博客
关于我
特来电CMDB应用实践
阅读量:446 次
发布时间:2019-03-06

本文共 889 字,大约阅读时间需要 2 分钟。

特来电云平台的CMDB建设实践

特来电云平台在规划伊始,便深刻认识到CMDB的重要性。经过数年的实践探索,我们打造了一条适合互联网企业的轻量级CMDB建设之路。这一实践经验值得与会同行分享。

一、CMDB架构设计

特来电云平台采用中心化的CMDB架构,主要服务于分布式、高并发、高可用性的互联网应用平台。整体架构包括以下几个关键层次:

  • 应用层特来电云平台作为CMDB的上层分布式系统,由开发交付平台、公共技术平台、运维管理平台三大子平台构成,分别对应应用系统全生命周期的开发时、运行时及运维时。

  • 管理层管理层主要包含以下几个模块:

    • 硬件资产管理:管理数据中心、应用主机及服务单元等硬件资产
    • 软件资产管理:管理关键应用及应用程序定义
    • 应用配置管理:配置应用运行所需参数
    • 资产申请管理:处理硬件资产申请并与自动运维系统对接
    • 数据校验:通过盘点和监控系统验证数据准确性
    • 数据分析:提供资产利用率、成本分析等图形化报表
    1. 存储层采用关系型数据库,既满足集中存储需求,又保证数据一致性。
    2. 二、核心模型设计

      传统CMDB主要服务硬件资产,而互联网企业更关注软件资产。基于自身实践,我们构建了以下核心模型:

    3. 硬件资产模型
      • 多地多活部署:通过数据中心多主多从架构
      • Set化管理:每个Set作为独立的封闭部署单元
      • 多应用集群:细粒度的服务部署单元
      1. 软件资产模型
        • 关键应用抽象:按业务线划分系统
        • 应用实例管理:关注应用程序及其运行环境
        • 进程级监控:通过应用主机、进程名及路径确定唯一实例

        三、实践场景

        在运维领域,CMDB带来的价值体现在以下几个方面:

      2. 监控预警CMDB作为监控预警基础,确保数据准确性。异常时通过预警系统提醒运维人员。

      3. 应用拓扑大屏实时可视化系统运行状态,预警信息联动分析,直至钻取异常根源。

      4. 智能运维结合机器学习,提升预警处理能力和系统稳定性。通过自动化处理和智能决策分析,降低IT成本。

      5. 四、建设要点

        • 核心价值:以关键应用为抓手,统一协调云硬件和软件资产
        • 数据保证:通过校验机制确保数据准确性
        • 实用价值:为运维决策提供支持

        特来电云计算与大数据微信公众号关注我们获取更多技术洞察

    转载地址:http://rcvyz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
    查看>>
    OpenCV与AI深度学习 | 深入浅出了解OCR识别票据原理
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>
    OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
    查看>>