【摘要】" " 本文借鑒業(yè)界互聯(lián)網(wǎng)公司在微服務(wù)、容器化監(jiān)控方面的先進(jìn)技術(shù)和經(jīng)驗(yàn)，以服務(wù)視角設(shè)計(jì)了新一代云原生一體化運(yùn)維監(jiān)控系統(tǒng)，并介紹了該系統(tǒng)在實(shí)際應(yīng)用中的價值成效，為傳統(tǒng)運(yùn)營商運(yùn)維支撐管理體系轉(zhuǎn)型發(fā)展及創(chuàng)新實(shí)踐提供了借鑒。

【關(guān)鍵詞】" " 云原生" " 一體化" " 運(yùn)維監(jiān)控" " 運(yùn)營商

一、云原生架構(gòu)面臨的挑戰(zhàn)

隨著運(yùn)營商第三代業(yè)務(wù)支撐系統(tǒng)逐步向微服務(wù)化（云原生）架構(gòu)演進(jìn)，運(yùn)營商業(yè)務(wù)生產(chǎn)環(huán)境日益復(fù)雜、技術(shù)棧多、技術(shù)組件復(fù)雜、服務(wù)數(shù)量激增以及服務(wù)間的靈活調(diào)用，使得微服務(wù)架構(gòu)下的監(jiān)控運(yùn)維工作面臨“傳統(tǒng)手段不再適配”、“故障定界更加復(fù)雜”、“監(jiān)控?cái)?shù)據(jù)規(guī)模體量劇增”等挑戰(zhàn)。

1.1傳統(tǒng)監(jiān)控手段不再適配

容器化改造后，容器實(shí)例對象等基礎(chǔ)資源動態(tài)可變，一般多副本pod實(shí)例發(fā)生故障時候會在其他節(jié)點(diǎn)上強(qiáng)制拉起。同時，容器化應(yīng)用的變更、滾動升級，可能新增數(shù)百、數(shù)千個容器，并同時拉起，傳統(tǒng)人工方式配置及被動發(fā)現(xiàn)監(jiān)控點(diǎn)無法應(yīng)對云資源動態(tài)變化的監(jiān)控場景。

1.2故障定界更加復(fù)雜

微服務(wù)改造后，服務(wù)數(shù)量激增且服務(wù)間調(diào)用關(guān)系錯蹤復(fù)雜，在整個服務(wù)鏈條中，如果有任何一個服務(wù)節(jié)點(diǎn)出現(xiàn)了延遲或問題會使得影響整體服務(wù)，傳統(tǒng)黑盒監(jiān)控手段無法排查鏈條中具體哪個服務(wù)節(jié)點(diǎn)出現(xiàn)問題。

1.3監(jiān)控?cái)?shù)據(jù)規(guī)模體量劇增

業(yè)務(wù)快速發(fā)展，各上層業(yè)務(wù)應(yīng)用持續(xù)快速構(gòu)建，使得監(jiān)控?cái)?shù)據(jù)爆炸式增長，傳統(tǒng)關(guān)系型數(shù)據(jù)庫難以支撐海量監(jiān)控?cái)?shù)據(jù)的實(shí)時讀寫，運(yùn)維人員無法快速處理系統(tǒng)異常。

針對以上痛點(diǎn)問題，本文借鑒業(yè)界互聯(lián)網(wǎng)公司在微服務(wù)、容器化監(jiān)控方面的先進(jìn)技術(shù)和經(jīng)驗(yàn)，將運(yùn)維監(jiān)控視角由“傳統(tǒng)的分層+機(jī)器為中心”轉(zhuǎn)變?yōu)椤耙苑?wù)為中心”，設(shè)計(jì)并搭建了新一代云原生一體化運(yùn)維監(jiān)控系統(tǒng)（Bomc），保障了系統(tǒng)穩(wěn)定，提升了監(jiān)控運(yùn)維效率。

二、新一代云原生一體化運(yùn)維監(jiān)控系統(tǒng)設(shè)計(jì)

2.1開源技術(shù)選型

2.1.1容器技術(shù)

容器技術(shù)可以理解為輕量級的虛擬化技術(shù)，但容器不等同于虛擬機(jī)，兩者之間有著本質(zhì)的差別。相比虛擬機(jī)技術(shù)，容器并沒有虛擬化整個操作系統(tǒng)，而是在不同的虛擬化環(huán)境間共用同一個操作系統(tǒng)的內(nèi)核，通過內(nèi)核和相關(guān)工具集提供的功能，實(shí)現(xiàn)資源的隔離，包括：CPU、內(nèi)存資源的隔離；磁盤I/O的隔離；網(wǎng)絡(luò)的隔離；用戶的隔離。本文設(shè)計(jì)的一體化運(yùn)維監(jiān)控系統(tǒng)使用的容器技術(shù)方案是Docker項(xiàng)目，Docker項(xiàng)目擁有標(biāo)準(zhǔn)化的鏡像機(jī)制、完善的API，和成熟的社區(qū)支持，是目前最為成熟穩(wěn)定的容器技術(shù)產(chǎn)品。

2.1.2微鏡像技術(shù)

容器是一個運(yùn)行時環(huán)境，容器得以運(yùn)行的基礎(chǔ)是容器鏡像。微鏡像，是指由本文設(shè)計(jì)的監(jiān)控系統(tǒng)構(gòu)建出來的鏡像，其體積很小，相比市面上動輒上GB的容器鏡像，本監(jiān)控系統(tǒng)的基礎(chǔ)鏡像平均在300MB左右。通過對鏡像尺寸的不斷壓縮和裁剪，可以在項(xiàng)目中減少不必要的網(wǎng)絡(luò)與存儲開銷，使得獲取鏡像的過程更加的方便、快捷，業(yè)務(wù)程序的更新也更加迅捷，大大有利于項(xiàng)目進(jìn)度的快速推進(jìn)。

2.2 技術(shù)方案

2.2.1基礎(chǔ)平臺設(shè)計(jì)

1.一鍵部署。1）平臺本身的一鍵部署。運(yùn)營商業(yè)務(wù)的承載平臺擁有專業(yè)而強(qiáng)大的功能，其部署也較為復(fù)雜，通常需要專業(yè)技術(shù)人員親臨現(xiàn)場部署，或項(xiàng)目參與人員花大量時間進(jìn)行學(xué)習(xí)，這就間接提高了項(xiàng)目的成本。一體化平臺在進(jìn)行安裝時僅需執(zhí)行一條命令，之后的過程自動化進(jìn)行，且無需依賴任何特定的網(wǎng)絡(luò)環(huán)境，同時對進(jìn)行部署的技術(shù)人員幾乎沒有技術(shù)要求，大大縮短了部署周期。2）業(yè)務(wù)程序的一鍵部署。一體化平臺在項(xiàng)目的開發(fā)、部署、測試、上線等環(huán)節(jié)，采用了持續(xù)集成的方式。基于Docker項(xiàng)目的容器技術(shù)，一體化平臺在進(jìn)行產(chǎn)品發(fā)布的時候，保證了產(chǎn)品程序依賴的獨(dú)立性和完整性。在建立標(biāo)準(zhǔn)產(chǎn)品容器鏡像的基礎(chǔ)上，僅需在一體化平臺上拖拽拓?fù)鋱D標(biāo)，便可一鍵部署業(yè)務(wù)程序。

2.多層監(jiān)控。一體化平臺可對項(xiàng)目中的基礎(chǔ)硬件設(shè)施、通用組件和項(xiàng)目業(yè)務(wù)進(jìn)行統(tǒng)一的多層監(jiān)控。1）基礎(chǔ)硬件設(shè)施。通過對基礎(chǔ)硬件設(shè)施的抽象，可對傳統(tǒng)的物理服務(wù)器、虛擬服務(wù)器、網(wǎng)絡(luò)設(shè)備、存儲設(shè)備等硬件進(jìn)行統(tǒng)一監(jiān)控，通過代理程序（Agent），或者使用標(biāo)準(zhǔn)的SNMP等協(xié)議，可以便捷地獲取硬件的性能信息，并通過直觀的圖形化方式展現(xiàn)給運(yùn)維管理人員。2）通用組件。一體化平臺對運(yùn)營商業(yè)務(wù)平臺使用的通用組件進(jìn)行了深入的研究，以獲取其準(zhǔn)確的、能夠反映組件運(yùn)行狀態(tài)的性能指標(biāo)，通過一體化平臺對組件性能指標(biāo)數(shù)據(jù)的采集和展示，可以客觀有效地反映出組件的運(yùn)行狀態(tài)，有效地協(xié)助運(yùn)維人員定位和分析問題。3）項(xiàng)目業(yè)務(wù)。在傳統(tǒng)運(yùn)營商項(xiàng)目中，項(xiàng)目業(yè)務(wù)的監(jiān)控是一個難點(diǎn)，往往需要編寫額外的獨(dú)立腳本或程序進(jìn)行業(yè)務(wù)數(shù)據(jù)的獲取，而一體化平臺很巧妙地結(jié)合容器技術(shù)和日志清洗功能，將項(xiàng)目業(yè)務(wù)產(chǎn)生的監(jiān)控日志直接采集到一體化平臺內(nèi)部，并提供統(tǒng)一的監(jiān)控展示。

3.高效運(yùn)維。本文設(shè)計(jì)的一體化運(yùn)維監(jiān)控系統(tǒng)支持告警通知和通知方式相分離：這使得一個告警來源可以觸發(fā)多種通知方式，如短信、郵件、日志等（短信接口視項(xiàng)目的不同須定制開發(fā)），告警的時效得到進(jìn)一步保障；支持實(shí)現(xiàn)彈性擴(kuò)容的自動化操作、云資源的整合，以及故障處理的記錄。

2.2.2創(chuàng)新能力設(shè)計(jì)

本文基于運(yùn)維數(shù)據(jù)，引入相關(guān)性計(jì)算、知識圖譜等AI技術(shù)，挖掘分析歷史性能、告警、調(diào)用鏈等運(yùn)維數(shù)據(jù)，構(gòu)建機(jī)器指標(biāo)分層定界、業(yè)務(wù)指標(biāo)多維分析、云原生故障分析樹等云原生排障能力，綜合應(yīng)用，輔助實(shí)現(xiàn)云原生架構(gòu)下的故障快速定界。

1.構(gòu)建運(yùn)維知識圖譜，排障基礎(chǔ)支撐?；趫D數(shù)據(jù)庫，構(gòu)建運(yùn)維知識圖譜，系統(tǒng)動態(tài)畫像。以應(yīng)用為核心，動態(tài)串聯(lián)基礎(chǔ)設(shè)施和上層應(yīng)用，實(shí)時呈現(xiàn)系統(tǒng)中的實(shí)體、關(guān)系和屬性。構(gòu)建中臺化應(yīng)用的動態(tài)監(jiān)控、故障排查等運(yùn)維場景的基礎(chǔ)能力。

2.機(jī)器指標(biāo)分層定界分析，系統(tǒng)故障分層定界。業(yè)務(wù)出現(xiàn)故障時，應(yīng)用智能算法基于業(yè)務(wù)所依賴的各集群、模塊和服務(wù)器的監(jiān)控?cái)?shù)據(jù)自動快速進(jìn)行故障定位。通過對比監(jiān)控?cái)?shù)據(jù)在業(yè)務(wù)故障時間點(diǎn)前后相關(guān)機(jī)器指標(biāo)的異常程度，并依據(jù)異常程度進(jìn)行聚類排序展示，輔助快速確定故障排障方向。

3.業(yè)務(wù)明細(xì)多維定位，業(yè)務(wù)應(yīng)用異常定界?；诠收蠘I(yè)務(wù)系統(tǒng)異常時間段的大量交易明細(xì)，分多種維度（或組合維度）進(jìn)行統(tǒng)計(jì)分析，根據(jù)維度組合告警前后的指標(biāo)劣化程度進(jìn)行排序展示，最終確定異常維度組合， 解決多維度或復(fù)雜組合維度下人工分析定位效率低的問題。

4.構(gòu)建故障分析樹，進(jìn)行故障溯源定位。依據(jù)云原生運(yùn)維圖譜相關(guān)實(shí)體的屬性信息關(guān)聯(lián)故障時間段系統(tǒng)的異常信息，動態(tài)生成故障排障分析樹，并依據(jù)故障傳播圖拓?fù)浣Y(jié)構(gòu)及權(quán)值信息計(jì)算節(jié)點(diǎn)的根因概率并給出TOP根源推薦，輔助運(yùn)維人員實(shí)現(xiàn)復(fù)雜調(diào)用及依賴關(guān)系下故障的快速定位排查。

三、應(yīng)用場景及成效

本文設(shè)計(jì)的一體化運(yùn)維監(jiān)控系統(tǒng)應(yīng)用成效主要體現(xiàn)在以下三個方面：

運(yùn)維效率提升方面：云原生架構(gòu)下，MTTR降低50%；隱患發(fā)現(xiàn)提前25分鐘，感知類故障降低31%；故障定位定界效率提升43%。

保障服務(wù)質(zhì)量方面：智能運(yùn)維提升系統(tǒng)運(yùn)行穩(wěn)定性，改善一線支撐感知，有效提升內(nèi)外部客戶滿意度。

降低運(yùn)維成本方面：通過生產(chǎn)系統(tǒng)的故障智能定界，每年節(jié)約各類工作量約8人月，按照代維成本1.8萬元/人月計(jì)算，全年節(jié)約約8*1.8*12=172萬元。

具體項(xiàng)目應(yīng)用方面：

1. CRM容器化揚(yáng)州中心、無錫中心基礎(chǔ)設(shè)施監(jiān)控。實(shí)現(xiàn)CRM系統(tǒng)揚(yáng)州中心、無錫中心2個資源池，180節(jié)點(diǎn)（宿主機(jī)），142個Kubernetes組件，101個應(yīng)用、2525個Pod的動態(tài)發(fā)現(xiàn)和監(jiān)控點(diǎn)自動配置及健康度、運(yùn)行狀態(tài)、資源使用情況等的監(jiān)控。實(shí)現(xiàn)按照應(yīng)用、實(shí)例、命名空間多維度的查詢分析每個資源池中各容器化應(yīng)用的資源使用情況，能夠按照應(yīng)用、實(shí)例維度展示計(jì)算、網(wǎng)絡(luò)、存儲的綜合指標(biāo)。

2.實(shí)現(xiàn)容器化營業(yè)廳零售系統(tǒng)應(yīng)用性能及服務(wù)調(diào)用追蹤分析。完成營業(yè)廳零售系統(tǒng)會員管理、門店管理、優(yōu)惠券管理、訂單管理等5個核心模塊部署，涉及26個應(yīng)用Pod，每天近583萬次服務(wù)調(diào)用中各服務(wù)請求總數(shù)、請求處理時延、請求結(jié)果（成功、失?。┙y(tǒng)計(jì)、調(diào)用結(jié)果（成功、失?。┙y(tǒng)計(jì)的監(jiān)控，并提供了提供豐富的應(yīng)用性能展示及性能問題定位功能，包括應(yīng)用服務(wù)拓?fù)?，服?wù)間的調(diào)用關(guān)系、響應(yīng)時間、吞吐量和狀態(tài)的展示，慢響應(yīng)和錯誤明細(xì)的查詢，方便運(yùn)維人員定位應(yīng)用性能瓶頸。

參" 考" 文" 獻(xiàn)

[1]李濟(jì)偉.基于大數(shù)據(jù)平臺的自動化運(yùn)維及監(jiān)控技術(shù)研究[J].科技創(chuàng)新與應(yīng)用，2021（11）：152-154.

[2]馬雄.基于微服務(wù)架構(gòu)的系統(tǒng)設(shè)計(jì)與開發(fā)[D].南京郵電大學(xué).

[3]張鼎超，等.面向高性能計(jì)算環(huán)境的微服務(wù)運(yùn)維平臺設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用研究，2020，37（S2）：190-192.

[4]薛龍，等.面向云原生的智能運(yùn)維架構(gòu)和關(guān)鍵技術(shù)[J].電信科學(xué)， 2020，36（12）：105-122.