项目背景及目标
随着科技进步，众多新的技术、平台、系统逐渐投入使用，各系统向智能、微服务、高可用化转型，系统服务能力及运行效率显著提升，也为业务开展提供了坚实基础，但也带来了新的挑战：
1.面对越来越多的平台、子系统、服务器、数据库等设施，需在异常时具备快速定位、有效诊断能力。
2.需对众多设施统一进行监控及大数据计算，在影响业务使用前智能预警，保证系统稳定运行。
为更好的保证业务可以稳定及快速的开展，提高系统运营效率和质量，自研全链路监控平台：以应用系统为视角，对应用系统有关的设施、中间件、网络、数据库、运行环境等进行闭环、可视化的监控，通过大数据计算进行智能预警，提升系统运营数字化能力。
创新点
本方案可实现多监控数据源的整合。业务系统稳定运营对业务开展至关重要，而业务系统运行又依赖基础设施、应用、中间件、网络、数据库等设施，任何设施出现异常都会直接影响业务系统，进而影响业务开展。
目前常规监控工具能监控到数数据有限，比如只能单独监控基础设施、中间件、网络或者其他应用、数据、容器、大数据、日志等类型，无法通过统一平台实现全面监控，需要有一个监控平台一方面可以复用原有监控，一方面可接入原有监控不支持的监控链路，并且将原来各设施孤岛式的监控数据打通，形成监控数据集市。
1.全链路监控平台可以帮助系统运维人员快速“问诊”并定位问题发生设施，进而快速解决异常，减少业务损失；通过大数据进行智能预警，避免异常发生，避免业务损失。
2.具备监控输出能力,子公司可以快速对接并结合自己的业务特点，有效的提高运维能力。
3.为后续数据湖的形成以及智能化学习提供坚实的数据基础
项目方案和技术实现
全链路监控，采用大数据技术，整合基础架构层、业务应用层和用户端运行数据，实现实时的系统运营全生命周期监控，提供多视角、多维度的可视化展示，既可为公司整体IT运营决策性提供数据支持，又为一线运营人员提供及时的问题定位工具。闭环、可视化管理，提升系统运营数字化能力，极大地提高系统运营效率和质量。
全链路监控分四个部分：
1. 监控数据源：产生并记录监控数据。具备产生、记录监控数据能力的系统、工具、服务、设备统称为监控数据源。本方案主要包括前端监控数据，应用相关监控数据，基础设施相关监控数据，业务流程相关监控数据。
2. 监控数据收集：从各处收集监控数据。数据收集模块根据数据源的特点，通过不同方式将监控的数据源进行收集汇总成统一的格式,发送到大数据平台进行处理计算。
3. 监控数据计算：实时、批处理进行监控数据计算、分析、存储。通过使用阳光云提供的大数据计算能力，将汇总的监控数据进行实时或定时计算、分析、统计,最终将结果持久化到数据库中，供前端数据展示使用。
4. 监控数据展示：对监控数据进行大屏展示，供运维人员实时监控系统健康状态，通过告警推送（包括多告警源接入、告警设置、告警通知等功能），及时提醒运维人员处理系统问题。
项目过程管理
本项目分两个批次，对产品功能进行迭代开发，版本发布后，根据用户在实际使用过程中的痛点逐步迭代完善系统功能。
1、需求分析和概要设计阶段
项目第一批次时间段为2019年4月至2019年5月。期间主要完成需求调研，系统业务功能的分析，产品原型设计，系统架构选型，系统周边接口的概要设计。提交系统需求规格说明书。
项目第二批次时间段为2019年1月至2020年2月。期间主要对一期使用过程中的问题进行收集汇总，形成新的优化需求，同时完成新需求的分析以及页面原型的设计等。
2、系统详细设计阶段
项目第一批次起始时间为2019年05月至2019年05月，项目第二批次起始时间为2020年03月至2020年03月，此阶段主要进行系统架构的设计，技术方案的选型以及系统实现方案的详细设计，包括各组件设计、接口规范、安全性、业务逻辑的设计等。提交了全链路系统详细设计说明书等文档。
3、系统编码、测试和上线准备阶段
项目第一批次起始时间为2019年05月至2020年07月，项目第二批次起始时间为2020年04月至2020年06月，此阶段主要完成全链路系统各功能模块开发的编码、测试以及试点行上线准备工作，提交了全链路监控系统测试报告、上线方案、系统设置等文档。
4、试点行上线阶段
本项目分两个批次次上线。
第一批次：2019年7月，实现通过运维大屏实时监控业务系统的运营情况，主要包括应用和主机运行数据的收集和汇总，以及在科技馆的展示。
第二批次：2020年6月，主要实现监控大屏功能指标完善。扩大监控数据及监控页面使用方式：提供监控数据查询及推送功能，提供监控页面嵌入功能，供各项目组个性化开发使用。完善告警相关功能，包括多告警源接入、告警设置、告警通知等功能。
运营情况
目前系统已完成集团近7000余台服务器指标监控监控，300余个应用系统指标监控，实现累计51个监控指标的展示。用户覆盖阳光集团，阳光财险，阳光人寿以及阳光信保，截止发稿日期实现系统告警近1000余次，及时有效的避免避免异常发生，避免业务损失。对于出现异常的情况，系统提供详细的监控数据，助力运维人员快速定位并解决问题。
项目成效
1、监控大屏一期
实现在科技馆呈现公司整体IT运营情况，主要展示磁盘、内存、CPU应用响应、系统评分Top5。如下图所示：
图1-5 一期大屏
2、监控大屏二期
为项目组成员可以更加准确及时的了解系统的运行情况，提供了业务系统的整体概况和系统关键运行指标的实时数据，实时反映系统运行状态和异常情况，并增加告警管理及告警接口，提升公司IT整体运营能力。主要包含两个部分：
1）系统总览
2）系统监控大屏
经验总结
全链路监控平台可以帮助系统运维人员快速“问诊”并定位问题发生设施，进而快速解决异常，减少业务损失；通过大数据进行智能预警，避免异常发生，避免业务损失。
1.聚合原有各类型数据对接方式和技术，形成了一套完整的多数据源统一汇总加工到输出实时展示的方案，为后续同类型项目提供了多类型、多数据源的大数据量实时计算及展示的解决方案及思路；
2.各设施监控数据统一采集、展示的初步使用已初见成效，为后续数据湖的形成以及智能化学习提供坚实的数据基础。
3.监控数据具备标准化的输出能力，子公司可以快速对接并结合自己的业务特点，有效的提高运维能力。
