助力客户数字化转型，构建全新的运维体系

作者：晋彪

      在新一代数字技术的驱动下，企业由制造迈向“智造”，IT运维的压力成倍增长，对运维服务和平台带来了巨大挑战，华为云“确定性运维”方案帮助企业在运维过程中找到新的突破口，构建全新的运维体系，为客户上云提供安全、专业、高效的服务。
      华为云成为客户数字化转型的重要引擎
      华为云客户是一家国有大型通信基础设施服务企业，在进行传统通信服务业务的同时，公司正在积极开展科技创新。
      华为云SRE工程师在与客户项目负责人洽谈时，结合企业业务特点，让业务能力生于云，长于云。生于云是基于华为云的智能运维平台来构建企业运维，长于云是充分利用云的优势助力客户应用和业务发展，将客户的数字化建设和业务智能升级带入新的阶段。
      项目保障正式启动后，华为云SRE、CRE、TAM、RDPM成员迅速进场，联合客户对业务进行系统分析，识别全量风险、依托监控最佳实践协助客户整改、输出可靠性加固方案及容灾方案，推进准生产/生产环境完成MAS双AZ双活容灾方案落地。
      华为云团队联合客户对业务系统从实例状态、版本、容量性能、过载保护、操作合规性、业务模块可靠性、故障爆炸半径、逃生及应急预案等多个方面进行分析和评估，显性提出风险项，与客户对标风险清除方案并实施。针对无法消除的风险，定期进行应急预案的故障演练，确保故障可快速恢复。
      “确定性运维”体系赋能数字化运维转型
      在业务巡检和变更管控上，重点从客户硬件故障隐患、后台实例状态检查、云服务深度巡检方面，识别风险并整改，针对各类变更，域内评审+重大变更评审双层把关。
      在全链路监控体系中，根据客户业务特点，以稳定性为核心诉求，进行多轮阈值和告警配置优化，据业务运行情况持续优化监控指标阈值。

      在系统容量分析上，当前业务系统容量可应对单AZ级资源故障场景的业务延续性。分层级按照业务模块分析相关 Redis、MongoDB、RabbitMQ、Kafka、CCE、ELB、NAT、ECS，8个核心业务的关键云服务容量评估。
      在容灾演练上，设定演练场景，分别为故障处理流程演练、突袭随机故障演练、单组件故障演练、整系统故障容灾演练等，并通过演练，熟悉故障应急预案，缩短现网故障业务恢复时长。
      在架构加固上，通过三个阶段实现客户架构加固。在第一阶段，关键实例可靠性加固、多AZ部署：主备实例跨AZ改造且实现冗余集群Redis、MongoDB跨AZ容灾部署，实现多集群通过内容DNS进行主备倒换；在第二阶段，应急小程序灾备环境容灾：跨Region部署微信小程序灾备环境，实现核心业务的快速容灾切换。华为云保障团队配合客户进行方案落地实施并完成联合演练等动作，保障应急小程序顺利上线；在第三阶段，基于华为云MAS多活高可用解决方案（消费者云多活容灾孵化方案），输出主业务跨AZ双活容灾方案。
      经过一系列努力，最终帮助客户实现IT运维统一管理、统一防护、统一监测，建立起全面的安全监测、通报预警和应急处置工作机制，大幅提升了运维质量和效率。

      华为云通过行业运维指标体系持续迭代和重构，实现智能运维对企业数字化转型业务的保驾护航。通过整套运维保障解决方案，保障了客户海量设备和业务应用平稳运行，华为云持续以业务支撑为导向，以运维体系为指引，以运行平台为支撑，不断提升客户运维管理与服务水平，保障业务可持续发展，全面满足客户需求，精细化服务水平，助力客户数字化转型的成功。