通过自动化运维实现无人值守的故障自愈

故障自愈指实时发现告警，预诊断分析，自动恢复故障，并打通周边系统实现故障的快速恢复。通过故障自愈提升企业网络系统可用性、降低排障处置人力投入，实现从“人工处置”到“无人值守”的转变。

针对运维中对故障自愈能力的需求，北京智和信通在实时监控告警的基础上，搭载可视化运维配置模块，通过赋予用户自定义编辑故障自愈策略的能力，实现无需针对告警进行手动处置，只需预编排告警处理流程，平台根据场景自动触发，从而做到故障自愈。

第1章故障自愈──以（磁盘爆满自动清理为例）

对各类设备进行批量、定时、条件触发等操作，通过自动化执行实现在网络、设备出现故障时的自动排障和自愈，释放运维人力。下面以磁盘爆满自动清理为例，介绍如何通过智和网管平台实现故障自愈。

效果要求：当服务器磁盘使用率超过90%时，触发自动清理策略，释放磁盘空间。

第一步：将需要管理的服务器纳入平台进行监控，并将监视器设置为磁盘使用率超过90%进行严重告警。

第二步：进入安管模块的运维编排菜单，创建磁盘爆满自动清理策略。根据真实排障过程，通过进行策略节点拖拽编排的方式规划自愈流程。

第三步：配置触发方式。方式支持通过告警触发和通过时间触发两种方式进行，为实现故障自愈的效果，我们选择通过匹配告警的方式触发策略。

编排流程配置完成后，设备出现对应的严重级别告警后，立即触发磁盘清理策略，自动执行编排内的操作，对故障进行校验和处置。并在执行过程中，对每一步处置操作进行记录形成日志，确保有迹可循。

第2章自定义应急处置，实现多场景下故障自愈

在故障自愈方案中，核心是精确定位告警并匹配到适宜用户应用场景的故障自愈策略。一个符合用户需求的自愈策略，将为用户节约80%的故障处理时间。

因此，北京智和信通提供从实时监控异常状态到告警收敛降噪、定位故障根因的高精确告警方案，并通过可视化编排工具，支持以拖拽的方式快速简单地完成作业流程的配置，将复杂的运维工作和任务转变为一致的，可复用的、可度量和有效的工作流，实现自动化运维。

故障自愈方案的整体流程从获取精准告警开始，到预诊断分析，判断告警类型和级别，一般告警触发自愈策略，平台进行自动恢复，严重复杂告警则通过告警通知、运维工单等形式通知运维管理人员，进行人工处理，从而实现故障的快速治愈。

第3章实时发现异常，智能故障收敛

智和信通故障自愈方案一体化集中监控各类IT资源，全量汇聚性能、事件、日志、流量等异常告警信息。充分利用积累的有效定障、排障经验，打通综合监控、IP合规性监测、流量透视、自动运维、运维工单等关联数据，实现从告警检测到排障恢复的全生命周期闭环管理。

3.1.实时监控，全面汇聚告警信息

实时监控、感知全网性能状态，通过主动沦陷与日志解析的方式，动态呈现网络态势，覆盖网络中各类软硬件设备，洞察设备、资源、链路性能。采用多种告警机制，自定义配置告警阈值，从众多的状态信息和日志数据中，将零散的信息总结成当前态势并进行实时分析，对异常情况进行告警。

3.2.事件接收，日志汇总分析

接收Trap、Syslog、Filter Alarm等事件信息和设备日志数据，集中存储、解析、提取有效信息，将事件与日志存储为可统计分析的结构化数据，呈现日志数据价值。根据对事件、日志数据的挖掘与分析，通过配置告警规则和场景，将异常日志自动转化为告警，定位其影响范围。

3.3.告警降噪，快速定位根因

采用自动去重、风暴抑制、关联聚合、维护期时间屏蔽、依赖屏蔽等多种智能告警降噪机制，通过AI算法，对各类告警进行自动压缩收敛，减少90%的无效告警，抑制告警风暴，直达故障根因。包括事件过滤机制、故障事件上报机制、故障事件呈现过滤、故障事件入库过滤、故障事件确认等处理机制，有效避免误报和漏报。

一步定位到发生故障的源头设备，基于混合算法，快速检索异常问题关联涉及的各项维度与影响范围，快速定位问题边界。及时进行排障处置，支持以拓扑图的方式回放历史告警下的设备告警变化、拓扑图和链路告警变化，支持快进、后退等播放操作，有效地预防更加严重的故障发生。

第4章可视化场景编排，提升复杂故障处置能力

方案具备拖拽式场景编排能力，可以灵活地定制运维场景，自动执行编排流程。整体运维操作过程和执行结果均以可视化的方式进行呈现。不限制作业流程及流程内节点配置数量，全面满足不同运维需求，同时支持高性能的多条编排流程并发执行，加快排障处置效率。

平台内置多种原子运维命令，满足用户日常基本运维需求，同时支持用户配置专属策略，通过对原子策略的组合复用，实现针对不同运维场景的策略模板，满足不同设备在不同运维场景下的特有需求。

通过可视化编排以拖拽的方式快速简单地完成作业流程的配置，将复杂的运维工作和任务转变为一致的，可复用的、可度量和有效的工作流，实现自动化运维。

智和信通故障自愈方案通过“监控+运维+控制”相结合的方式，将日常所需的各类故障排查、处置工作以策略模板的形式提供给用户，确保每个操作安全高效，全面提升告警排障效率。