中国联通数字化监控平台稳定性保障工具落地实践_25页_9mb

中国联通数字化监控平台稳定性保障工具总结

核心内容

中国联通数字化监控平台稳定性保障工具是为应对云原生时代系统复杂性和运维挑战而设计的综合性解决方案。该工具通过覆盖广度和深度不断增加的演进路径，实现了从传统人肉运维到智能化、自动化运维的转变，支持端到端稳定性保障，涵盖故障发现、诊断、恢复、预防等多个阶段，有效提升了系统的稳定性和运维效率。

主要观点

• 云原生挑战：随着云资源、微服务和调用关系的几何级增长，传统运维模式已无法满足需求。
• 运维体系演进：从工具产品化逐步向制度、管理体系化转变，覆盖多个运维阶段。
• 智能化与自动化：工具支持自动化运维、智能化故障处理，实现故障自愈、隐患预测等能力。
• 全层级监控：涵盖业务、应用、组件、资源等全层级指标数据采集和分析，支持实时监控和深度分析。
• AIOps与LLM探索：未来将探索更多AIOps场景，以及LLM在运维中的应用。

关键信息

1. 稳定性保障工具演进历程

• 故障发现与诊断：从单系统应用维度定位到跨系统全链路定界诊断。
• 故障恢复与应急：从人工恢复到故障自愈，支持多种故障恢复场景。
• 故障预防：从被动应急到主动预防，支持变更追踪和容量隐患预测。
• 体系演进：从工具建设到体系建设，实现运维流程的全面覆盖。

2. 可观测性建设

• 指标数据采集：实现业务、前端、应用、云平台、组件、基础资源的全层级指标数据采集。
• 链路追踪：支持跨系统、跨云平台、跨数据中心链路拓扑，日均处理600亿数据。
• 日志分析：统一规范的日志采集、分布式存储、实时检索与异常检测能力，提升问题定位效率。
• 一键故障诊断：通过六步定位法，实现全层级一键诊断，当前诊断率达68%。

3. 故障自愈

• 自动化运维：实现事件根因自动诊断，自动执行查杀、重启、扩容等操作。
• 自愈效率：月均执行1000+次，平均耗时3秒以内。

4. 系统隐患预防

• 容量隐患分析：制定容量标准，定期进行压测和评估，优化资源使用。
• 链路性能瓶颈分析：通过RT增长、trace分析等手段，定位并解决性能瓶颈。
• 系统健康检查：通过AI算法分析，实现全层级健康度评分和隐患分析。

5. 变更管理

• 流程线上化：实现生产运营流程的统一管理，包括申请、审批、执行等。
• 变更轨迹追踪：支持IaaS、PaaS、SaaS全层级变更轨迹追踪。

6. 故障闭环整改

• 全流程管理：实现故障事前预防、事中调度、事后改进的闭环管理。
• 提升效率：降低故障时长和次数，提升业务连续可用率。

当前挑战

• 业务监控：跨部门、跨分子公司业务监控梳理难度大。
• 链路完整串联：网关、虚拟网络、物理网络自动拓扑难度高。
• 自动化不足：应急预案自动化、容量隐患评估自动化仍有待提升。
• 智能化局限：目前仅在特定场景落地智能化，需拓展至全场景。
• 开源依赖：国内开源软件供应链存在“卡脖子”问题，需加强自主可控能力。

未来展望

• 适应数字化发展：提升工具的适配性和泛化性，应对系统快速迭代。
• 国际竞争：安全生产保障工具在国际竞争中扮演重要角色。
• 信创浪潮：信创将为产品提供更多可能性。
• 大模型应用：探索大模型在信息获取、技术变革和创造变革中的应用。

附录

• 二维码：扫码添加微信联系人，微信号：hiJiaahao。
• 白皮书：数字化监控平台白皮书。

项目背景

中国联通软件研究院项目经理曹家豪介绍了稳定性保障工具的建设与落地实践，强调了在数字化转型过程中，系统安全生产的重要性。通过构建智能化、自动化的运维体系，提升了运维效率和系统稳定性，为未来运维发展提供了方向和策略。