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
|
存储 运维 监控
什么是 SRE?一文详解 SRE 运维体系
什么是 SRE?一文详解 SRE 运维体系
3407 1
|
城市大脑 运维 监控
阿里速度! SRE团队全力保障多地健康码顺利上线
如何精准防控,统筹疫情期间的各项工作,有序稳健恢复经济社会秩序,成为当务之急。对此,阿里巴巴快速反应,除各种物资支持、政策响应外,还配合多地政府开发健康码,充分运用大数据手段助力疫情防控和复工复产,实现数字化防疫,让政府相关人员更快速、更清晰、更精准地进行防控管理决策。
阿里速度! SRE团队全力保障多地健康码顺利上线
|
运维 监控 专有云
TAC报警中心: 专有云告警生命周期一站式管理运维平台
TAC报警中心是阿里云SRE混合云团队为专有云精心打造的一站式告警运维平台,覆盖专有云所涉及的云产品、大数据、云实例以及用户所涉及的站点应用等告警,提供告警生命周期管理以及报警外发等解决方案。帮助专有云快速发现、定位异常问题,协助产品团队进行产品优化。
TAC报警中心: 专有云告警生命周期一站式管理运维平台
|
5月前
|
弹性计算 运维 算法
阿里云 Elasticsearch Serverless 检索增强型 8.17 版来袭!
阿里云Elasticsearch Serverless 8.17版本,深度融合无服务器架构与分层扩展能力,面向信息检索、向量搜索、语义分析等通用场景,提供全托管服务,在最新特性扩展、自动扩缩性能、资源成本优化等维度均有显著提升。
279 15
|
Kubernetes jenkins 持续交付
Kubernetes CI/CD 集成:持续交付的最佳实践
【8月更文第29天】随着微服务架构和容器化的普及,Kubernetes 成为了运行容器化应用的事实标准。为了确保应用能够快速迭代并稳定发布,持续集成/持续部署(CI/CD)流程变得至关重要。本文将介绍如何将 Kubernetes 集成到 CI/CD 流程中,并提供一些最佳实践。
714 1
|
存储 弹性计算 算法
SSH学习(三)- SSH协议中的Public Key Algorithm
在SSH协议中,有两个地方涉及到公钥算法,分别是: 1. 服务端认证:服务端在进行密钥协商的时候证明自己身份,防止中间人攻击,此时为SSH-TRANS协议发生的事情; 2. 客户端认证:客户端通过PublicKey方式证明自己身份,完成SSH登录认证,此时SSH-USERAUTH发生的事情; 这两种情况下的公钥算法使用的是同一个概念,接下来本文将主要基于PublicKey公钥认证方式,学习对应的内容。
1156 1
SSH学习(三)- SSH协议中的Public Key Algorithm
|
安全 Linux 数据安全/隐私保护
阿里云镜像仓库:拉取和推送Docker镜像
阿里云镜像仓库:拉取和推送Docker镜像
41564 2
阿里云镜像仓库:拉取和推送Docker镜像
|
运维 监控 开发者
铜雀:阿里云智能巡检管家
作为阿里云云平台告警信息与监控的统一门户,铜雀专注于智能化巡检及问题诊断,是阿里云SRE混合云TAM和驻场服务团队日常工作中的首要工具。它能将TAM和驻场服务团队从日常繁琐的巡检工作中解放出来,将精力投入到更有价值的客户服务中去,通过打通云平台侧、租户侧及应用侧的信息,辅助应用运维及优化,并通过工具化手段提升现场问题分析定位的能力和速度。
铜雀:阿里云智能巡检管家