北塔软件：如何修炼IT运维“百科全书”

很多“成功”的运维大师都会以解决各种奇异问题为荣，但如果支撑业务系统的对象数量超越了你的记忆容量，那些凭借经验修复网络的高手就很可能败下阵来。

有一些很蹊跷的网络故障时常会发生在我们身边，在对各种可能因素进行逐一排除后，仍然不能找到故障原因。而当手中拿着数十个故障诊断工具，原始命令熟记于心的时候，在这些特殊网络故障面前，如果只给你2分钟怎么办?

某公司网络与上级公司网络，每隔两个小时就会断开两分钟，之后又会自动恢复正常。同时，由于这套网络系统涉及到广域网络，跨越的节点非常多，且数十套业务流量也跑在里面，理论上讲，可能的故障点非常多，很长一段时间，用户都束手无策。进而，公司请来了“高手”，但留给运维大师捕捉故障的时间段很短，2小时等待，再加上2分钟的破案时限，面对这个十分奇怪的现象，即使这位高手拥有十多年的运维经验，最后也只能卑躬臣服。

求医无果，最后，这家企业决定寻求专业运维厂商的支持。在采用北塔软件的北塔BTIM后，通过北塔BTIM的物理拓扑图发现某台路由器异常，再通过BTIM抓获嫌犯，察看该设备的历史记录，发现该路由器的2M端口每隔两个小时就会自动DOWN掉，然后再重新启动，重启的时间刚好就是两分钟左右。在定位了故障设备后，对其进行针对性的分析，发现是由光端机和该路由器之间的时钟不同步引起的，由此成功地解决了该问题。

在我们崇尚的ITIL参考读物中，“故障管理”的目标就是将 IT 基础设施错误引起的事故和问题对业务的负面影响减到最小，并防止与这些错误相关的事故再度发生。为了实现这个目标，“故障管理”力求第一时间找到引发事故的根源，并着手改善或纠正该情况。

北塔软件认为：IT运维管理部门的真正价值并不是出现故障之后的处理，而是在故障发生前能够准确判断，排除隐患，并避免故障的发生。所以，一个最能帮助企业有效对抗故障难题的方法，是建立主动性的发现机制和流程，可利用北塔BTIM等运维管理软件，首先实施全网范围的基础设施监控，并对每次故障进行“记录、跟踪、监督和分析”。之后，便可限时完成受理、派工、处理、反馈和回访，将服务过程按流程自动化、规范化和标准化运作起来。

在IT运维管理中，我们决不能低估人的价值，但完全依赖个人经验，就很难让IT运维服务水平再上一个台阶。反之，利用IT运维管理软件，将有价值的维修方法、故障排除的方案和经验知识，统一纳入知识库，日积月累后，便建成了IT运维部门“百科全书”。这种良性的循环，既能发挥核心人员的故障排查经验，又能帮助监控或值班工程师快速找到解决办法，提高服务的及时率，从而构建一个超越现在的运维团队。