2016運維團隊所需解決方案的5個關鍵因素

因此，企業轉而採用各種專業監管工具——比如 nagios 、 zabbix 、 solarwinds 和 aws cloudwatch —— 旨在獲取對堆疊不同層次的深刻認識。遺憾的是，這些工具難以實現互動的工作方式。各種監管工具的告警便層出不窮，數量之大，幾乎讓你分不清訊號和噪音。

如何在噪音中準確尋獲訊號？

對於運維團隊來說，只是單純的獲取告警其實是遠遠不夠的，因為我們得到了太多的告警。事實上，源源不斷的告警只會培養運維團隊無視告警的能力（無法否認這是事實！）。當噪音很大時，你容易將不常見的訊號也當成噪音。這可不是好事。

因此，運維團隊需要智慧型的整體解決方案和可運算元據的解決方案，這樣不僅能自動處理超出人工可處理範圍的任務，還能在收到可操作告警後知道該如何處理。

為實現以上功能，結合告警平台的已上線的功能，以國外的 bigpanda 和國內的 onealert 為例，整合了運維團隊需要的解決方案應該包括的5 個關鍵因素：

時間。運維團隊需要掌握實時動態。比起容易過時的快照，運維團隊需要輕鬆地掌握實時動態。但是，快照的優勢在於能夠讓你比較今天和昨天甚至是前一周的資料，onealert 最多可提供 1 年的儲存資料服務。

告警等級。如果你識別不了哪乙個告警是最重要的，你就不知道輕重緩急。一般分為嚴重、警告、提醒三個等級。

告警型別。針對告警目標和內容的關聯度及事後影響，了解告警發出的真正原因，從而確定告警型別。

自動化和整合。當我們無法解決告警的時候（可能是不擅長處理該類問題，還可能是沒有時間處理！），我們可以在整合的工單系統中提交工單，對一些簡單的可自動化處理的問題，可以直接自動化處理，如重啟伺服器等。onealert 非常重視相關模組的開發。

剖析大藍圖。今天的 it 基礎設施並不存在任何孤島。乙個應用的告警是其他應用出現問題的訊號。運維團隊需要了解每乙個 it 難題怎樣串聯在一起，又是如何相互影響的。剖析大藍圖必不可少。

綜合以上 5 個因素，可以總結出提高運維團隊維穩效率的 2 個關鍵因素：時間洞察力和補救時間。

二者之中，時間洞察力更為重要，這個過程耗時越長，企業宕機時間的成本就越高，生產力損失就越大。你有足夠的信心去洞察嗎？你知道如何才能解決問題嗎？原有的監控工具忽略了補救時間的重要性。但是，請記住，如果我們無法衡量它，我們就無法改善它。因此，不斷改進是運維團隊緊跟時代步伐的唯一方式。

本文** oneapm 官方部落格