本文來自twt企業(yè)IT社區(qū)，作者/趙海。
很多人把DevOps與運(yùn)維自動化緊綁，認(rèn)為只有實現(xiàn)了容器化，只有實現(xiàn)了自動編排等等才算是實現(xiàn)了運(yùn)維的自動化。且不說有多少企業(yè)可以完全實現(xiàn)這種IT轉(zhuǎn)型，就概念本身而言，這也是一種不太合乎邏輯的思維。那么接地氣的運(yùn)維自動化如何設(shè)計和建設(shè)？
1.何為運(yùn)維自動化？
何為數(shù)據(jù)中心的自動化運(yùn)維？很多人把DevOps與運(yùn)維自動化緊綁，認(rèn)為只有實現(xiàn)了容器化，只有實現(xiàn)了自動編排等等才算是實現(xiàn)了運(yùn)維的自動化。且不說有多少企業(yè)可以完全實現(xiàn)這種IT轉(zhuǎn)型，就概念本身而言，我覺得這也是一種不太合乎邏輯的思維。我們來看Gartner對運(yùn)維自動化的理解“通過運(yùn)維工具或平臺，實現(xiàn)IT基礎(chǔ)設(shè)施及業(yè)務(wù)應(yīng)用日常任務(wù)處理和運(yùn)維流程的自動化，從而提高效率和降低風(fēng)險，促進(jìn)運(yùn)維組織的成熟和各種能力的升級”。從傳統(tǒng)企業(yè)數(shù)據(jù)中心運(yùn)維工程師角度來看，所謂自動化運(yùn)維，即在最少的人工干預(yù)下，結(jié)合運(yùn)用腳本與第三方工具，保證業(yè)務(wù)系統(tǒng)7*24小時高效穩(wěn)定運(yùn)行。所以，筆者認(rèn)為最接地氣的運(yùn)維自動化即為在企業(yè)數(shù)據(jù)中心原有IT基礎(chǔ)架構(gòu)條件下，能夠?qū)崿F(xiàn)IT資源標(biāo)準(zhǔn)化定義，并且實現(xiàn)運(yùn)維數(shù)據(jù)采集、加工、分析的自動化流程，最終能保障IT運(yùn)維的及時性和效率化的建設(shè)體系。
2.運(yùn)維自動化框架
首先，我們先來從企業(yè)數(shù)據(jù)中心運(yùn)維發(fā)展的歷史階段來分析運(yùn)維自動化。從很多傳統(tǒng)企業(yè)來看，尤其是金融企業(yè)的數(shù)據(jù)中心，大部分已經(jīng)經(jīng)歷了三個階段：
（1）復(fù)運(yùn)維工作精簡化的階段，利用標(biāo)準(zhǔn)統(tǒng)一的工作流來避免重復(fù)的人力工作；
（2）局部運(yùn)維工作自動化的階段，在不同的系統(tǒng)上部署針對不同對象的腳本來收集處理運(yùn)維數(shù)據(jù)；
（3）IT運(yùn)維平臺整合自動化的階段，平臺實現(xiàn)IT基礎(chǔ)架構(gòu)的半自動化運(yùn)維。
總結(jié)以上歷史階段的發(fā)展過程，運(yùn)維自動化的最初目的是為了提高效率和準(zhǔn)確率的基礎(chǔ)之上減少人力成本投入。運(yùn)維具體工作內(nèi)容包括：日常監(jiān)控任務(wù)中的日志配置、數(shù)據(jù)采集、報警過濾等；日常運(yùn)維任務(wù)當(dāng)中的腳本執(zhí)行、系統(tǒng)安裝、配置備份、配置檢查、配置變更、補(bǔ)丁分發(fā)等；作業(yè)調(diào)度中的應(yīng)用發(fā)布流程、應(yīng)用部署流程、變更流程、故障處理、災(zāi)備切換、資源交付等。那么，要實現(xiàn)對以上所有工作內(nèi)容的自動化整合需要經(jīng)歷以下三個步驟的建設(shè)：
首先，實現(xiàn)標(biāo)準(zhǔn)化是實現(xiàn)自動化的前提條件，因為自動化的工作流是必須要在標(biāo)準(zhǔn)化的基礎(chǔ)之上才能實現(xiàn)識別、判斷、處理等相關(guān)動作。標(biāo)準(zhǔn)化又包括資源定義的標(biāo)準(zhǔn)化、工作流程的標(biāo)準(zhǔn)化以及數(shù)據(jù)的標(biāo)準(zhǔn)化；然后，需要選擇數(shù)據(jù)采集的工具和方式，因為所有的自動化動作都是基于數(shù)據(jù)判斷的基礎(chǔ)上采取的后續(xù)步驟；最后需要對采集來的數(shù)據(jù)進(jìn)行加工處理以及最終的分析和決策，這里面包括常規(guī)性的決策、為后續(xù)采取動作需做的評估和預(yù)警、需要根據(jù)數(shù)據(jù)變化及時做出的動態(tài)調(diào)整等。
3.數(shù)據(jù)標(biāo)準(zhǔn)化體系建設(shè)
3.1資源標(biāo)準(zhǔn)化
所謂資源的標(biāo)準(zhǔn)化，涉及到的資源主要包括設(shè)備、系統(tǒng)、軟件等三類對象資源。
針對物理設(shè)備的標(biāo)準(zhǔn)化，首先，我們需要做到對物理設(shè)備的資產(chǎn)定義標(biāo)準(zhǔn)化。例如：對設(shè)備的命名、地址、位置、配置、參數(shù)、管理等一系列屬性信息的定義需要有統(tǒng)一規(guī)劃標(biāo)準(zhǔn)。不一定是一個標(biāo)準(zhǔn)，但是一定要建立一系列標(biāo)準(zhǔn)模板。其次，我們需要對物理設(shè)備的規(guī)劃使用設(shè)置標(biāo)準(zhǔn)。例如：設(shè)備的網(wǎng)絡(luò)配置、遠(yuǎn)程控制、存儲配置等方面的配置使用標(biāo)準(zhǔn)。最后，我們需要對設(shè)備使用設(shè)置運(yùn)維管理標(biāo)準(zhǔn)。例如：設(shè)備當(dāng)中的硬件環(huán)境的報警閥值規(guī)則定義。
針對系統(tǒng)層面的標(biāo)準(zhǔn)化，首先，與物理設(shè)備類似的資產(chǎn)定義標(biāo)準(zhǔn)化。例如：操作系統(tǒng)的主機(jī)名稱、類型、版本等相關(guān)資產(chǎn)屬性信息的標(biāo)準(zhǔn)化定義。其次，關(guān)于系統(tǒng)的標(biāo)準(zhǔn)化配置管理。例如：操作系統(tǒng)的初始化配置（地址、網(wǎng)關(guān)、掩碼、DNS、NTP、內(nèi)核參數(shù)調(diào)優(yōu)、日志、存儲使用、Agent）。最后，我們需要對操作系統(tǒng)設(shè)置運(yùn)維監(jiān)控標(biāo)準(zhǔn)。例如：CPU使用率、內(nèi)存使用率、硬盤使用率、IO延時、網(wǎng)絡(luò)狀況、進(jìn)程指標(biāo)、運(yùn)行時間等。一方面需要確定運(yùn)維監(jiān)控的指標(biāo)，另外一方面需要確定每一個指標(biāo)或者指標(biāo)組合的閥值預(yù)警判定規(guī)則。
針對軟件（主要是指系統(tǒng)上運(yùn)行的數(shù)據(jù)庫及應(yīng)用中間件）層面的標(biāo)準(zhǔn)化，首先，我們需要對應(yīng)用中間件的使用進(jìn)行標(biāo)準(zhǔn)化管理。例如：數(shù)據(jù)庫的類型和版本、同類中間件的類型和版本。其次，需要對所有軟件的初始化以及配置使用進(jìn)行標(biāo)準(zhǔn)化管理。例如：軟件安裝配置規(guī)范、配置文件規(guī)范、配置腳本規(guī)范、日志收集規(guī)范、端口監(jiān)聽規(guī)范等。最后，我們同樣需要對軟件的運(yùn)維監(jiān)控設(shè)定標(biāo)準(zhǔn)。也就是需要監(jiān)控的軟件服務(wù)指標(biāo)體系，以此來判斷軟件提供的服務(wù)的正常與否以及性能如何。
3.2流程標(biāo)準(zhǔn)化
所謂流程標(biāo)準(zhǔn)化就是指在數(shù)據(jù)中心運(yùn)維管理過程當(dāng)中涉及到的日常工作流程的標(biāo)準(zhǔn)化管理。如果沒有工作流程的標(biāo)準(zhǔn)化規(guī)范，那么所有的運(yùn)維工作就會變成隨機(jī)性流程，這樣的流程是沒有辦法利用腳本或者軟件工具來實現(xiàn)自動化的。具體說來，數(shù)據(jù)中心運(yùn)維工作流程的標(biāo)準(zhǔn)化需要做到以下幾個方面：
（1）資源管理流程：包括軟硬件資源的申請、審批、提供、銷毀等；
（2）資源初始化流程：包括操作系統(tǒng)、數(shù)據(jù)庫、中間件、應(yīng)用等方面的初始化配置工作；
（3）資源動態(tài)管理流程：包括資源在使用過程中根據(jù)監(jiān)控數(shù)據(jù)進(jìn)行動態(tài)調(diào)整的各類流程；
（4）事件處理流程：包括預(yù)警、報警、常規(guī)事件、常規(guī)故障的標(biāo)準(zhǔn)處理流程；
（5）監(jiān)控管理流程：包括監(jiān)控數(shù)據(jù)收集、加工、報送、分析、處理等各環(huán)節(jié)的處理方法及步驟；
（6）應(yīng)急處理流程：預(yù)定義的系列應(yīng)急處理流程，例如：流量限制、容災(zāi)切換。
3.3數(shù)據(jù)標(biāo)準(zhǔn)化
很多做運(yùn)維平臺的廠家到了客戶現(xiàn)場進(jìn)行調(diào)研的時候都會發(fā)現(xiàn)一個非常頭痛的問題。客戶實際環(huán)境當(dāng)中的軟件、硬件、應(yīng)用等各方面的日志數(shù)據(jù)會呈現(xiàn)出很多形態(tài)。既有加密日志（日志表現(xiàn)形式為代碼，需要根據(jù)代碼查詢?nèi)罩窘忉屨f明才能定位問題的日志）也有非加密日志；既有字段形式表示的也有不加任何分割的文字串表示的，而且內(nèi)容表示的方式也是各有千秋；既有文本文件也有壓縮包或者其他非文本文件形式；既有保存在數(shù)據(jù)庫的又有保存在目錄當(dāng)中的?？偠灾?，運(yùn)維數(shù)據(jù)從形態(tài)、內(nèi)容、載體等各個方面都沒有經(jīng)過標(biāo)準(zhǔn)化規(guī)范，最終導(dǎo)致運(yùn)維平臺可做的工作非常有限。
要實現(xiàn)運(yùn)維自動化，數(shù)據(jù)是前提條件，沒有數(shù)據(jù)的支撐就不會有后續(xù)的預(yù)警、報警以及與之相匹配的自動化運(yùn)維處理過程。因此在系統(tǒng)、中間件、應(yīng)用上線之前的設(shè)計階段，IT運(yùn)維的標(biāo)準(zhǔn)化規(guī)范就應(yīng)該輸入到規(guī)劃設(shè)計當(dāng)中。
4.數(shù)據(jù)收集手段和工具的使用
4.1腳本工具
很多人覺得談腳本有點落伍，應(yīng)該談一些高大上的自動化運(yùn)維集成工具或者產(chǎn)品。其實看到本質(zhì)上，任何自動化運(yùn)維平臺底層都是靠一些腳本去完成具體工作的，只不過是選取的腳本根據(jù)不同的運(yùn)維任務(wù)在類型、定義、執(zhí)行方式等方面會有所區(qū)別。拋開上層管理集成平臺，聚焦到腳本本身來看的話，腳本工具在自動化運(yùn)維過程當(dāng)中應(yīng)該在以下幾個方面發(fā)揮作用：
（1）數(shù)據(jù)收集：從很多企業(yè)的運(yùn)維來看，大家都會部署一些腳本來收集硬件、系統(tǒng)、軟件等各維度的運(yùn)維信息，有些是基于實時執(zhí)行結(jié)果的收集，有些是基于一定周期內(nèi)的日志文件內(nèi)容；
（2）數(shù)據(jù)加工：面對大量的原始日志信息，相信依靠人力去完成價值信息的提煉是比較耗費時間的，這個時候就需要腳本基于已經(jīng)收集的原始日志信息進(jìn)行重復(fù)加工，最終提煉價值信息。
（3）任務(wù)流程處理：所謂任務(wù)處理就是要根據(jù)預(yù)定義的一些需求輸入數(shù)據(jù)，串聯(lián)或者并聯(lián)一些工作步驟，從而完成一個完整的運(yùn)維任務(wù)工作流程，例如：系統(tǒng)初始化、軟件安裝、資源擴(kuò)展；
4.2工具使用
首先，多數(shù)實現(xiàn)運(yùn)維自動化的思維是選擇一個大而全的產(chǎn)品，然后讓這個產(chǎn)品滲透到運(yùn)維工作的各個維度，從而實現(xiàn)整體的自動化。但是結(jié)果往往差強(qiáng)人意，你選擇的產(chǎn)品最終沒有辦法與你現(xiàn)有的環(huán)境非常融洽的相處，所謂的自動化只是一個局部而已。所以，筆者認(rèn)為真正落地的思路是先選擇設(shè)計好運(yùn)維工作每一個角落的腳本工具，然后再考慮上層的管理整合。
其次，當(dāng)我們在聚焦于某一個數(shù)據(jù)采集環(huán)節(jié)或者某一個運(yùn)維工作任務(wù)的工具的時候，要考慮到工具本身的擴(kuò)展性以及交互性。比如Shell和Python，大多數(shù)數(shù)據(jù)采集的工具都是用Shell實現(xiàn)的，無論從效率上還是從與系統(tǒng)的融洽度角度來考慮，它都是最佳選擇。但是某些需要人機(jī)交互的自動化任務(wù)就只能靠Python了，比如輸入登錄信息這個操作。
再次，從運(yùn)維管理整體的集成角度，我們需要考慮到頂層運(yùn)維工作和底層運(yùn)維任務(wù)的整合邏輯。完整的運(yùn)維工作解耦分解之后就是一個個聚焦到有限動作的運(yùn)維任務(wù)，但是這些運(yùn)維任務(wù)要組成一個完整的運(yùn)維工作流是需要嚴(yán)密的判斷邏輯和控制機(jī)制的。
5.運(yùn)維數(shù)據(jù)分析及自動化決策
運(yùn)維自動化與監(jiān)控自動化最大的區(qū)別就在于是否有后續(xù)的動作。當(dāng)我們把所有的運(yùn)維數(shù)據(jù)都采集完成并且按照既定邏輯進(jìn)行加工處理之后，就下來就是價值信息的提取和有效動作的實施。
什么是價值信息的提取呢？舉個例子：比如我們想看存儲設(shè)備的負(fù)載是否正常，是否需要調(diào)整資源配置？傳統(tǒng)模式下，工程師需要收集存儲上的各種性能日志（端口性能、存儲控制器CPU及緩存、存儲卷的IO性能、吞吐量等等），而且是需要收集一定周期內(nèi)的均值和峰值數(shù)據(jù)。然后綜合判斷之后，決策需要調(diào)整資源或者無需調(diào)整。如果是自動化運(yùn)維，我們就需要把工程師如何分析和判斷的邏輯以及經(jīng)驗設(shè)計到腳本當(dāng)中。邏輯可以提煉成算法，經(jīng)驗可以提煉為歷史數(shù)據(jù)的概率算法。
什么是有效動作的實施呢？舉個例子：比如大多數(shù)金融企業(yè)都會面臨的購物刷卡的特殊節(jié)日或者時間段，如果是可預(yù)知的情況，很多相關(guān)的工程師會提前值守，應(yīng)用工程師實時觀察應(yīng)用處理業(yè)務(wù)的情況，IT工程師觀察計算、網(wǎng)絡(luò)、存儲等各類資源的使用情況，一旦監(jiān)控出現(xiàn)異常情況，IT工程師會把提前準(zhǔn)備好的相關(guān)服務(wù)器資源安裝配置好應(yīng)用之后丟進(jìn)資源池，這是通常的應(yīng)急處理方法。如果是自動化運(yùn)維，我們就需要把工程師對應(yīng)用、系統(tǒng)、網(wǎng)絡(luò)等各方面實時監(jiān)控到的信息進(jìn)行判斷的邏輯進(jìn)行標(biāo)準(zhǔn)固化，同時需要將準(zhǔn)備資源、初始化資源、分配資源以及對外提供服務(wù)的一系列操作進(jìn)行腳本化。
6.結(jié)語
總結(jié)而言，運(yùn)維自動化是企業(yè)IT運(yùn)維追求的重要目標(biāo)。實現(xiàn)運(yùn)維自動化的前提條件在于標(biāo)準(zhǔn)化，保障運(yùn)維自動化質(zhì)量的關(guān)鍵在于運(yùn)維數(shù)據(jù)的利用，落地運(yùn)維自動化項目的思路在于從下往上的設(shè)計思路。
