云边端一体化成IT运维必修课？监控易核心是让数据更有用

　　随着5G、AIoT等技术加速落地，党政、八大行业及央企国企数字化转型持续深化，数据已经成为毫无争议的企业资产。当下IT运维是企业进行数字化升级的问路之石，IT运维建设在当前时期以内，几乎可以等效为对数据更高效应用的探索。对数据应用的进一步探索，也将企业的数字化建设焦点集中到一个领域的投入：云边端一体化。
　　ONE
　　产业踉跄跨入数字化阵痛：
　　云原生尚需边端力量补充
　　自从2013年概念诞生以来，＂云原生＂一度被认为是下一代IT部署的最佳形态。彼时，云原生在云计算与软件开发圈尚属新概念。通过一系列软件、规范和标准，让企业得以在云上构建和运行一整套技术栈，通过最短的路径为企业提供IT服务，被认为在通信、物联网等技术获得突破后会成为一种理想的业态。
　　这一套理论尚未得到深入认证，近几十年最大的黑天鹅事件爆发——新冠疫情来袭。
　　疫情对于国民经济中各项职能的运转而言，堪称降维打击，却也带来了另外一项副产品：企业数字化进程，被大大提前了。
　　据业内人士估计，企业无论是出于技术迭代的实际需求，亦或是出于通过数字化尽量规避疫情对企业运转的冲击，在宏观上让数字化的进程加速了3-5年。这也让云原生在火热发展期时，直面市场的验证。第一个考验云原生的＂考题＂集中爆发的场景，就是各企业争相进行的IT运维数字化。IT运维或许在企业的业务中并不产生正向收益，但传统IT运维已经成为企业不折不扣的负担。多端零星数字化并发进行，投入的运维成本与＂数字化＂的规模呈正比，降本增效丝毫谈不上。
　　云原生研发圈子不得不承认，传统行业若想通过云原生的能力实现数字化转型，直接采用互联网云原生能力简单叠加在现有基础设施之上的方法，无法满足传统行业普遍存在的跨集群、跨区域、跨云的全局化业务场景。这意味着，当下企业数字化的矛盾，重点是大数据基础设施与一体化运维之间的矛盾，而非通过云获得离散的IT服务。
　　如果离散的服务可以上云获取，为什么一个企业的整体IT行为不可以？现在回看2013年，不难发现＂云原生＂对技术和场景的预判存在一定程度的局限。局限因＂厂＂而异：
　　如需要最大限度沉淀数据价值的企业，对于底层数据的要求往往是全局存储，定期归档。由于带宽的限制，最高效的方式并不是网络传输，而是用卡车拉硬盘；
　　如需要即时数据监控基础设施的企业，大数据基础设施可能遍布多个地区，甚至多个国家，那物理距离导致的传输延迟就不得不列入运维考虑；
　　再如对生产过程数据采集强调多维度、原始数据的企业，数据采集周期可以短至秒级，其数据不能经过任何的加工，时域内大容量数据需要灵活调取，以用于专家诊断、故障复现，对缓存容量和读写能力有要求。
　　不同维度的问题，都是早期云原生未曾前瞻顾及到的。 归根结底，云原生的早期困境在于激进地想把企业的所有IT服务上云，而仅仅在IT运维中，大数据场景和应用的爆发证明了，出于物理因素的限制，＂全盘上云＂是一个蛇吞象的设想。
　　于是算力下沉、部分上云，就成了实践为大数据选择的流向。 近年的＂边缘计算＂、＂云边协同＂即不再将中心化的云作为算力的唯一载体，而更为重视局域云乃至智能终端作为大数据基础设施的作用。数据和算力下沉、围绕基础设施展开，就是目前云边端一体化大趋势开启的标志，也是云原生在螺旋式地实现自我进化的一种进程。
　　TWO
　　IT运维成数字化第一道关卡
　　云边端一体化成必经之途
　　IT运维数字化之难，在于这是业界正式步入之前少有涉足的领域：以数据体系化、地优化流程，将人力从繁重的运维工作中有序地解放出来。 这需要数据正式成为基础设施的＂晴雨表＂，反过来告知运维人员当前设备的运行状况，而不是运维人员被动地发现状况、排除状况。正因为如此，IT智慧化运维简直可以视为企业数字化的缩影。
　　然而，云边端一体化在实践中表现出日益丰富的内涵，需要消除多种扯＂后腿＂的顽疾，实现多个维度的一体化：
　　数据一体化，是应对数据掣肘、实现IT转型的基石。企业在进行数字化升级的时候，离散式的采集、不同范式的数据、局域网化的IT运维，是应对当下业务增长的权宜之计。这样的数字化需要投入巨量人力进行维护，是传统IT运维的强化版。这就导致了＂越数字化，越难统合＂的怪像。云边端一体化首先要求数据一体化，这就需要企业以超融合数据库作为整个IT运维体系的数据基座，避免多类型数据库终端各自为战、形成数据孤岛。
　　运维一体化，是IT智慧化运维的＂起手式＂。 完成了这一步，企事业单位才能真正初步享受到数字化带来的降本增效红利。IT运维一体化，能高效统合巡检、末检、终检、沟通等必要IT运维环节，让洞察终端运行环境的动作先＂智能＂起来。为此，基于一体化的数据基础设施，企事业单位需要成熟、全面的云边端运维一体化架构。
　　资源一体化，是智慧化终端向上与边、云完成协同的刚性要求。 企事业单位在扩张过程中往往伴随设备资产的扩充，以及子网、分支区域的复杂化，将网内所有设备资产数据上云，对于企事业单位来说是必然的。相较于设备运维，数字资产的实时监控则是更宏观层面的要求，这同样也是IT智慧化运维需要解决的问题。
　　监控易 ，赞 8
　　应用一体化，是让IT运维＂苟日新，日日新＂的保障。 IT运维进入智慧化时代，企事业单位在实践中发现：IT运维体系具有自己的成长属性。构建跨云边端的分布式应用，统一开发、部署、调度、管理能力，企业才能始终保持运维质量不随业务增长而下降。对于企业来说，支持分布式部署的一体化IT运维平台，才能实现类似 ＂云边管控、边缘运行＂的方式实现应用的管控。
　　方式一体化，是IT运维最大限度发挥＂人效＂的必经之途。 传统IT架构带来的最大困局之一，就是各职能部门形成各自的管理与协同方式。协同方式不同带来的低效运维，往往会由于责任落实不到位、执行滞后和专家介入不畅，而导致运维不及时造成重大后果。依托一体化平台构建的统一流程，不仅仅是将IT资产纳入管理，更能将人员效能达成高效适配、流程规范，从＂找人＂的环节中解放，节约管理成本。
　　IT运维作为企业数字化第一脚迈入的领域，完成云边端一体化的＂试炼＂，首先在IT运维上应用打造一个完全的云边端一体化平台，几乎成为企业的必经之途。
　　THREE
　　云边端一体化＂无压力＂
　　系统是什么样的？
　　对数据的应用方式已颠覆，相应的基础设施也需要革新。
　　美信时代在早期就预见到：数据，是物联网时代最基本的价值产出载体。而彼时市面上占据了大半壁江山的传统关系型数据库，在数据兼容性、性能方面都将很快落后于产业数字化升级的进程。
　　产业需要能满足容纳生产环境实时数据吞吐的数据库，并基于此构建围绕设施的数据生态。
　　基于这样的认识，美信时代自研了BigRiver四合一超融合数据库，为用户提供集成＂消息队列＂、＂Key-Value树状数据库＂、＂关系型表状数据库＂、＂内存数据库＂和＂高性能时序数据库＂为一体的超融合数据库存储。
　　在兼容多种主流数据的同时，BigRiver数据库还使用高压算法，采用自主研发的＂页面管理机制＂、＂事务管理机制＂、＂多级缓存机制＂以及＂高性能B+树索引机制＂等，保证了数据存储的完整性和一致性。在此基础上，又提供了高速率的写入和查询性能，显著提升了数据库的读写效率。以BigRiver数据库为数据基座，美信时代推出了面向云边端一体化运维的产品监控易。
　　借助BigRiver数据库的独特优势，监控易可将使用相同协议参数连接的设备进行统一管理，实现采集集群单元模式和凭证式管理，将设备批量接入纳管。当使用相同凭证的设备协议参数发生修改时，只需修改凭证，即可实现统一修改的效果，无需在系统内依次修改各个设备上的参数。
　　时下面临数字化转型的企业，IT运维覆盖范围在加速扩张，采集集群单元模式和凭证式管理赋予企业IT生态更强大的拓展性，完美适配企业的一体化IT运维需求，打造全新的云边端一体化的IT架构。
　　基于对设备的一体化洞察，监控易可实现单机房和多机房统一管理，应对企业日益扩张的基础设施的运维需求。落实到机房、硬件层面，企业可通过运维平台实时了解机房设备、动力环境、安防情况、设备告警等信息，做到＂对设备有数＂甚至是＂防患于未然＂，提高突发状况的容错率。
　　数字化对企业的赋能，其中一个特征就是业务场景的爆发式增长，刻板的既定流程必然不能满足企业的IT运维需求。 监控易最新推出的火星版本，支持业务、运维、地域、智能等企业管理视角，创建多个场景的资源分组集中管理。支持围绕场景对设备分组管理，支持用户自定义场景，按需执行运维工作。如对运维团队按照职能分组，或对监控对象配置标签等。结合数据可视化、定向告警、3D仿真展示等既有功能，企业可以最大限度活化运维组织架构，充分发挥人效。
　　资源更集中、运维更智慧、人效更突出，充分满足数字化进程中云边端一体化的多个要素，是监控易得以为IT运维领域带来革新的充分条件。
　　云边端一体化成为时下IT运维的必修课，背后是这样的逻辑：从这一步起，数据真正成为一种可以被挖掘、利用的基础资源，企业也开始重塑人力与IT资产关系的起点。对数据的挖掘利用指向生产方式的革新，重新匹配人与IT设备的关系则是管理方式的革新。
　　思路决定成败，这种革新，是从IT运维开始。
　　关于监控易：  监控易是美信时代自研的分布式、一体化数据采集与洞察管理平台，采用多TS架构，集中统一实现IT、动环、智能物联网等智能设备和软硬件系统的自动采集、监测、巡检、告警及展现，提供设备管理、网络管理、业务管理、视频管理、CMDB、ITSM、运维管理、机房管理、移动运维、云运维、3D可视化等核心功能，支持各系统间的数据关联共享，从全局视角把控系统运行态势。监控易具备全国产、高性能、一体化、多层级的特点，聚焦IT&OT领域，处于信创产业链中＂卡脖子＂的战略环节。
　　版权与免责声明转载须注明，部分图片源于网络，如有侵权请联系删除。