优化、完善建议

河北电力综合网络管理系统优化、完善建议

2011年3月

目录

1引言 (3)

2如何更好的使用现有系统 (3)

2.1理顺关系，进行分类 (3)

2.2分工合作，各司其职 (3)

2.3分析总结，持续提高 (8)

3对现有系统的优化、完善： (8)

3.1对现有系统的优化 (8)

3.1.1检查、优化系统现有的设置 (8)

3.1.2日常管理基线的建立和调整 (9)

3.2对现有系统进行完善 (10)

3.2.1管理对象的清查和扩充 (10)

3.2.2对系统的架构进行优化和调整 (10)

3.2.3对系统现有功能的完善和改进 (11)

4对于县级电业局的考虑 (11)

5附件：BTCM介绍 (12)

1引言

随着河北省电力公司综合网络管理系统的建成并投入使用、全公司范围内IT运维管理水平的逐年提高，公司领导对IT环境的管理提出了更高、更深入的要求。

有鉴于此，做为河北省电力公司综合网络管理系统的服务厂家之一，结合河北电力的实际情况，并综合我们自己的一些心得和体会，写出本文，供领导参考。

2如何更好的使用现有系统

工欲善其事，必先利其器，现在“器”已经有了，那如何高效地使用它就成了我们的当务之急。下面从理顺关系、分工合作、分析总结三个方面来说明如何更好的使用现有的系统。

2.1理顺关系，进行分类

我们大家都知道“田忌赛马”的故事，故事中马没有变，人也没有变，可结果却变了→从“输”到“赢”，为什么？

仔细想想，不难发现，是“关系”变了，所以：关系很重要！在我们的日常运维管理工作中，也要理顺各部门、各岗位、各责任人、各个系统（包括网络系统）之间的关系。然后根据部门、人员、岗位、系统之间的关系进行分类，将相关的人和事整合成一个逻辑上的整体，形成一个一个的角色。

具体到网络运维管理工作，通常，我们可以将相关的人员分为以下三种角色：

●值班人员

●保障人员（专工）

●管理人员

其中：

●值班人员通过系统提供的视图、事件列表实时监视网络的运行情况，一旦有警，

立即上报，并按相应的预案进行一些必要的处置；

●保障人员一方面接受值班人员上报的告警，一方面也可以通过短信、邮件等方

式直接从系统中接收告警，并进行干预和处理；

●管理人员则从全局的高度，保证各项流程衔接通畅，同时也要对整个IT环境

的容量进行规划，确保部门的“服务能力”保持在一个合理的水平。

这三种角色分工配合，共同保证公司的IT环境运维管理工作有序、高效运行。2.2分工合作，各司其职

通过BTIM系统的角色和权限的划分，我们可以做出一个值班人员组、保障人员组、

管理人员组，通过合理的权限设置，让不同的用户分属不同的角色，并按自己的权限查看相应的资源。

具体来说：

1.一线值班人员：

值班人员组的用户进入系统之后就是一组相关的视图，值班人员无需做复杂操作，只要通过这些视图来实时监控整个IT信息环境中的设备、线路、应用即可；

如果有大屏幕投影，值班人员还可以将相关的视图投射到大屏幕上，再辅以多媒体语音，即可直观、一目了然的对整个IT信息环境进行监控；

这些视图在BTIM系统中有2种思路来组合、串联：

以业务管理、机房管理为线索，将属于同一业务系统的各类服务器、数据库、中间件、网络设备、网络线路、安全设备等被管对象整合到

一张视图上，供值班人员查看。或者将同属于一个机房的设备按机柜

的位置进行整体展示，供值班人员查看。具体到BTIM系统，我们提

供业务整体架构图、业务故障诊断图、业务流量分布图、机房整体布

置图等一系列相关的视图。如下图所示：

以总览图（OverView）的形式，按不同的维度，将相关的被管对象整合在一张视图上，具体到BTIM系统，我们提供监控总览、运行总览、服务总览、IP信息总览等一系列相关的视图。如下图所示：

2.二线保障人员：

对于保障人员，大家更需要一个能够协助自己解决问题的系统。

北塔BTIM系统的菜单编排都经过深思熟虑，菜单之间的关系符合人们的思维习惯，举例如下：

?当某个设备出现负载偏高时，我们的第一反应一般是要查看这个负载

偏高是一个峰值还是一直如此。

?那，在北塔的BTIM系统的运行总览中，如果一个设备的负载偏高，

您只要用鼠标双击这个设备，就可以调出该设备2小时的、一天的、1

周的负载性能曲线。如下图所示：

再比如：

?当某个设备出现告警时，我们的第一反应一般是确定一下这个设备处

于拓朴图的什么位置：是核心设备？还是接入层设备？

?那，在北塔的BTIM系统的告警信息一览中，您只要点击鼠标右键，

选择“定位到物理拓朴图”，即可在拓朴图上直接查看这个设备所处的

位置，进而可以查看其他的相关信息。如下图所示：

3.管理人员：

对于管理人员来说，平时关注最多的整个IT信息环境的整体运行情况，或者说，要从全局的高度对整个IT信息环境进行监管。

举个例子：通过查看“运行总览”，管理人员可以直观的看到系统的连续运行时间（sysuptime），如果某台设备连续运行时间很短，排除掉网络中出问题的可能后，那：我们就要问一问，是谁在没有经过允许的情况下将该设备私自重启？从而，我们就可以发现、堵住一个设备管理上的漏洞。

另外，管理人员还需要通过报表来查看各个业务系统、各类网络设备、线路，以及数据库、中间件、服务器在过去一段时间内的运行情况。北塔的BTIM系统可以根据管理人员的需要，通过权限的控制，为管理人员展现种类齐全的总览图，让管理人员能够从全局的高度，对一个设定范围内的所有设备进行监管。

2.3分析总结，持续提高

随着业务的增加、以及各个业务在公司经营中的重要性日益加重，公司对我们IT 运维管理工作的要求也会越来越高，故此，持续发展、持续提高我们的运维管理水平就成了公司交给我们运维人员的一个课题。

对此，我们的建议是：善于分析总结，及时发现工作中成绩和不足，并有侧重的推广和改进。

在此，我们建议形成工作例会制度，针对日常维护过程中发现的问题对系统设置进行调整、优化，对工作中取得的成绩在公司内部进行推广和复制。

3对现有系统的优化、完善：

为了更好的发挥现有系统的作用，我们有必要对其进行持续的优化和完善，主要工作涉及对系统设置的完善和调整，日常管理基线的建立和调整，对管理范围的清查和扩充，对系统架构的优化和改进等几个方面，分述如下：

3.1对现有系统的优化

3.1.1检查、优化系统现有的设置

现有BTIM系统的设置共涉及如下几个方面：

●系统中各项阈值的设置

●系统对KPI取数时轮询间隔的设置

●系统中的告警设置

●系统中报表的设置

其中，告警和报表的设置涉及到加密和调优两部分内容。

上面4部分的内容是相辅相承的：

●只有当阈值设置合理之后，才能减少漏报、减少冗余告警的数量，使管理人员

的精力能够集中到真正应该关注的告警信息上；

●只有当轮询间隔设置合理之后，才能保证既不会对被管对象产生不利影响，又

能保证管理人员对故障预警的时间有一个合理的提前量；

●对于告警，我们不仅要保证告警本身设置没有问题，还要保证“应该设置”的

告警都进行了设置，亦即告警的加密；举例如下：

?我们可以增加一些数据流探针类的告警，从而在网络中的异常流量越限之

后进行告警，以便管理人员提前干预，最大限度的避免网络瘫痪的发生。

?对于一些不可管理、但有IP地址的设备，我们可以通过设置Ping不通告

警，在一定程度上对它们实现监控。

●报表是进行历史监控的重要手段，也是领导层进行决策的重要依据，所以对于

报表的设置，一是要保证数量的计算方式正确（优化），一是要保证我们提交

的报表能够满足领导的决策要求（加密），为此，一般要做如下工作：

?对报表中的数据进行核查，确保数据正确且没有断点；

?向相关的领导进行汇报，请领导协助确认各类报表是否完备。

从上面的说明可以看出，设置的优化是一个相对长期的过程，需要我们在工作中不断完善，不断调整。

另外，对于一些常用的KPI，业内通常有一个阈值设置的建议值，请参阅《BTIM 监控点_推荐阈值》，但是请注意，这些推荐值需要根据我们的实际情况进行相应的调整。

3.1.2日常管理基线的建立和调整

通过日常使用和观测，对于重要的设备、重要的指标、重要的业务系统，我们要形成一个管理基线（基准值）。比如：通常我们将设备的CPU利用率设置为超过60%告警，但是如果某台设备负载一直很重，那我们经过观测，就可以将他的CPU利用率设置为超过75%告警。同时，我们也要在合适的时候，向上级提交一份升级或者扩容报告。

有了管理基线之后，既可以减少“误报”的告警，也可以提前发现一些异常，做到早发现、早分析、早处理。

上面提到了一个调高告警阈值的例子，在现实的运维管理过程中，还有许多与此相反的事例，也需要要我们管理人员给予关注。比如：随着网络的升级改造，线路的带宽已经进入千兆，甚至万兆时代，不过网络上的流量在正常情况下通常不会超过千兆，这种情况下，如果我们将“带宽利用率”设置为超过60%告警就不合适了→可能永远都没有告警，但是网络的确出了问题。

综上，作为IT环境的运维管理人员，我们要通过日常的管理，借助于专业的平台（比如咱们现在用的BTIM系统的性能曲线、TopN分析、历史报表），逐渐建立起IT 环境的管理基线（一组基准值），并在日常管理工作中逐渐调整、优化。

3.2对现有系统进行完善

3.2.1管理对象的清查和扩充

既然有了综合网络管理系统，我们就要让系统充分发挥作用，为此，我们要求对“辖区内设备”进行全覆盖；这样的话，下面2个问题就需要考虑：

1.如何发现“漏网之鱼”；

?对于“不可管理”的设备怎么处理；

?不可管理又分为两种，一种是行政上不可管理，一种是设备本身不可管理

2.要对没有纳入管理的县市级单位进行管理；

?本部分在第四章专门讨论

对于第一个问题，我们通常的做法有如下几种：

●通过人工台帐与系统内设备信息比对，发现“漏网之鱼”；

●通过系统的自动发现功能，设定搜索范围，进行核查（提醒：在自动搜索之前，

要注意做好备份）

●借助第三方的IP扫描工具，对网络上的设备进行探查，并结合台帐发现“漏网

之鱼”；

对于行政上不可管理的设备，我们可以通过公司领导协调，获取一些必要的信息。比如，对于运营商方面造成的网络中断，我们可以向他们索要“故障分析报告”。

对于一些不可管理，但是有IP地址的设备，我们可以通过设置一些Ping告警，对其进行有限的监控。

3.2.2对系统的架构进行优化和调整

经过与白工的沟通，我们知道，当前的系统主要有如下问题：

●单台服务器容纳的被管对象太多，系统稳定性有隐患；

●告警和报表的权限划分不够细致；

如何解决呢？

●对现有系统进行优化和调整，可以解决部分问题：

?优化Windows2003的设置，提高系统性能；减少安全漏洞，消除安全隐患。

?对每个被管对象的设置进行调整，对无需监视的KPI和告警予以删除；

●利用北塔新推出的BTCM产品，可以从根本上解决上面的问题：

?BTCM其实是一个综合展示、处理平台，他从多个BTIM或者第三方系统

中接收数据，并对数据进行后期处理，最后在一个整体界面上进行展示，

其架构如下图所示：

?采用BTCM之后，我们就可以将比较多的被管对象分散布置在多套BTIM

之上，BTIM系统从逻辑上担当采集器和一级展示平台的功能。

?BTCM的具体介绍请参阅《北塔BTCM产品技术白皮书》

3.2.3对系统现有功能的完善和改进

综合上面的论述，我们可以发现当前的系统在业务管理、机房管理2方面的功能略显不足，为此，我们建议对当前综合网管系统的业务管理和机房管理功能进行完善：

●业务管理（BSM）

?对当前我们支撑的业务系统做初步的清查；

?梳理出业务系统的逻辑架构；

?确定好每个业务系统及各业务组件的关键KPI；

?对KPI和相应的“事件”进行关联；

?在一个统一的界面上进行展示（按视角的不同，可以做出有不同侧重点的

视图）

●机房管理

?通过直观的视图建立起“从机房→机柜→设备”的全景监视。

4对于县级电业局的考虑

考虑到县级电业局的数量众多，我们建议对于县级电业局的管理软件采用BTCM＋

BTIM方式进行部署，其中BTCM可以和3.2.2中提及的“架构调整”共用一套。这样的话，以BTCM做为展现、监视和处理平台，BTIM做为数据采集器和备用展现平台，就可以共同支撑起河北电力省、地、县三级的IT环境监管系统。其结构如下图所示：

当然，县级电业局也可以采用当前综合网管系统的部署方式，如果这样，我们就需要对各服务器的容量进行合理的规划，确保系统能够高效运转。

5附件：BTCM介绍

请参阅《北塔BTCM产品技术白皮书》