透過自動化運維實現無人值守的故障自愈

故障自愈指實時發現告警，預診斷分析，自動恢復故障，並打通周邊系統實現故障的快速恢復。透過故障自愈提升企業網路系統可用性、降低排障處置人力投入，實現從“人工處置”到“無人值守”的轉變。

針對運維中對故障自愈能力的需求，北京智和信通在實時監控告警的基礎上，搭載視覺化運維配置模組，透過賦予使用者自定義編輯故障自愈策略的能力，實現無需針對告警進行手動處置，只需預編排告警處理流程，平臺根據場景自動觸發，從而做到故障自愈。

第1章 故障自愈──以（磁碟爆滿自動清理為例）

對各類裝置進行批次、定時、條件觸發等操作，透過自動化執行實現在網路、裝置出現故障時的自動排障和自愈，釋放運維人力。下面以磁碟爆滿自動清理為例，介紹如何透過智和網管平臺實現故障自愈。

效果要求：當伺服器磁碟使用率超過90%時，觸發自動清理策略，釋放磁碟空間。

第一步：將需要管理的伺服器納入平臺進行監控，並將監視器設定為磁碟使用率超過90%進行嚴重告警。

第二步：進入安管模組的運維編排選單，建立磁碟爆滿自動清理策略。根據真實排障過程，透過進行策略節點拖拽編排的方式規劃自愈流程。

第三步：配置觸發方式。方式支援透過告警觸發和透過時間觸發兩種方式進行，為實現故障自愈的效果，我們選擇透過匹配告警的方式觸發策略。

編排流程配置完成後，裝置出現對應的嚴重級別告警後，立即觸發磁碟清理策略，自動執行編排內的操作，對故障進行校驗和處置。並在執行過程中，對每一步處置操作進行記錄形成日誌，確保有跡可循。

第2章 自定義應急處置，實現多場景下故障自愈

在故障自愈方案中，核心是精確定位告警並匹配到適宜使用者應用場景的故障自愈策略。一個符合使用者需求的自愈策略，將為使用者節約80%的故障處理時間。

因此，北京智和信通提供從實時監控異常狀態到告警收斂降噪、定位故障根因的高精確告警方案，並透過視覺化編排工具，支援以拖拽的方式快速簡單地完成作業流程的配置，將複雜的運維工作和任務轉變為一致的，可複用的、可度量和有效的工作流，實現自動化運維。

故障自愈方案的整體流程從獲取精準告警開始，到預診斷分析，判斷告警型別和級別，一般告警觸發自愈策略，平臺進行自動恢復，嚴重複雜告警則透過告警通知、運維工單等形式通知運維管理人員，進行人工處理，從而實現故障的快速治癒。

第3章 實時發現異常，智慧故障收斂

智和信通故障自愈方案一體化集中監控各類IT資源，全量匯聚效能、事件、日誌、流量等異常告警資訊。充分利用積累的有效定障、排障經驗，打通綜合監控、IP合規性監測、流量透視、自動運維、運維工單等關聯資料，實現從告警檢測到排障恢復的全生命週期閉環管理。

3.1. 實時監控，全面匯聚告警資訊

實時監控、感知全網效能狀態，透過主動淪陷與日誌解析的方式，動態呈現網路態勢，覆蓋網路中各類軟硬體裝置，洞察裝置、資源、鏈路效能。採用多種告警機制，自定義配置告警閾值，從眾多的狀態資訊和日誌資料中，將零散的資訊總結成當前態勢並進行實時分析，對異常情況進行告警。

3.2. 事件接收，日誌彙總分析

接收Trap、Syslog、Filter Alarm等事件資訊和裝置日誌資料，集中儲存、解析、提取有效資訊，將事件與日誌儲存為可統計分析的結構化資料，呈現日誌資料價值。根據對事件、日誌資料的挖掘與分析，透過配置告警規則和場景，將異常日誌自動轉化為告警，定位其影響範圍。

3.3. 告警降噪，快速定位根因

採用自動去重、風暴抑制、關聯聚合、維護期時間遮蔽、依賴遮蔽等多種智慧告警降噪機制，透過AI演算法，對各類告警進行自動壓縮收斂，減少90%的無效告警，抑制告警風暴，直達故障根因。包括事件過濾機制、故障事件上報機制、故障事件呈現過濾、故障事件入庫過濾、故障事件確認等處理機制，有效避免誤報和漏報。

一步定位到發生故障的源頭裝置，基於混合演算法，快速檢索異常問題關聯涉及的各項維度與影響範圍，快速定位問題邊界。及時進行排障處置，支援以拓撲圖的方式回放歷史告警下的裝置告警變化、拓撲圖和鏈路告警變化，支援快進、後退等播放操作，有效地預防更加嚴重的故障發生。

第4章 視覺化場景編排，提升複雜故障處置能力

方案具備拖拽式場景編排能力，可以靈活地定製運維場景，自動執行編排流程。整體運維操作過程和執行結果均以視覺化的方式進行呈現。不限制作業流程及流程內節點配置數量，全面滿足不同運維需求，同時支援高效能的多條編排流程併發執行，加快排障處置效率。

平臺內建多種原子運維命令，滿足使用者日常基本運維需求，同時支援使用者配置專屬策略，透過對原子策略的組合複用，實現針對不同運維場景的策略模板，滿足不同裝置在不同運維場景下的特有需求。

透過視覺化編排以拖拽的方式快速簡單地完成作業流程的配置，將複雜的運維工作和任務轉變為一致的，可複用的、可度量和有效的工作流，實現自動化運維。

智和信通故障自愈方案透過“監控+運維+控制”相結合的方式，將日常所需的各類故障排查、處置工作以策略模板的形式提供給使用者，確保每個操作安全高效，全面提升告警排障效率。