SRE技术保障平台-盯屏中心TAC在混合云项目中的应用实践

简介: SRE技术保障平台-盯屏中心TAC在混合云项目中的应用实践

SRE技术保障平台-盯屏中心(TAC - TAM Alarm Center)是阿里混合云现场运维对监控报警解决方案的最佳实践,为混合云客户提供灵活的、多样化的监控报警解决方案,以此提升混合云平台和产品的故障发现率,保障客户系统的稳定运行。TAC功能丰富、多样且灵活,能够覆盖多种应用场景,满足多样的监控及告警需求,本文选择部分项目的最佳实践和应用进行展示。

1.基本功能

1.1告警接入

图1:封神榜告警接入方案.png

图1:封神榜告警接入方案

  • 产品团队:研发团队提供监控能力
  • 封神榜:封装产品监控,并调用TAC的API网关接口上报告警
  • TAC:提供API网关服务,并进行告警的展示和通知

1.2告警通知

  • 场景:某项目现场需要将平台侧P0级告警通知给相关人员以及时获取监控告警信息。
  • 方案:使用TAC本身告警汇聚能力汇聚云内多渠道告警,并使用TAC集成的告警通知服务实现告警通知。

图2.png

图2:钉钉告警效果展示

图3.png

图3:短信告警效果展示

1.3站点监控

  • 场景:某客户现场有应用监控需求,希望TAC可以定时监控该项目的门户网站和运营管理平台。
  • 方案:使用TAC集成的站点监控HTTPCODE和钉钉方式实现监控告警通知。

图4.png

图4:站点监控效果展示

2.扩展解决方案

2.1 Maxcomput和Datawokrs资源告警

某项目使用Maxcomput和Dataworks两个产品承载主要的业务应用,需要对Maxcomput的资源使用情况和Dataworks的槽位使用情况进行监控并告警,以在第一时间发现问题,并通知运维人员处理。

图5.png

图5:Maxcomput和Datawokrs资源告警效果展示

2.2告警推送第三方

某项目需要将云平台的告警通过钉钉发送给现场驻场或相关负责人,减少盯屏的人力成本,从而减少问题处理的时间,最终减少对业务的影响时间。

图6.png

图6:告警推送第三方方案

数据采集:使用TAC实现告警采集

  • 平台核心实例资源使用率告警管理、P0/P1告警统一管理
  • 应用业务可用性监控告警

数据推送:TAC调用api网关接口,将告警数据写入消息中心。
数据接收:通过消息中心服务将告警数据推送到钉钉机器人,钉钉群接收消息中心推送的告警数据。

图7.png

图7:告警通知效果展示

作者:黄家亮

阿里云智能GTS-SRE团队资深技术支持工程师

7年IT从业经验超3年阿里专有云运维管理经验,现就职于阿里云智能GTS-SRE团队负责运维开发工作,期间深度参与并负责铜雀、TAM企业服务运营管理平台及TAC报警中心三个系统从0到1的建设工作,有效提高专有云运维能力和效率。

我们是阿里云智能全球技术服务-SRE团队,我们致力成为一个以技术为基础、面向服务、保障业务系统高可用的工程师团队;提供专业、体系化的SRE服务,帮助广大客户更好地使用云、基于云构建更加稳定可靠的业务系统,提升业务稳定性。我们期望能够分享更多帮助企业客户上云、用好云,让客户云上业务运行更加稳定可靠的技术,您可用钉钉扫描下方二维码,加入阿里云SRE技术学院钉钉圈子,和更多云上人交流关于云平台的那些事。

image.png

相关文章
|
负载均衡 监控 容灾
《云上容灾交付服务白皮书》——3交付标准化参考框架——3.2 现状调研
《云上容灾交付服务白皮书》——3交付标准化参考框架——3.2 现状调研
163 0
|
容灾
《云上容灾交付服务白皮书》——3交付标准化参考框架
《云上容灾交付服务白皮书》——3交付标准化参考框架
150 0
|
容灾 大数据
《云上容灾交付服务白皮书》——3交付标准化参考框架——3.5 演练实施(上)
《云上容灾交付服务白皮书》——3交付标准化参考框架——3.5 演练实施(上)
133 0
|
容灾
《云上容灾交付服务白皮书》——3交付标准化参考框架——3.5 演练实施(下)
《云上容灾交付服务白皮书》——3交付标准化参考框架——3.5 演练实施(下)
110 0
|
运维 容灾 云计算
《云上容灾交付服务白皮书》——5.交付典型案例——5.2 项目交付内容
《云上容灾交付服务白皮书》——5.交付典型案例——5.2 项目交付内容
132 0
|
机器学习/深度学习 运维 监控
《云上大型赛事保障白皮书》——第六章 云产品稳定性治理与风险管控——6.2 北京冬奥稳定性治理实践——6.2.2 智能风险管控工具--Aspara ServiceStack-CloudDoc
《云上大型赛事保障白皮书》——第六章 云产品稳定性治理与风险管控——6.2 北京冬奥稳定性治理实践——6.2.2 智能风险管控工具--Aspara ServiceStack-CloudDoc
144 0
|
容灾 安全 容器
《云上大型赛事保障白皮书》——第六章 云产品稳定性治理与风险管控——6.2 北京冬奥稳定性治理实践——6.2.1 核心系统上云架构--稳定性治理实践
《云上大型赛事保障白皮书》——第六章 云产品稳定性治理与风险管控——6.2 北京冬奥稳定性治理实践——6.2.1 核心系统上云架构--稳定性治理实践
|
人工智能 运维 安全
带你读《CloudOps云上自动化运维 白皮书2.0》之4:1. 企业运维实践的现状与趋势
带你读《CloudOps云上自动化运维 白皮书2.0》之4:1. 企业运维实践的现状与趋势
177 0
|
运维 监控 Cloud Native
GOPS 全球运维大会 | 阿里云网络自动化运维体系落地实践分享
GOPS 全球运维大会 | 阿里云网络自动化运维体系落地实践分享
GOPS 全球运维大会 | 阿里云网络自动化运维体系落地实践分享
|
运维