為應對數字化轉型的挑戰，提升整體的IT運營和運維能力，金融行業數據中心管理體系也在一直發展、完善。我們認為大體分為兩大階段，即狹義數據中心監控管理，到廣義數據中心監控管理階段。其中廣義的數據中心監控管理，更多是含從業務價值視角的全領域的建設。通過建立完善的監控告警管理規范，結合監控告警工具，可以提高系統的穩定性和可靠性，減少故障的發生和影響，提升業務價值。

某大型保險公司基于嘉為藍鯨告警中心，構建了完善的告警管理規范，打造告警全生命周期管理體系，實現業務可用性提升。

01. 業務場景

該公司在多年的監控建設過程中，已陸續實現了網絡設備監控、系統基礎監控、中間件數據庫監控、云平臺監控、應用監控、動環監控，所有的監控告警管理規范和工具都由數據中心管理員進行管理，各領域管理崗和外包人員負責接收和處理監控過程中產生的告警。由于監控系統分散、涉及角色多，數據中心管理員較難進行規范管理。

缺乏專業工具支撐，告警的產生、流轉、處理過程中需要耗費時間較長，響應和處理效率低下，對業務連續性使用會產生一定影響。同時因為各領域管理崗較為分散，對于告警的處理效率、人力成本等很難進行評估和量化。

02. 分析痛點

該公司有規范的管理流程，但缺少工具支撐管理，導致在實際業務場景中存在以下痛點：

1）工具無法匹配管理規范

基于企業對告警的管理規范，5級及以上的告警都能自動生成事件工單且由對應的人員處理，且會根據告警治理過程對規范進行優化，需要通過配置才能靈活適配規范。

2）告警信息不規范

由于監控系統多樣性以及建設的時間較早，導致告警信息不規范，很多告警甚至缺少關鍵信息。

3）告警無法收斂導致工單過多

現有系統中，產生的告警60%以上都是重復告警。這些無效和重復的告警會導致創建的事件工單量大、告警通知量大，且需要在人工處理階段花大量時間對重復的工單進行判斷關聯。事件單數量過多也不符合管理規范。

4）無法適配交易時間

金融業的業務系統跟交易時間關聯較大，因變更和交易關閉時間，也會產生一些無效的告警，需要根據交易時間判斷告警有效性。

5）變更導致告警風暴

變更過程或者變更過后，會產生大量告警，需要自動對變更產生的告警進行屏蔽。

03. 解決方案

1）結合告警管理規范，落地最佳實踐

根據該公司的組織架構和管理規范，結合業務場景，通過配置和對接第三方系統，對整個告警生命周期管理實現了閉環。

2）結合CMDB實現告警豐富及告警動態分派

通過關聯CMDB數據，實現告警信息的豐富和完善，并根據CMDB實例中的負責人信息，實現了告警動態流轉，保證告警通知的及時性和準確性。

3）根據交易日歷和變更進行告警收斂

根據交易日歷和ITSM變更工單，修改告警收斂策略的時效性或者創建新的收斂策略，通過自動化手段盡可能地減少無效告警。

04. 成果展示

1）結合CMDB實現告警動態分派

2）根據ITSM變更工單創建告警屏蔽

3）交易日歷控制抑制策略是否生效

05. 建設成效

• 實現了多監控系統的告警進行統一生命周期管理，實現告警100%管理；
• 實現告警動態分派和準確觸達，告警從產生到通知不到1分鐘；
• 結合金融行業的特征實現告警收斂，減少了無效告警產生的資源浪費，告警收斂率達到70%；
• 多種自動化場景結合，減少日常人工維護和管理的成本；
• 為告警治理提供數據支持，通過數據復盤實現各環節的優化。

06. 場景適用性

嘉為藍鯨告警中心適用于告警生命周期管理的場景，結合企業告警管理規范，總結出企業最佳落地實踐。適用于金融行業及其他更廣泛行業進行告警高效處理、標準化實現業務系統持續可用的場景。適用有以下業務場景需求的企業：

• 監控系統較多，沒有集中管理告警的系統；
• 告警數量較多且很多無效告警，告警處理效率低；
• 告警產生跟交易開閉市時間有關聯，需要根據交易時間對告警進行分別處理；
• 原來監控告警沒有完善的規范，管理較為混亂，想要規范化；
• 告警處理過程中故障排查較難，希望有信息進行輔助排查；
• 想要通過故障自愈實現一些固化場景，或者實現場景創新。