2024年灾备系统自动化运维-提升灾备运维效率方案.docx

Al

灾备系统自动化运维

提升灾备运维效率

杨天忠爱数高级产品运营工程师

CONTENTS

PART1PART2PART3

灾备系统运维的需求与挑战灾备系统自动化运维方案

灾备系统自动化运维案例分享

PART01

灾备系统运维的需求与挑战

缺少统一监控和告警管理，运维疲于救火，效率低

大量告警难管理?

大量告警难管理

?告警风暴，大量告警信息处理效率低；

?无法关注高频告警，针对性优化改进难。

?多套集群的环境，缺少全局视角监控，管理复杂；

?传统运维平台仅能做基础资源和服务层监控，难以监控灾备业务运行情况；

缺少专业巡检和报表工具，运维耗时耗力，效率低

人工巡检效率低?

人工巡检效率低

?灾备相关的任务、资源、服务项多，需要及时发现异常和隐患，人工巡检耗时耗力、容易遗漏，效率低下；

?管理员需要定期统计汇报灾备运行的概况，手动写报告的效率太低，还可能出错；

?手工制作业务维度、系统健康维度以及其他个性化的报表，耗时耗力且容易出错；

PART02

灾备系统自动化运维方案

协议灾备系统自动化运维方案

协议

JDBC

异地灾备数据中心

任务运行日志

告警事件.

-。

备份策略信息

同城数据中心用户操作日志JDBC协议

同城数据中心用户操作日志

资源信息

:

系统日志/指标

JDBC

JDBC协议

本地数据中心

统一监控

告警降噪

丰富图表多渠道通知自动化巡检

丰富图表

多渠道通知

自动化巡检

报表下载下钻分析多样化报表和自动化

报表下载

下钻分析

多样化报表和自动化报告

报告模版

告警统计与分析

统一、实时监控并告警，及时发现灾备风险

告警通知

邮件

邮件

短信

短信

微信

微信

企业微信

企业微信

……

……

系统监控业务监控合规监控

日志留存合规监控数据篡改行为监控……3-2-1-0策略监控自备份监控备份任务时长监控RTO/RPO监控备份任务异常监控恢复任务时长监控恢复任务异常监控……主机监控客户端监控数据库监控网络监控存储监控……

日志留存合规监控

数据篡改行为监控

……

3-2-1-0策略监控

自备份监控

备份任务时长监控

RTO/RPO监控

备份任务异常监控

恢复任务时长监控

恢复任务异常监控

……

主机监控

客户端监控

数据库监控

网络监控

存储监控

……

同城数据中心人G

同城数据中心

人G

异地数据中心

华为云

人G

本地数据中心

阿里云

阿里云

人G

多渠道通知实时数据采集覆盖多域、多组织场景

多渠道通知

实时数据采集

覆盖多域、多组织场景

自动化巡检，提升运维效率，及时发现异常和隐患

备份作业巡检

告警事件巡检

作业成功率

作业成功率

作业时长评估

长时间未发起项

长时间未发起项任务趋势离散图

告警级别统计

告警级别统计

历史问题占比

历史问题占比

……高频问题排行

……

高频问题排行

RPO/RTO巡检

业务系统RTO分析

业务系统RTO分析

作业RTO分析

业务系统RPO分析

作业RPO分析

容量巡检

资源类型容量使用……

资源类型容量使用

……

用户容量使用容量预测

恢复演练巡检

失败工作流统计……工作流成功率恢复任务成功率

失败工作流统计

……

工作流成功率恢复任务成功率

系统资源巡检

网口占用负载

网口占用负载磁带使用率趋势

CPU/内存使用率磁盘使用率趋势

客户端巡检

安全审计巡检

客户端在线率

客户端在线率离线客户端列表

不同类型客户端统计

不同类型客户端统计

……

用户操作行为

用户操作行为

用户登录情况

用户登录情况

备份域2

巡检周期

巡检周期巡检报告

紧急问题

一般问题

变更说明

系统报告

按天执行

工作日执行

按周执行

自定义执行

按角色/用户

自动邮件通知

巡检执行

巡检对象覆盖范围广