随着雲計算、大數據的不斷發展，系統架構不斷升級，功能持續叠代。系統的複雜性越來越高，故障的發生不可避免，場景也無法預測。就硬件設備來說，IT設備規模不斷增加，告警種類與數量也随之增加。核心層的故障牽一發動全身，可能會産生大面積的告警，故障定位效率大大降低，同時影響業務系統正常運行。

今天我們分享故障發生後，如何第一時間定位到故障性能指标，快速恢複系統運行以降低故障影響的方法。

小夥伴不禁發問，故障是不可避免的嗎？

是的，非但故障不可避免，甚至什麼時候、什麼場景發生故障都無法預測的。

隻要有可能，就一定會發生，墨菲定律如是說。

PART

01

故障定位方法

1、經驗驅動

根據個人經驗，通過應用邏輯功能，上下遊調用鍊、數據流向、應用配置、數據庫流水等要素，快速定位故障。此處憑借高能經驗值不足為外人道也。

2、啟動應急預案

故障發生可能會影響業務的正常運行，運維工程師可以啟動緊急預案，緩解搶修壓力。可将預案樂高式拼裝，一旦産生故障，預案可自動觸達。通過場景模塊的整合，形成标準化動作，同時也豐富預案的模塊設計。

萬般技巧皆是用來保障系統業務的穩定運行。

3、測試複現

查看生産環境的異常日志，同步測試系統，将生産已知缺陷數據在線化，輔助測試定位。在線獲得配置信息，查看應用配置項的生産設置情況，快速掌握故障根因。

PART

02

工具使用

日志是運維人員了解硬件及軟件内部邏輯的一面窗口。日志記錄業務、中間件、系統等全鍊路信息，可以有效監控IT系統各個層面，可有效地調查系統故障，監控系統運行狀況。

一體化的日志分析平台和AI技術結合，歸納分散日志，對日志數據進行二次加工，大大提升故障定位能力。

2、鍊路關系

運維工程師可對平台現有鍊路關系進行在線的獲取，充分掌握平台系統的可維護性與可靠性，服務調用配套的解決方案。

3、監控定位

監控的核心價值是發現異常，即刻響應。主要體現在以下幾方面：

1

對異常的描述。

2

告警收斂，基于 CMDB 關系數據進行初步定位。

3

利用監控數據與 AI算法，智能化故障定位。

4、數據感知

通過數據基線，感知系統健康狀态，多維度組合的可視化、即時的信息推送能夠更快，更全面的感知異常。

5、知識庫匹配

支持數據源、指标、文本異常檢測，基于故障案例、數據挖掘的故障診斷、故障預測、故障自愈、 成本優化、資源優化、容量規劃、性能優化等場景。

解決專家不在故障處理現場的問題，以及技能的沉澱與傳承。

6、推薦LinkSLA智能運維管家

輕裝上陣，無憂運維。自動巡檢，快速發現異常主動式預防。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!