《数字化安全生产平台的思考以及落地》由会员分享，可在线阅读，更多相关《数字化安全生产平台的思考以及落地（12页珍藏版）》请在金锄头文库上搜索。
1、数字化安全生数字化安全生产产平台的思考以及落地平台的思考以及落地行行业业背景背景十四五规划下加速各行业全面加速数字化升级“加速数字化发展：发展数字经济，推动数字产业化和产业数字化，推动数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。加强数字社会、数字政府建设，提升公共服务、社会治理等数字化智能化水平”数字政府网上办事大厅、数字防疫金融互联网银行、智能风控医疗健康智慧医疗、全国联保新零售智慧门店、全域营销交通物流智慧收费、出行服务能源水利精准预测、智慧水利生产制造生产调度、工业检测游戏云游戏、AR/VR数字化数字化转转型中型中业务连续业务连续性保障的挑性保障的挑战战工具分散告警难收
2、敛人员边界 模糊架构复杂性缺乏 安全意识无应急 体系监监控控报报警太多，如何警太多，如何过滤对业务过滤对业务有价有价值值的的报报警事件，如何有效收警事件，如何有效收敛敛？1监监控工具分散，如何数据共享和控工具分散，如何数据共享和统统一，一，实现实现全景展示、全全景展示、全业务业务覆盖？覆盖？2业务业务架构愈架构愈发发复复杂杂，敏感程度也，敏感程度也变变高，如何保障高，如何保障业务稳业务稳定性？定性？3复复杂业务场杂业务场景下保障景下保障稳稳定性和定性和连续连续性的性的职责边职责边界不清，如何界不清，如何协协同？同？4线线上上线线下故障如何下故障如何规规范化范化预预防和防和应对应对，应应急流程如
3、何保障急流程如何保障顺畅顺畅？5故障定故障定级规则级规则不不统统一，如何追溯与改一，如何追溯与改进进？6传统传统运运维维手段不足手段不足运维手段和工具割裂，无法形成有效的组合拳工具割裂工具割裂上云/云原生浪潮下，多数运维手段任然停留在基础设施层面而非业 务层面面向基面向基础设础设施，非施，非业务业务面对越来约复杂的业务架构和 越来越快的业务迭代，只能被动运维，难事前有效预防，事中从容应对被被动动运运维维缺乏体系化、规范化、可扩展的 稳定性保障体系缺乏缺乏规规范体系范体系阿里巴巴阿里巴巴组织组织-技技术术-文化三位一体的安全生文化三位一体的安全生产产体系体系值班长容 灾 演 练 故 障 演 练
4、预 案 演 练 全 链 路 压 测 演 练 演练验收全 链 路 功 能 仿 真 演 练 组织机制文化全局架构容灾能力异 地 多 活 同 城 容 灾 运行态稳定性防护限 流 降 级 弹 性 伸 缩 流 量 调 度 开 关 预 案 发布&变更风险控制变 更 管 控 灰 度 蓝 绿 安 全 生 产 环 境攻 防 演 练 数据中心系统数据垂 直 安 全 生 产 考 试 认 证 伏 波 讲 堂 熔 断 机 制 变 更 规 范 运 维 红 线 红 黑 榜 奖 惩 安全生产日月集集 团团 安 全 生安 全 生 产 门产 门 户户 应用数据流程支撑体系工 单 系 统 活 动 平 台舆 情 中 心 大 促 中
5、控 台 流量数据故障平台故 障 发 现 故 障 应 急 根 因 定 位 故 障 恢 复 故 障 复 盘 故 障 数 据 挖 掘 运行态稳定性度量压 测 依 赖 治 理 故 障 注 入 业 务 对 账 稳定性能力体系变更数据业务数据故障数据AIOPS智 能 决 策 专 家 系 统 AI 算 法 数据运营稳 定 性 故 障 分 稳 定 性 运 营 报 告 运行态状态监控链 路 监 控 业 务 监 控 系 统 监 控 SL A监 控 稳定性专项全局风险治理监控覆盖度全 面 灰 度 数字化安全生数字化安全生产产平台介平台介绍绍DPS Scene(业务场景层)DPS Domain(能力领域层)DPS F
6、low(能力编排层)(行业方案层)DPS SDK(能力扩展层)DPS Product (产品层)故障预防 三板斧故障快恢1-5-10故障演练 红蓝攻防容量管理 大促一体 化容错管理 韧性评测容灾管理 多云多活质效医保数字防疫金融系统上云.业务流程编排用户租户组织业务监控域容灾域快恢域故障域变更域演练域协同域CRD Spec阿里商业阿里开源三方开源业务大屏自定义配置数字化安全生产平台（Digital Production Stability，简称DPS）是一站式的一站式的业务连续业务连续性保障平台性保障平台,解决安全生产过程中的组织协同难,应急效率低,业务故障频发,SRE理论落地实施难等问题,提
7、升业务连续性.核心特点DPS Solution场场景化景化业务业务保障流程保障流程产产品化品化安全生安全生产产解决方案解决方案标标准化准化安全生安全生产产能力管理能力管理数字化数字化安全生安全生产产度量度量1-5-10介介绍绍5分分钟钟故障故障处处置置监控发现告警通知人工上报故 障 确认故 障 通 告故 障 响 应故 障 定位故 障 快恢恢 复 验 证1分分钟钟故障故障发现发现10分分钟钟故障快恢故障快恢1分分钟钟故障故障发现发现体系建体系建设设落地落地面面临问题临问题解决思路解决思路核心业务监控大盘监控能力风险覆盖率指标1分钟发现有效率发现漏报率监控系统多样导致数据分散自研监控商业监控开源监
8、控监控指标复杂导致重点缺失网络传输监控(丢包,延迟)服务器系统状态(CPU,load)虚拟机,容器监控应用运行状态(成功率,qps)业务运行状态(订单创建量)用户体验(白屏,内容错误.)人员视角不同导致问题遗漏业务人员关注业务,应用运行运维人员只关注机房监控全局监控大盘核心业务监控-故障关联核心业务监控中心化管控系统监控去中心化监控非核心业务监控-风险预警关联统一收敛查询统一监控系统自研监控商业监控开源监控核心 业务 监控指标用户体验业务运行状态影响面下跌幅度 持续时长 错误总量业务故障场景非核心监控业务运行状态指标影响面下跌幅度持续时长错误总量业务风险预警业务故障场景系统监控指标容器虚拟机监
9、控服务器系统状态应用运行状态影响面系统资源水位容量饱和度配置方式系统告警升级配置方式配置方式5分分钟钟故障故障处处置体系建置体系建设设研发人员运维人员测试人员应急链路角色多缺乏流程驱动怎么组织?谁来响应?谁来处理?谁来监督?业务链路长初因定位难流量问题?网络问题?编码问题?依赖服务问题?基础设施问题?配置变更问题定位能力应急协同能力多用于初因定位多用于根因定位指标应急5分钟响应率统一定位系统全局变更诊断SaaS定位IaaS定位PaaS定位发布变更业务日志网络DB慢SQL配置变更Trace链路宿主机缓存热点/未命中数据库变更进程信息DNS中间件初因5分钟定位率规范应急流程明确角色分工引入技术支持
10、角色 (组织,监督)从业务,变更快速初因定位从应用,系统进行根因定位定位结果聚合,快速查询面面临问题临问题解决思路解决思路落地落地10分分钟钟故障恢复体系建故障恢复体系建设设面面临问题临问题解决思路解决思路流量问题?网络问题?编码问题?依赖服务问题?基础设施问题?流量问题网络问题如何合理使用快恢能力编码问题 依赖服务问题 基础设施问题 配置变更问题如何建设快恢能力建设快恢通用能力杜绝快恢一刀切明确快恢执行条件快恢能力的分类快恢能力的时效快恢能力的有效性评估快恢常态化运营落地落地10分钟快恢达标率快恢能力标准化接入基于故障的快恢能力推荐流量类成功率RT类系统资源类编码/依赖流量/网络中间件容器/
11、资源类型根因切流回滚重启扩容限流隔离回滚扩容隔离扩容降级扩容故障快恢覆盖率快恢能力有效率目标模型定义(部署形态,资源分层)容器化产品对接云底座ECSKubernetesEDAS进程服务应用主机非容器化ANSIBLEDeploymentPodContainer回滚切流限流降级扩容重启重启发布隔离能力能力 分分类类能力能力 实现实现重启举例快恢快恢 目目标标数字化安全生数字化安全生产产1-5-10落地落地目目标标：1分分钟发现钟发现、5分分钟钟响响应应、10分分钟钟恢复恢复基基础础能力能力业务应业务应用用提取关键业务场景故障定级告警指标&规则 设计告警规则配置应急场景配置业务/系统调用链路梳理提取
12、核心应用提取核心接口提取应用部署资源梳理技术团队组织架构建立故障应急机制建立各角色SLA建立故障复盘 标准建立全链路问题快速发现能力建立全链路监控能力建立故障管理体系建立故障快恢能力业务/技术调用链路&快恢能力梳理快恢能力补齐现有快恢能力对接业务层-应用层-数据库层-基础设施层的端到端监控度量快恢预案统一管理日志采集接口黄金指标慢SQL/调用异常/错误分析链路追踪cpu网络日志解析数据采集JVMChatOps业务应用集群宿主机EDAS容器MQ既有监控系统ZabixPrometheus云监控其他重启回滚切流限流降级值班故障通告故障定级监控域内存磁盘产品线服务组应急场景应急事件监控域协同域故障域快恢域扩缩容监控域仪表盘数字化安全生数字化安全生产产未来展望未来展望规划丰富业务场景标准能力合作建设智能化低代码容灾场景三板斧场景不同行业场景.监控能力标准化告警能力标准化变更能力标准化业务流程编排，模块&插件化数仓.
