......................................................................................55 2.3.9.5. 发现和解决性能瓶颈.............................................................................56 2.3.9.5.1. 虚拟机性能分析 系统建设，逐步认识到增强 管理能力的重要性。 传统的运维管理虽然具备一定的设备管理能力，但从实践中有发现了很多弊端。这些弊端包 括管理设备究竟该管那些关键指标（KPI）？确定 KPI 后运维管理给出的具体数值又代表什么含义？ 设备是正常的？故障的？还是只是需要注意下？最痛苦的是用户会发现管设备节约的人力都投入 到使用运维管理系统中，那么运维管理系统带给用户的价值在哪里呢？ 综上所述， 综上所述，传统运维管理软件的弊端必然带来新的变革，这种变革趋势包含以下三个方向： 1） 人工运维向自动智能运维转变 传统运维工作是以人工处理为主，通过各种专业的人对系统进行检查的方式来发现系统中存 在的问题。随着系统复杂性和建设规模不断增大，各种复杂设备对人的要求越来越高。初级的运 维管理系统应运而生，这类系统是以“工具”的形式出现，即“我不知道该看什么指标，该管什么设 备，反正我都可以管，具体

基于技术与业务规则 基于技术与业务规则 基于机器学习模型 基于机器学习模型 根据故障告警及所配置的周期性任 务等明确的指令自动执行运维工作 基于趋势型等规则，根据指标数据 自动发现故障并自动执行修复工作 基于历史故障与日志等数据，通过自 学习模型发现潜在问题与风险并自行 处理 构建 IT 一体化运营能力 构建 IT 一体化运营能力 构建从基础设备、系统、业务的统 一监控，实现业务系统全面运营 CMDB 云管平台 一体化 可视化 15 15 总体蓝图 IT 统一智能运营管理 IT 物联网 大数据 云计算 智能故障分析 大屏统一监控 快速故障修复 信息推送与告警 故障报告 数据汇集 深度分析 发现故障 / 风险 数据分析 可视化展示 信息推送 报表管理 资源管理 智能监控 运维流程管理 操作管理 运营分析 调整算法 查收报告 整体监控 信息配置 处理告警 处理故障 设置任务 数据采集 风险）智能化监控，及自主化运维能力，不仅可以及时发现各类故障以及潜在的 故障风险，还可以在确诊故障后进行主动的故障修复处理，实现 IT 运维工作的智能化与自主化。 监控数 据采集 指标数 据清洗 故障告 警监控 设备故 障告警 故障风 险告警 智能故 障诊断 故障原 因确诊 自动故 障修复 人工故 障修复 人工风 险确认 告警事件库 故障库 人工故 障处理 发现 故障 识别 风险 智能风

需要强化集中安全运维 。  业务承载重要敏感数据多，数据安全隐 患突出，需要加强保护。 第三层安全需求 长治久安  系统上线后，进入运营期，需要建立安 全运维的长效机制  需要对事件快速发现及处置，迅速减少 损失，降低影响  需要满足网信、公安、上级主管部门定 期检查测评的安全要求。 互为基础，互相促进，持续提升 业务特定安全需求 合规安全需求 第 13页 2016 析安全危害，找出可能对信息系统、单位、社会及国家造成的最大安全危 害（损失），并根据最大安全危害严重程度进一步确定信息系统面临的风 险等级，结果为“高”、“中”或“低”。并以列表形式给出等级测评发现安全问 题以及风险分析和评价情况。 其中，最大安全危害（损失）结果应结合安全问题所影响业务的重要程 度、相关系统组件的重要程度、安全问题严重程度以及安全事件影响范围 等进行综合分析。  服务商选择 安全建设措施 日常安全运营 重大事件保障 互联网资产发现 基础安全评估 风险管控 代码安全检测 网站云监测 安全预警通告 全流量订阅分析 Web 失陷检测 应急响应 渗透测试 等保咨询及培训服务 SOC 基础运营 驻场运维 监控分析 安全运维 安全威胁情报 重要时期安全保障 互联网资产发现 重保工作部署 现场安全检查 事件分析研判 应急处置 现场安全值守

全生命周期管理，并实现资产配置的可视化展现。  强化主动监控，构建内控体系，实现集中管理 通过部署集中监控与操作审计系统，实现网络、IT 资源、业务应用的集中监控和统一 操作，主动、及时地发现问题，解决被动救火的局面；将分散的设备管理转变为集中操作 对运维过程进行记录，对运维过程的审计和事后追踪。  规范运行流程管理，促进有序高效协作 参照 ITIL 规范，对运维管理工作进行优化 管理软件，Broadview 管理平台本质上是以 CMDB 为核心 的融合架构，这也是国内大多数运维软件厂商的功能薄弱环节，配置管理库是衔接技术与 管理的关键数据整合层。通过更加先进的配置管理自动发现，建立跨系统的数据管理关联 进行跨功能的运维业务整合，帮助用户实现实时管理、闭环管理、精益管理、战略管理的 主动提升，最终实现“监、管、控”一体化的运维管理平台。 3.2.1 配置库业务建模 3.2.2.1 配置项自动发现 我方 CMDB 提供了配置自动发现工具，能够自动完成数据的采集，完成 CMDB 的快 速建设。自动发现的原理是采用各类 IT 基础架构支持典型特性进行区分，使用的协议包括 SNMP、TELNET、SSH、JDBC、JMX、HTTP 等。 。 第 23 页 共 120 页 附图13. 配置项自动发现工具 系统可配置策略进行发现，用户不需要为被监测的服务器安装额外的

经营分析系统的功能模块如下图所示： 数据获取模块主要是负责和控制接口数据源的获取、转换、加载，及 ETL 过程中 数据的审核、监控与调度。 业务分析模块主要是围绕某个具体的分析主题进行多角度的多维分析，从中发现 问题，查找产生的原因。包括：客户情况分析、收入情况分析、业务使用情况分析、 市场营销分析、竞争分析、营业分析及亮点专题分析等主题功能。 系统管理，包括系统安全管理、系统日志管理、用户和权限管理及元数据管理等 一步将其模型化。 在较浅的层次上，它利用现有数据库管理系统的查询、检索及报表功能，与多维 分析、统计分析方法相结合，进行联机分析处理(OLAP)，从而得出可供决策参考的 统计分析数据。在深层次上，则从数据库中发现前所未有的、隐含的知识。OLAP 的 出现早于数据挖掘，它们都是从数据库中抽取有用信息的方法，就决策支持的需要而 言两者是相辅相成的。OLAP 可以看作一种广义的数据挖掘方法，它旨在简化和支持 在一些应用（如商业投资等）中，由于数据变化迅速，因此要求数据挖掘能 快速做出相应反应以随时提供决策支持。  数据挖掘中，规则的发现基于统计规律。因此，所发现的规则不必适用于所 有数据，而是当达到某一临界值时，即认为有效。因此，利用数据挖掘技术 可能会发现大量的规则。  数据挖掘所发现的规则是动态的，它只反映了当前状态的数据库具有的规则， 随着不断地向数据库中加入新数据，需要随时对其进行更新。 2

主机上云带来的运维新挑战 05-08 1.1 挑战1：如何基于应用视角设计高可用上云方案与高可靠运维保障方案 1.2 挑战2：云平台技术栈快速增厚，如何有效进行全链路可视监控 1.3 挑战3：云网深度融合，如何快速发现、定位、恢复问题 11.4 挑战4：如何应对运维安全与租户安全的双重挑战 主机上云带来的运维新挑战 挑战1：如何基于应用视角设计高可用 上云方案与高可靠运维保障方案 主机上云的最大挑战就是核心应用上云后的可用性管 最后，服务SLA（Service Level Agreement, 服 务水平协议）的达成还需要有相匹配的管理手段与工 具，如故障模式库、演练工具等资源作为支撑，不但 要能有效跟踪度量SLA的实际效果，还需要持续、 主动发现可用性风险的机制与工具，在可用性管理的 过程中实现数据积累和能力演进。 挑战2：云平台技术栈快速增厚，如何 有效进行全链路可视监控 随着主机上云和业务云化转型的持续深入，分布式数 据库、中间件、AI、大模型等各种云原生技术被广 搬迁上云。核心应用一般有着规模大、分布式、架构 复杂等特点，这一点和互联网业务非常相似，上述互 联网的故障也在时刻给金融核心应用的运维敲响警 钟。在此背景下，近年来金融领域客户提出了核心业 务的“1-5-10”目标，即：1分钟发现故障、5分钟 定位、10分钟恢复。要实现这个目标必须要解决以 下关键问题： 如何尽可能地少出问题 首先，需要有一个完善的运维规范和流程来保障运维 流程合规；其次，核心应用需要全局的高可用设计，

安全管理机构 安全管理制度 安全管理人员 安全运维管理 安全技术体系 通用技术 扩展技术 天池云 安全 工控安 全系列 物联网 安全系 列 玄武盾 运营管理 资产梳理分析 安全风险发现 安全漏洞加固 安全分析处置 安全运营管理 咨询顾问 等保加固 应急响应 情报分析 人才培养 事前感知预警 事中防护响应 事后取证优化 持续监测分析 态势感知平台 AiPLHA 大数据智能安全平台 数据库防火墙、身份认证与准入实现对访问控制。 安全审计： 网络中所有的设备、操作系统等都应提供审计功能， 记录用户行为和重要安全事件。 入侵防范： 最小组件安装、检测入侵行为、非使用端口关闭、 管理终端权限、发现已知漏洞。 5 恶意代码防范： 采用主机 EDR 及时识别入侵和病毒行为 , 并将其有效 阻断。 数据完整性与保密性： 采用 VPN 对数据传输过程进行加密，使用 HTTPS 进行加密； 采用数据加密技术对信息和数据进行加密。 分钟级接入，完成防 DDOS 、防黑、防泄露等安全防护，并有 40 多名安全专家提供 7*24 小时保姆式服务，具 有使用便利、快速、性价比高、防护能力强等特点。 所有网站 云端 APT 预警平台 发现弱点扫描、命令执行、注入攻击、跨站脚本、信息泄露、邮件钓鱼等相关风险行为，并及时做到告警现场相 关专家确认后沟通局方人员确认是否要做封堵以及以何种方式去做封堵。 各个网络出口 产品 / 旁路镜像

沟通中的情感变化，帮助企业及时调整策略，避免潜在的服务风 险。 此外，DeepSeek 大模型还具备强大的数据处理能力，能够实 时分析海量的客户数据，生成有价值的洞察，为企业的决策提供支 持。例如，通过对客户反馈的分析，企业可以发现产品或服务的潜 在问题，及时进行优化。同时，模型还能够预测客户的行为趋势， 帮助企业制定更具前瞻性的营销策略。 为了确保模型的高效运行，DeepSeek 大模型采用了先进的分 布式计算架构， 此外，现有系统在整合多渠道数据方面也存在显著问题。许多 企业拥有多个数据来源，如社交媒体、电子邮件、网站浏览记录 等，但现有系统往往无法有效整合这些数据，导致信息孤岛现象严 重。例如，某电商企业在整合线上线下数据时，发现系统无法准确 匹配客户身份，导致营销活动效果大打折扣。  数据处理效率低，响应速度慢  智能化水平不足，预测精度有限  多渠道数据整合能力差，信息孤岛现象严重 最后，现有 CRM 系统在用户体验和交互设计上也存在不足。 期、价格敏感度以及潜在需求等信息。例如，某零售企业通过大模 型分析发现，某客户群体在特定节假日期间的购买力显著增强，从 而及时调整营销策略，提升了销售业绩。 其次，大模型能够通过自然语言处理（NLP）技术，分析客户 反馈和评论中的情感倾向和关键词，帮助企业更好地理解客户的情 感需求和痛点。例如，某家电企业通过分析客户在线评论，发现某 款产品的噪音问题成为客户投诉的焦点，迅速对该产品进行改进，

.......................................................................................207 13.1 主要发现与结论................................................................................................ 别并将其标记为高优先级，提示客服人员采取相应的安抚措施。 其次，情绪分析的结果可以用于优化客户服务流程。通过分析 历史数据，AI 模型可以识别出哪些服务环节容易引发客户负面情 绪，并提出改进建议。例如，如果发现客户在理赔过程中的等待时 间过长是引发不满的主要原因，系统可以建议保险公司优化理赔流 程，减少等待时间。 此外，情绪分析还可以用于客户反馈的自动分类和处理。AI 模 “ 型可以根据客户的情绪和反馈内容，将客户的反馈自动分类为 客服人员快速响应客户需求，避免情绪升级，从而降低客户流失 率。 此外，系统还支持对历史情绪数据的统计和分析。通过收集和 整理客户的情绪变化趋势，保险公司可以识别出服务中的痛点，并 针对性地优化服务流程。例如，如果发现某个特定时间段内客户情 绪普遍较为负面，公司可以调整该时间段的客服资源配置或优化业 务流程，以提高整体服务质量。 为了确保情绪监控的准确性，系统会定期进行模型训练和优 化。通过引入更多的样本数据，模型能够不断学习新的情绪表达方

.....................................................................................66 2.4.10.5. 发现和解决性能瓶颈....................................................................................66 2.4.10 系统建设，逐步认识到增强 管理能力的重要性。 传统的运维管理虽然具备一定的设备管理能力，但从实践中有发现了很多弊端。这些弊端包 括管理设备究竟该管那些关键指标（KPI）？确定 KPI 后运维管理给出的具体数值又代表什么含义？ 设备是正常的？故障的？还是只是需要注意下？最痛苦的是用户会发现管设备节约的人力都投入 到使用运维管理系统中，那么运维管理系统带给用户的价值在哪里呢？ 综上所述， 综上所述，传统运维管理软件的弊端必然带来新的变革，这种变革趋势包含以下三个方向： 1） 人工运维向自动智能运维转变 传统运维工作是以人工处理为主，通过各种专业的人对系统进行检查的方式来发现系统中存 在的问题。随着系统复杂性和建设规模不断增大，各种复杂设备对人的要求越来越高。初级的运 维管理系统应运而生，这类系统是以“工具”的形式出现，即“我不知道该看什么指标，该管什么设 备，反正我都可以管，具体