- 建设背景
在全力加快数字化转型过程中，IT系统的架构演进不断升级,大量新兴技术及组件在生产系统中得以推广应用，如何提升监控的准确性，及时性，增强用户感知，保障生产系统稳定运行，是目前面临的一大挑战。目前遇到的痛点影响了运维问题处理的准确性。
- 全层级监控多样化告警解决方案
作为天眼体系的一项基础监控产品，平台提供IaaS、PaaS、SaaS各层级监控能力，支持全流程可视化配置，具备多样化告警通知方式，实现告警工单闭环管理。用户可快速实现监控接入，为系统日常生产运行提供保障。
- 功能架构&技术架构
平台采用开源的prometheus框架实现数据采集、告警、数据存储，使用了时序数据库influxDb加大了存储周期，数据服务层采用开源的Gitlab进行版本控制、Etcd实现告警规则、指标采集的动态化配置，使用alertmanager实现告警收敛，有效减少了信息爆炸，开源的mongoDB提供了规则配置推荐模板和告警采集筛选列表等；展示层实现了web端配置可视化，大屏按租户个性化，历史数据仪表盘。告警处理方式多样化：web端和手机端。
- 核心功能
采集管理，组件、私有仓库、自定义多渠道接入
平台提供多种开箱即用的采集组件；支持一键接入天宫指标；支持租户私有数据仓库接入；提供标准的开发规范，允许用户自定义开发数据采集应用。
监控配置，低门槛、快配置
平台提供流程化的配置页面，并内置了多项辅助工具，降低配置门槛，便于用户快速配置触发条件、收敛规则、告警内容等关键元素。
静默管理，满足多维度、多需求
平台支持多维度静默管理（租户全量监控、监控点、监控点实例），可满足多种需求下的静默，例如：版本发布需静默、主机重启，可设置时间段静默等满足生产的各种需求。
告警处理，双终端模式、多通知渠道
平台支持“PC+钉钉”的双终端处理模式，支持短信、钉钉、IVR语音外呼等多种通知渠道。告警恢复时，会自动关闭未处理的告警工单。
- 可视化升级
告警大屏：以系统为触点，一点展现各系统监控告警情况、工单处理进度，同时监控室配有7*24人工值守，确保问题得到有效处理。
租户分析：平台为各租户提供统一的监控大屏，并可根据租户需求快速提供定制化的仪表盘。
- 总结
针对数字化转型中运维监控的难点痛点，平台都做了准确的分析，并设计出了解决方案，在解决痛点的过程中，也对devops进行了更深入的实践。把平台打造成了能够提供多维度数据采集、告警管理、告警展示、告警分析以及告警闭环处理能力的专业平台。
