作家：秦鸿林 紫羚云 CGO、资深惩处有辩论众人

　　一、布景先容

　　在之前的一篇《紫羚云秦鸿林：数字化时间，怎样显露和对皆 ITSM 价值》文中，提到实行ITSM的第一个场景等于“IT基础才能和数字化居品的运维，也等于基础和系统运维层面”，这里的一个环节价值等于进步业务连气儿性。

　　关于大中型企业，概况也曾信息化、数字化转型到一定进程的企业，基础才能，中枢业务系统的可用性(有些企业，为了好显露平直叫在线率)至关环节，系统宕机，平直影响业务，以致会平直酿成财务亏蚀，影响企业声誉。

　　其实关于对行业或市民生存有紧要影响的群众基础才能更是如斯，无独到偶，对我们日常生存有紧要的影响的基础才能故障频发。

　　事件1：12月3日，“腾讯视频崩了”登上微博热搜

　　事件2：12月1日上昼，上海市医保系统崩溃无法进行医保结算

　　事件3：11月27日23:13 滴滴出行APP崩溃

　　11月27日23:13 上海、北京、广州等多地滴滴用户反馈，滴滴出行APP无法使用，用户无法平方掀开滴滴打车界面、舆图无法加载、司机无法阐述乘客上车景况、乘客无法阐述司机位置、青桔单车无法扫码……滴滴系统办事故障在应酬平台上“扯旗放炮”献艺了一整天。

　　11月29日，滴滴再次致歉，并公布故障原因。滴滴示意，在各项办事还原的同期，企业于28日开头了里面复盘看望。初步笃定，这起事故的启事是底层系统软件发生故障，并非网传的“遭逢挫折”，后续将潜入开展工夫风险隐患排查和升级使命，全面保险办事踏实性，尽最大尽力幸免近似事故再发生。

　　事件4：11月12日晚间，阿里巴巴旗下淘宝、闲鱼、阿里云盘、饿了么、钉钉在内的多款居品均出现了办事器故障问题，疑似无法平方操作

　　本色上，上述无论哪一齐事件，淌若我们去网上仔细搜索，就不错温和发现都不是第一次，包括滴滴三年崩了四次（2022年9月22日、2021年2月25日、2021年3月1日），而看周到球第三名云厂商的阿里云（据IDC2022年的论述，全球前三名云厂商轮番为亚马逊、微软、阿里云，其中阿里云以6.2%份额位居全球第三）更是6年4次。这么的事件，对企业无论是财务和声誉的亏蚀都是巨大的。

　　二、影响业务连气儿性的紧要事件原因分析

　　影响业务连气儿性的紧要事件究其原因，其实是比拟多的，原因也比拟复杂。有的是机房才能、变更操作、版块问题、操作诞妄、聚积问题等等。此次滴滴系统崩溃之后，就有SRE领域的运维众人，在《2023-11-27滴滴故障原因解密》中对该起事件作念了分析，约莫是将原因归结为是k8s集群升级时kubelet版块升级时，版块选拔邪恶，由升级反倒变为了降价，另外由于是“原地升级”的神色，导致回退颠倒远程。况且总结了四个启示：升级的半径不宜过大、回滚一定要可靠、紧要变更的限制、不要在东说念主困的时候作念变更。其实，这些都是属于ITIL和ITSM变更不竭的规模。

　　笔者从ITIL(ITIL 全称Information Technology Infrastructure Library，常常被译为“信息工夫基础架构库”)和日常教诲摆设了影响业务连气儿性的一些原因，供人人参考，里面很大一部分在互联网，云厂商可能不会出现：

　　基础才能故障：在IaaS、PaaS等底层问题，概况说云平台或机房才能、狡计、存储、聚积等基础才能硬件本人问题，属于被牵连被影响。

　　关联系统故障：关联系统或上游系统故障导致的接口或局部功能受到影响。

　　安全问题：安全间隙，被挫折等。

　　变更投产：变更前的风险分析不足、变更实行有辩论和测试有辩论不到位概况莫得经过授权或充分辩论、变更后的测老师证不充分、变更后的监控和护航缺失、变更误操作。

　　软件版块：软件版块本人的问题，举例居品或功能想象不足、代码质地、版块限制、应用逻辑等测试不充分仓促上线后。

　　常见的问题是在蛊卦封板、功能测试、集成测试、UAT测试修改bug后，因为时刻迫切莫得充分的精致测试，以致是上线前还在改代码，导致改bug产生了更大的bug出现。

　　架构问题：架构想象不对理，容错想象不足、部署架构本人不是高可用架构，概况不是信得过的高可用架构，举例高可用架构中有单点。

　　性能及容量问题：因为架构想象概况性能、容量评估不足，性能测试和压力测试不到位导致的可怜;

　　问题不竭：前期故障莫得根柢惩处，复盘或根因分析不到位，紧要事件和问题不竭莫得闭环等。

　　例行操作：日常监控和巡检不足、监控不足时、监控标的缺失等，导致风险和隐患莫得实时被发现。

　　数据备份：数据备份、数据丢失问题，导致可怜发生后不成实时还原从而出现更多的可怜事故。

　　济急反映：在可怜发生时，济急处理不力，不成快速定位原因或开头济急预案;协同问题等。

　　业务连气儿性不竭：包括了组织和东说念主员、经由和工夫、业务影响分析、风险评估、业务连气儿性规划及济急预案、业务连气儿性资源蛊卦、日常演练与测试、评估和不竭阅兵等一系列使命，神秘顾客教程这本人等于一个很大的课题。

　　蛊卦转运维问题：蛊卦对运维不足时，导致运维还在蛊卦手里，关联词蛊卦运维才能又不足;蛊卦对运维的赋能不够，概况关节文档缺失等。

　　运维平台本人：监控不到位、可不雅测才能不够、自动化运维在需要灾备切换时切换失败等。

　　组织和东说念主员问题：东说念主员技能、意志问题;东说念主员单点问题、值班排班不对理，举例在可怜发生时，关节东说念主员不在岗等。

　　供应商问题：这里包含不对格的供应商，也包括供应商过头东说念主员日常不竭的问题。本色上，供应商东说念主员和企业里面东说念主员相似被纳入研发和运维、安全不竭体系其实瑕瑜常远程的。

　　三、惩处有辩论

　　关于IT基础才能和数字化居品的运维，保险高可用及业务连气儿性，是实行ITSM的首要价值。跟着企业数字化转型的潜入，企业对IT基础才能和数字化居品的可用性建议了更高的条件，基础才能和中枢系统99.99%也曾是一个基本条件(99.99%意味着一年只能以中断53分钟，平均到每月也等于4.38分钟)。为保险基础才能、中枢及环节数字化系统的可用性，支吾普遍且复杂的基础才能和数字化居品的运维使命，构建实行ITSM/ITIL名堂和ITSM就显得相当必要。

　　企业不错围绕敏稳双态的念念路优化运维经由，互联网企业，尤其是面向社会提供基础办事的企业或机构，在汲取SRE、DevOps的同期，照旧要借助ITIL4、ISO20000来不竭优化组织才能蛊卦，夯实稳态的运维不竭体系，尤其是对业务连气儿性孝顺价值较大的事件不竭、问题不竭、变更发布不竭、投产指挥、业务连气儿性不竭等经由，完善以CMDB、ITSM、监控、自动化为中枢的运维平台蛊卦，其实进步业务连气儿性保险水平。

　　传统大中型企业，在数字化转型的旅程中，还需要同步构建数字化运营保险体系和平台。正如紫羚云首创东说念主梁育刚先生的一个不雅点：“在古代兵法中就有“戎马未动，粮草先行”的行军作战原则，而今在数字中国蛊卦和各行业数字化转型的征途中，企业都濒临着中枢系统全面升级的关节时刻（戎马动），数字化保险体系和保险平台莫得提前优化或构建好（粮草先行），那对数字化转型升级频频会有可怜性的效果（许多企业分解误区等于先上中枢系统，滞后建AITSM或ITSM）。这么在中枢系统进行数字化转型蛊卦和升级中没疏淡字化保险体系和平台进行“添砖加瓦”，而酿成紧要中断事件，影响IT连气儿性，进而影响到业务和企业”。

前不久，这位大奖得主像往常一样来到商店，由于当天是开奖日，而且临近停售时间，他便决定把身上的零钱凑一凑，买一张强力球。正是这张最后时刻打出来的，成功命中了大奖，也为这张增添了一些“命中注定”的色彩。

　　还莫得实行ITSM的企业，不错在先惩处有莫得，再到好不好，终末收尾以ITSM为中心，ITSM不竭连气儿器+面向组件级不竭的AIOps+面向办事不竭组织级的AITSM的全面蛊卦阶段饱和的体系化、自动化和智能化运维不竭。

　　ITSM名堂看成一个不竭名堂，ITSM平台的有用落地，也被觉得是科技部门运营不竭变革的使命，建议具体以底下两种神色来鼓励：

　　第一种神色：以ITSM专科厂商参谋人为请示，通过ITSM平台来疏导团队显露专科厂商的想象和落地教诲，从而短平快地落地ITSM;

　　第二种神色：以现存经由进行评审分析，融合里面经由分解为导向落地 ITSM 。

　　四、总结

　　IT基础才能和数字化居品的运维，也等于基础和系统运维层面，保险业务连气儿性是首要标的，而导致业务连气儿性事件的原因是多样多样的，需要优化运维组织，健全敏态和稳态连结结的运维不竭经由，更需要实行ITSM名堂。企业数字化转型，应该是企业的IT部门最初收余数字化转型，欺诈有用的数字化妙技进步数字化不竭水平，从而限制企业在出产规划过程中应用数字工夫时濒临的潜在风险，保险和进步业务连气儿性确保数字化转型标的的达成。ITSM关于保险数字化转型，进步数字化运营不竭水平，保险业务连气儿性不是全能的神秘顾客教程，关联词莫得ITSM是万万不成的。不错实行ITSM为合手手，来导入ITIL4，构建数字化运营的组织才能、经由才能，构建数字化运营不竭平台。