数据监测和警报是做好IT管理的第一步

　　赵琛宇指出，IT运维管理系统之说，来源于ITTL，来源与CMDB——核心配置管理数据库。CMDB的构建，必须依赖于基层的管理力度，必须把所有的网络设备、服务器、所有PC的运行状态，都监控齐全后，才能构建CMDB;若没齐全，就无法把一个故障流程弄成一个ITIL。而ITIL从V1.0到V2.0、3.0，从一大厚本儿逐步到一薄本儿，再次证明它只是一个理论，是一个概念，它只能指导客户要达到一个什么效果，而不能告诉客户如何去做。

　　不可否认，ITIL确实是个好东西，但一定要结合实际。采用基于ITIL的系统，国内国外都有很多案例，失败的也很多。造成失败的原因主要有两个：一是原有架构不适合变更;二是管理的力度达不到，各环节协调不上来。另外，客户软件的使用习惯也是各不相同，是导致失败的原因之一;而软件本身，若底层并不是完全成熟，不能构建CMDB，也会造成失败。

　　现在国内ITIL是一个初步培育期和探索期，并不成熟。国外也是从这个阶段过来，国外也不是立马就上一个体系架构，它都需要一个过程。游龙科技建议先上一套管理思想，一个可执行的流程和思想，它是非电子化而是纸质化。用户可以先找一家咨询公司，将纸质化的管理思想走几遍，各环节都认可都磨合好了，再选择一个适用的ITSM(IT服务管理)。

　　赵琛宇反复强调，IT管理，其本质在于管理学，而管理学首要要义是：无法管理不能监测的数据。因此，首先，要采集数据;其次进行数据挖掘和展现。“有了完善的测量数据，才能把IT管理做到最好。”赵琛宇说：“游龙科技苦练内功，并不急于尝试覆盖性功能，而是首先脚踏实地帮助客户解决好IT管理的第一步——数据监测和警报。我们的目标是，将监测值采集和警报管理做到业内最精准。”

　　据介绍，在采集监测数据方面，游龙科技使用了外围的模拟用户操作方式。比如，模拟网站登陆者登陆网站，从网站提取性能数据，进行比对和校验。从工作方式来讲，ECC不会对客户服务器造成压力，它从客户用途的角度，来体验它的业务系统是否够快。比如刚才提到的网站性能监测，大概用几秒钟，就会把数据加载下来。若某网站从去年8月到今年6月，平均一个页面的打开速度是1.2秒，那么ECC会把1.2秒作为报警的基线，超过1.2秒的延迟就会进行告警提示。

　　而对于用户来讲，他们需要监测什么、监测多少性能指标，这些完全可以做到订制化。比如一般中小型企业，或者中型企业，它的服务器不会很多，监测指标并不需要太多，毕竟像移动梦网那样的全国性项目并不多。

　　具体来讲，游龙科技所追求的数据监测工作主要体现在如下5个方面：

　　1.基于监测，不断提高报警的准确度。这一点非常重要，漏报、误报都是客户无法忍受的。赵琛宇举了一个银行的例子：曾经有一位ECC的银行用户，凌晨三点连续收到三条短信报警，因为核心网断了。虽然这种情况很不可思议，因为银行系统一般都会做容灾备份、双机热备等预备性工作，但是千分之一机率的故障，也还是出现了。一旦出现这种情况，报警越快则越有助于快速解决问题。

　　2.解决误报问题。游龙科技在警报误报上做了很多改进。比如，一个网络系统，从监测机主机到被监测主机之间，会经由很多路由器、交换机。一个网络设备的故障，会造成一片网络主机的中断，会导致很多业务系统的中断。这个时候是报警网络设备故障，还是报警服务器系统崩溃?SiteView ECC会追根溯源，自动、智能进行准确报警，快速定位故障根源，节省故障排查时间。

　　3.从管理角色来讲，SiteView ECC把故障分为两种：一种故障报给系统操作人员，一种故障报给领导和管理人员。从系统用途来讲，系统故障会直接报给相关的负责人，实现报警信息的准确传达。

　　4.SiteView ECC也很注意一些报警的细节处理。比如，网络出现短暂的异常，瞬间异常被抓取到。这时候警告还未确定，监测器会立刻加大监测力度，在下一次数据采集中重点进行监测，以便确定是否告警。因为在这种快速监测情况下，难免会出现抖动状态。IT运维厂商必须解决各种漏报误报问题，不然就会演变为IT版“狼来了”的故事。用户会逐渐放松警惕，一旦真有问题发生，不能得到及时关注和处理，就为时已晚。

　　5.为了提高数据的价值，游龙也在不断改进、不断提高报表的功能。不同的客户有不同的需求，为此游龙提供给用户自定义报表功能，从管理者角度、一线运维人员角度等不同角度，来覆盖客户所有需求。同时，用户可以根据自身需求进行报表个性化定制，用户也可以通过EXCEL的公式进行报表直接调用。其中，有一些公式是SiteView ECC自有的公式，输入公式即可直接调用、展现。