鼎茂科技助力银行客户，轻松完成40+监控工具的统一智能告警管理

案例应用解决方案 >AIOps for IT - 鼎茂统一智能告警平台

鼎茂统一智能告警平台解决方案，旨在帮助企业客户为运维工作提供易操作、快显效、智能化的告警管理提效工具。

该解决方案通过对全域告警事件的统一纳管、综合治理、排障分析与处置流转，一站式解决多源、异构、海量告警所带来的管理难、排查难、跟踪难等告警管理问题，实现运维效能的显著升级。

目前，该解决方案已应用在金融、电信、政府医疗等行业的大、中型规模的客户与机构中，为企业持续提供重要的运维管理价值。

本文的客户故事为该解决方案在某外资银行客户中的实践案例，适合同类规模和阶段机构团队借鉴。

案例背景 >

随着该行核心业务系统升级和各类业务的广泛开展，其业务系统数量规模已达到200多套，软硬件设备近万台，每天产生数万条告警数据。但该行目前针对业务系统的分散运维管理导致了监控数据和告警信息的碎片化；面向问题通知处置的独立运营，也使得问题识别和响应变得困难，同时也增加了故障处理的技术成本和时间成本。为了更好地维护系统的稳定性和可靠性，并切实有效地进行运维管理的降本增效，该行对多系统告警管理提出了更加明确的要求。

需求分析

01.1 面临的问题

该行目前面向各系统及核心业务的告警来自：各系统的自监控、拨测、Opmanager网络监控、科来监控、Zabbix、ControlM、依米康、斯特纽、ESB、Moia、分布式存储、日志平台、听云等各种类型的监控工具，数量80+；同时配合ITSM、CMDB、自动化平台等。

·告警量大、来源分散、数据不标准

容易忽略重要告警

现有的管理模式下，上述的方式每天大约产生的告警数量有几万条，且格式规范均不统一。

运维人员需要登录到逐个系统进行查看，并凭借过往针对类似告警的处置经验进行选择性处理。这会导致隐藏在海量告警之中的重要告警被运维人员忽略，造成隐患。

·缺乏全局视图

难以进行整体评估和判断

各业务系统的告警信息和通知方式未打通，缺乏全局化统一的管理视图，难以针对故障进行整体性的评估判断和故障溯源。

·缺乏有效关联

潜在问题难以及时发现

当某业务系统出现异常时，应用管理员通常是在用户遇到故障并报告后才得知。经过排查，他们发现这一事件在应用早期阶段就有错误日志记录。然而，由于缺乏关联分析和有效的告警方式，导致应用管理员并未意识到这一问题的存在。

·通知不智能，管理不闭环

难以提升管理效率

在业务系统出现异常时，仅凭个人经验进行处置，并依赖人工创建工单，导致故障处理的用时过长，增加业务受影响的周期。

多数监控工具缺乏告警恢复功能。新增告警难以确认是否已经恢复，导致反复处理或遗漏处理，增加重大事件的概率。

01.2 项目建设目标

鉴于以上的各种挑战，客户希望能够建设可覆盖全域告警管理的统一智能告警平台，并实现以下需求：

·数据集成/治理

整合各业务的自监控，通过标准规范实现面向全域告警数据的规范治理以及统一管理。

·告警降噪

利用机器学习和算法技术进行告警压缩、告警汇聚与智能分析，使系统管理员与维护人员的工作更聚焦于问题与故障的发现与溯源。

·统一可视化

将所有核心业务的各项重要指标与告警，进行有系统、有逻辑的统一展现，实现管理的便利性和高效性。

·闭环管理

增加告警恢复逻辑，形成完整的告警响应机制；并跟踪告警的处理过程，形成完整的告警管理闭环。

解决方案及思路

02.1 建设思路

该建设方案基于鼎茂统一智能告警解决方案，根据客户业务规模和监控对象的特点，进行功能优化和部署。以鼎茂科技自研的ARCANA（多模态数据智能分析与决策平台）作为统一数据底座，集成各业务系统监控工具产生的告警。该方案通过ARCANA的ARC-ADP（鼎茂低代码数据开发平台组件）进行数据规范处理后，推送给Di-Alert（鼎茂智能告警中心应用），并在ARC-IOC（鼎茂数智运营中心组件）中实现告警智能分析、处置流转和统一可视化管理等功能，形成统一的智能告警管理平台，并为客户提供统一的管理门户。