[科普中國]-故障管理

目標(biāo)

故障管理的目標(biāo)是盡快恢復(fù)正常的服務(wù)運營，將組件失敗對業(yè)務(wù)所造成的負面影響降到最低，從而確保滿足事先與業(yè)務(wù)客戶之間所約定的服務(wù)級別的目標(biāo)和服務(wù)級別質(zhì)量。

實踐中需要基于業(yè)務(wù)的戰(zhàn)略，來制定IT的服務(wù)級別的目標(biāo)和服務(wù)質(zhì)量要求。許多服務(wù)商基于自身的資源配置和交付能力來制定服務(wù)級別目標(biāo)，這樣做的結(jié)果是這些服務(wù)并不滿足業(yè)務(wù)的需求，最終導(dǎo)致的結(jié)果就是業(yè)務(wù)與IT矛盾劇增。所以服務(wù)的價值需要從客戶的角度出發(fā)來進行定義。這些質(zhì)量要求可以是與服務(wù)相關(guān)的任何要素，通過服務(wù)級別管理在服務(wù)級別協(xié)議(Service Level Agreement，SLA)中進行約定。2

內(nèi)容故障管理的內(nèi)容包括故障發(fā)現(xiàn)和歸一化處理、故障呈現(xiàn)、故障隔離、故障修復(fù)和故障的存儲與查詢。

(1)故障發(fā)現(xiàn)和歸一化處理：通過故障檢測發(fā)現(xiàn)故障，并對故障信息進行歸一化處理，并保存至故障數(shù)據(jù)庫中。網(wǎng)管系統(tǒng)定義統(tǒng)一的故障級別和故障顯示模式。

根據(jù)告警的嚴重程度可以將告警等級分為以下級別：

①嚴重故障：急待解決的故障，否則子網(wǎng)或設(shè)備將無法運行。

②重要故障：設(shè)備不能完成其主要功能，影響到部分業(yè)務(wù)的提供。

③次要故障：設(shè)備不能完成其主要功能，但未對其他子網(wǎng)或設(shè)備造成影響。

④警告：設(shè)備發(fā)生局部故障，使其性能降低，但未影響主要業(yè)務(wù)功能。

⑤已清除。

⑥不確定。

(2)故障呈現(xiàn)：應(yīng)有圖形、故障列表、聲音等多種呈現(xiàn)方式。對于不同的故障級別能以不同的顏色顯示。一般情況下，以綠色表示正常，淡藍色表示已清除，深藍色表示不確定，黃色表示警告，橙色表示次要故障，粉紅色表示重要故障，紅色表示嚴重故障，灰色表示脫離管理。應(yīng)支持管理人員對故障顏色的定制。

(3)故障隔離：應(yīng)提供故障診斷和綜合分析功能，根據(jù)采集到的告警信息，進行故障的診斷和綜合，確定最終故障點或故障的原因。最后通過遠程參數(shù)設(shè)置進行故障隔離。

(4)故障修復(fù)：對可修復(fù)的故障，進行人工修復(fù)；對不可修復(fù)的故障，可重新分配該故障區(qū)域的參數(shù)設(shè)置。

(5)故障的存儲與查詢：能夠?qū)⒐收显O(shè)備、故障發(fā)生時間、故障修復(fù)時間、故障現(xiàn)象和故障可能原因保存到數(shù)據(jù)庫中。此外，可以按照設(shè)備類型和故障時間進行故障的查詢統(tǒng)計，并可以打印輸出或?qū)С龅轿募小?

體系結(jié)構(gòu)目前多個組織都在對故障管理體系結(jié)構(gòu)進行積極開拓研究，并開發(fā)相關(guān)標(biāo)準(zhǔn)用于規(guī)范故障管理系統(tǒng)的設(shè)計和開發(fā)工作。例如，北大兩洋公約組織(NATO)在其2005年發(fā)布的標(biāo)準(zhǔn)STANAG 4626“模塊化開放式航空電子結(jié)構(gòu)”，從宏觀和微觀兩個層面規(guī)范了故障管理，在宏觀層面，由頂層體系結(jié)構(gòu)ASAAC(00—78)提出了一體化的故障管理需求、原則和框架，在微觀層面，ASAAC(00—76)規(guī)范了通用功能模塊(CFM)的可測試設(shè)計，ASAAC(00—74)規(guī)范了層次化的健康管理軟件結(jié)構(gòu)。ARINC653標(biāo)準(zhǔn)在應(yīng)用程序接口方面規(guī)范了一套健康監(jiān)控接口。4

使用工具開發(fā)或選擇什么樣的工具，依賴于網(wǎng)絡(luò)管理的需求和具體的網(wǎng)絡(luò)環(huán)境。

1．簡單工具

最簡單的工具可以指出故障的存在但不能指明其發(fā)生的原因。例如，一個簡單的工具可以將ICMP Echo消息發(fā)送給計算機網(wǎng)絡(luò)上的每一個主機和設(shè)備以測試其IP網(wǎng)絡(luò)層的連通性。如果網(wǎng)絡(luò)沒有使用TIP/IP，可以使用一個程序反復(fù)試圖連接每一個主機和設(shè)備的方法來完成同樣的測試。工具可以標(biāo)出每一個失敗的連接，并為進一步的查詢提供了依據(jù)。

2．復(fù)雜工具

如果網(wǎng)絡(luò)上的主機和設(shè)備足夠復(fù)雜到可以報告網(wǎng)絡(luò)事件，就應(yīng)該開發(fā)一個復(fù)雜的工具來利用這種能力。當(dāng)通過記錄網(wǎng)絡(luò)事件或通過查詢檢測到一個故障時，這個工具將及時通知給你。同時，通過關(guān)鍵網(wǎng)絡(luò)事件也可以幫助分離故障發(fā)生的原因。

3.高級工具

高級管理工具利用網(wǎng)絡(luò)管理協(xié)議沿著路徑對每一設(shè)備進行查看，一直到主機B前的最后一個設(shè)備(我們假定兩臺機器都可以與該路徑上的每一設(shè)備進行通信，但它們之間卻無法通信)。工具在這些設(shè)備上都沒有發(fā)現(xiàn)故障，而用戶仍然無法通過網(wǎng)絡(luò)發(fā)送電子郵件。這時，工具將在兩臺機器之間執(zhí)行一系列新的測試，盡管很費時，但可以檢查出許多可能的故障。5