本报通讯员李梦滢
近日，首钢矿业计控检验中心成功搭建了网络设备监控平台，实现了对首钢矿区网络设备运行状态的实时监控，推动公司计算机网络运维管理由人工运维向智能运维转变。
首钢矿业中心机房肩负着百里矿区的网络通信责任，现有核心交换机、云平台、网络安全设备、ERP（企业资源计划）服务器等网络设备160余套。其中，云平台云服务器包含云服务器操作信息、运行情况等日志信息，每天信息增长量高达500MB（兆字节），相当于500多万行数据信息，数量大、种类多、运维难度非常高。
传统运维方式中，运维人员无法做到全面巡检，多数情况只能出现故障了再处理。处理故障时，必须现场检查设备运行状态，逐一分析CPU（中央处理器）、内存、端口等数据指标，凭借经验进行故障原因判断，不仅工作效率低，而且由于无法对潜在故障进行预警，一旦发生重大故障，将影响公司整体网络与运营，甚至导致系统瘫痪。
“花钱购买”比拼“开源技术”
近几年，随着首钢矿业智能化发展，网络设备数量不断增多，信息系统变得越来越复杂，系统的日志数据翻倍增加，运维难度持续增加。传统的人工运维已不能满足管理需求，急需通过技术手段对网络设备进行7×24小时智能监控。
经考察调研，社会市场层面有很多成熟的监控解决方案，能快速部署实施，但价格昂贵、灵活性低，而且后期增加网络设备时，需要厂家配合，可拓展性差。本着“一切费用皆可降”的理念，首钢矿业计控检验中心信息安全创新工作室（下称工作室）结合公司实际情况，决定自主研究搭建网络设备运行状态实时监控平台，尝试采用开源技术，实现对网络设备运行状态的统计监控及实时分析。
综合考评多项技术选最佳
行业内常用的开源技术有Nagios、Centreon、Cacti、Ganglia、Zabbix等。考虑到每项技术的适用场景不同，为了选定符合矿山需求的技术，工作室成员李同同对每一项开源技术的部署方案、关键技术、模拟测试等进行试验。其中，模拟测试环节最耗时间和精力，从搭建虚拟场景开始，需要技术版本选型下载、环境匹配、安装部署、连通设备、创建模板、功能配置、模拟监控等16个大步骤，每一步都需要设定不同参数，任何参数设定不合适都无法进行下一步测试，更别说完成整体试验。
经过反复测试并深入对比，李同同发现，Nagios功能单一、需要额外安装大量插件，Centreon不易更改配置、可定制性差，Cacti只适合特定场景，Ganglia无告警机制，这些开源技术虽然应用简单，但无法满足公司管理需要。考虑到首钢矿业的长远发展，工作室决定采用具有图形化监控和报警功能的Zabbix技术。该技术功能强大，但是部署起来较为复杂，需要进一步研究和攻关。
着眼长远攻关不怕难
目前，首钢矿业网络设备不仅数量多，而且种类和品牌多样化，所以在监控平台搭建过程中必须综合考虑各种影响因素，比如不同类型的操作系统、Web服务、编程语言、数据库等。
对于常规的Windows操作系统，建立监控平台与被监控端的连接，只需打开自带的SNMP（简单网络管理协议）服务即可。但是公司服务器还有一部分Linux操作系统，没有该服务选项，因而只能通过执行程序命令的方式来实现，这对李同同而言是一项新的技术突破。他从查阅各类资料入手，在测试机开展性能测试，设置参数、分析报错、修改程序，通过百余次的重复操作，终于实现了平台与被监控端的稳定连接。但这只是平台部署最初步的技术验证，为了更好地梳理160余台网络设备信息，李同同将其分为交换机、服务器、数据库、应用等几大类，并有针对性地创建适合的监控模板，因品牌、连通方式等差异，单交换机监控模板就多达25项，这意味着所有的部署工作都要重复25次。李同同说：“不怕重复，但任何一个参数的不适合，都会导致‘从头再来’。”面对复杂的部署环境，李同同一项项地测试，最终成功搭建了监控平台，实现了对网络设备CPU温度和占用率、内存使用率、风扇状况、端口状态、访问流量、响应时间等信息的实时展示，并通过对以上大数据的分析，提高了对网络设备运行风险的识别能力，达到了对潜在故障智能预警和及时定位故障的目的。
网络设备实时监控平台上线以来，运行稳定、精准度高、预警性强，实现了对网络设备的可视化监控和管理。下一步，该工作室将继续拓展Zabbix技术应用的广度和深度，为网络、信息系统安全稳定运行保驾护航，努力推动首钢矿业计算机网络运维迈进智能化时代。
《中国冶金报》（2022年08月30日03版三版）
扫一扫关注微信
