故障自愈

故障自愈

介绍

故障自愈是行业领先的"故障自动化处理"解决方案，提升企业的服务可用性和降低故障处理的人力投入，实现故障自愈从"人工处理"到"无人值守"的变革!

通过自动化处理节省人力投入，通过预定的恢复流程让恢复过程更可靠，通过并行分析达到更快的故障定位和恢复。

一句话概括：实时发现告警，预诊断分析，自动恢复故障，并打通周边系统实现整个流程的闭环。

自愈套餐

故障自愈收到告警后，执行的动作，比如作业套餐。

自愈方案

关联告警 和 自愈套餐的策略

产品架构

故障自愈集成行业开源监控产品或以REST API方式获取企业监控产品的告警，匹配告警设置的执行套餐，并执行实现告警自动化处理，同时通过告警收敛功能解决“告警风暴”的痛点。

图1. 故障自愈产品架构图

特点及优势

图1. 故障自愈核心功能图

• 1.获取告警：告警源集成监控模块、4款主流开源监控产品Zabbix、OpenFalcon、Nagios、Icinga，及AWS、邮件的告警接入，更能通过REST API 拉取、推送告警。

• 2.告警处理：故障处理支持作业平台、标准运维流程

• 3.告警收敛和防御：系统预定收敛和防御规则，对异常告警事件进行收敛，更能通过收敛审批功能对异常的执行做审批。

• 4.支持组合套餐，把自定义自愈套餐通过FTA（故障树分析）处理流程，组装成解决复杂场景的组合套餐。

• 5.健康诊断，根据系统内置的健康诊断策略，周期性回溯异常事件，并通过邮件方式推送出来。

• 6.预警自愈，是健康诊断功能的延伸，把健康诊断发现的问题通过自愈方案解决，完成异常事件的闭环。

• 7.操作审计，感知故障自愈的每一次改动，确保运营安全，问题可回溯

• 8.丰富的处理套餐：除支持作业平台、标准运维外，还支持快捷套餐类（磁盘清理、汇总、检测CPU使用率TOP10等）、组合套餐类（获取故障机备机、通知、审批等）

• 9.自愈小助手：分析告警和套餐关联，决策推荐自愈方案方案，降低配置成本。

  引领行业故障处理新潮流

  故障自愈重新定义故障处理流程，在运维领域系较早提出故障自动化理念并落地为产品。

  

事件处理流程引擎，实现无人值守自愈

获取监控告警发现异常，预诊断分析，调用预定义的处理流程，实现故障无干预自动处理

图1. 故障自愈故障处理概要图

为企业节省人力及降低MTTR

故障自愈通过自动化的故障处理流程，节省运维处理故障的人力成本。让运维把工作专注到企业服务的用户体验优化、数据分析，而不只是基础运维服务。

自动化的故障处理流程，减少人工处理环节耗费的时间，降低故障处理时长。实现故障的无人值守，让故障处理不再依赖于人，提升企业IT服务的可用性 。

图1. 故障自愈核心价值

功能介绍

图1. 故障自愈首页面板

告警自动处理

将告警接入自愈套餐后，告警将匹配配置的处理套餐自动执行，无需人工干预。

告警收敛

针对满足收敛条件的告警，汇总为一个告警事件，或进行异常防御审批。

健康诊断

依托于故障处理的经验，集成常见故障隐患的专家配置库，回溯过往发生的告警单据来提前发现问题。 图1. 健康诊断

不仅如此，还可以通过预警自愈页面配置诊断建议和处理套餐，提前自动规避风险。 图2. 预警自愈

集成主流监控产品

告警源集成监控模块、4款主流开源监控产品Zabbix、OpenFalcon、Nagios、Icinga，及AWS、邮件的告警接入，更能通过REST API 拉取、推送告警。

图1. 集成主流监控产品

组合套餐

依托于故障树分析（FTA : Fault Tree Analysis）理念，将单个原子套餐组装为组合套餐，根据父节点的执行结果（成功还是失败）来确定子节点的执行分支，以解决复杂场景的故障处理和分析。

图1. 组合套餐的设置页面

图2. 执行结果详情

利用组合套餐可以实现复杂的运维场景。

自愈小助手之套餐推荐

依托于推荐模型，自动关联告警和处理套餐，减少人工配置成本。

图1. 自愈小助手之套餐推荐

启用推荐的套餐后，可以在接入自愈页面的方案来源列找到系统推荐的套餐. 图2. 接入自愈列表