IT运维服务整体方案

IT运维服务整体方案

　　一、什么是IT运维服务

IT运维服务的提供者基于服务级别协议（SLA）向IT运维服务的使用者提供各类IT运维服务。不同服务级别对应的服务质量指标是服务级别协议的重要组成部分。服务质量指标体现服务供应商所提供的IT运维服务的质量。

　　IT运维服务整体方案

为了确保工作或事情能有条不紊地开展，我们需要事先制定方案，方案一般包括指导思想、主要目标、工作重点、实施步骤、政策措施、具体要求等项目。我们应该怎么制定方案呢？以下是小编整理的IT运维服务整体方案，欢迎阅读，希望大家能够喜欢。

　　IT运维服务整体方案1

一、IT运维管理概述

IT运维管理是时下IT界最热门的话题之一。随着IT建设的不断深入和完善，计算机硬软件系统的运行维护已经成为了各行各业各单位领导和信息服务部门普遍关注和不堪重负的问题。由于这是一个随着计算机信息技术的深入应用而产生的新课题，因此如何进行有效的IT运维管理，这方面的知识积累和应用技术还刚刚起步。对这一领域的研究和探索，将具有广阔的发展前景和巨大的现实意义。

所谓IT运维管理，是指单位IT部门采用相关的方法、手段、技术、制度、流程和文档等，对IT运行环境(如硬软件环境、网络环境等)、IT业务系统和IT运维人员进行的综合管理。

二、IT运维管理的主要管理内容

IT运维管理主要包括八个方面的管理内容：

1.设备管理：对网络设备、服务器设备、操作系统运行状况进行监控和管理；

2.应用/服务管理：对各种应用支持软件如数据库、中间件、群件以及各种通用或特定服务的监控管理，如邮件系统、DNS、Web等的监控与管理；

3.数据/存储/容灾管理：对系统和业务数据进行统一存储、备份和恢复；

4.业务管理：包含对企业自身核心业务系统运行情况的监控与管理，对于业务的管理，主要关注该业务系统的CSF(关键成功因素CriticalSuccessFactors)和KPI(关键绩效指标Key Performance Indicators)；

5.目录/内容管理：该部分主要对于企业需要统一发布或因人定制的内容管理和对公共信息的管理；

6.资源资产管理：管理企业中各IT系统的资源资产情况，这些资源资产可以是物理存在的，也可以是逻辑存在的，并能够与企业的财务部门进行数据交互；

7.信息安全管理：目前信息安全管理主要依据的国际标准是ISO17799，该标准涵盖了信息安全管理的十大控制方面，36个控制目标和127种控制方式,如企业安全组织方式、资产分类与控制、人员安全、物理与环境安全、通信与运营安全、访问控制、业务连续性管理等；

8.日常工作管理：该部分主要用于规范和明确运维人员的岗位职责和工作安排、提供绩效考核量化依据、提供解决经验与知识的积累与共享手段。

三、项目流程

四、IT运维服务

IT运维服务是指：企业将信息化建设工作交给专业化服务公司来做。它可以包括以下内容：信息化规划（咨询）、设备和软件选型、网络系统和应用软件系统建设、整个系统网络的日常维护管理和升级等，是企业迅速发展企业数字化，提高数字化质量、提高企业工作效率，节约信息化成本的一种途径与方式。

IT运维服务分为几个层次：

1.基础面：IT基础运维服务

是指在IT设备过了原厂保修期(Warranty Support Period)之后，为包括Unix主机、PC服务器、网络设备、磁盘阵列和相关操作系统等在内的软硬件设备能维持一定质量的运转能力，所需要的技术服务，通常包括预防性的巡检、更换故障部件、调整软硬件参数等工作。

2.专业面：IT运营外包服务

是指服务提供商以规范化的服务管理体系（服务人员、服务流程规范、服务网络覆盖及服务支撑平台）为主导的IT服务提供形式，为客户提供全套的IT系统规划、采购、实施、运维、咨询、培训的整体服务，即，通过基于ITIL规范的服务管理体系实现传统IT服务的更全面、更规范的完美、高效率交付。在IT运营外包服务模式下，客户只需负责使用，也仅只需为使用付费，是最大程度简化IT管理难度，节约客户成本，提升IT专业化的一种先进的服务方式。

3.升级面：IT规划与咨询

是指为客户提供IT基础设施层面的咨询服务，包括：规划、设计、评估等系列服务；以及基础设施层面的部署服务，包括：安装、配置、升级、迁移、搬迁、优化、信息安全评测、风险评估、培训等系列服务。

IT运维服务提供的方式：

1.在线支持；通过邮件、IM、论坛、客户知识库实现与客户的技术交流与解决；

2.远程支持；通过各类远程协助工具；

3.现场支持；依据服务级别协议，现场故障恢复；及预防性巡检；

4.关键时刻值守；依据客户需求，提供关键时刻安全值守保障；

5.驻场服务；常年驻守。

　　IT运维服务整体方案2

运行维护服务包括，信息系统相关的主机设备、操作系统、数据库和存储设备及其他信息系统的运行维护与安全防范服务，保证用户现有的信息系统的正常运行，降低整体管理成本，提高网络信息系统的整体服务水平。同时根据日常维护的数据和记录，提供用户信息系统的整体建设规划和建议，更好的为用户的信息化发展提供有力的保障。

用户信息系统的组成主要可分为两类：硬件设备和软件系统。硬件设备包括网络设备、安全设备、主机设备、存储设备等；软件设备可分为操作系统软件、典型应用软件（如：数据库软件、中间件软件等）、业务应用软件等。

通过运行维护服务的有效管理来提升用户信息系统的服务效率，协调各业务应用系统的内部运作，改善网络信息系统部门与业务部门的沟通，提高服务质量。结合用户现有的环境、组织结构、IT资源和管理流程的特点，从流程、人员和技术三方面来规划用户的网络信息系统的结构。将用户的运行目标、业务需求与IT服务的相协调一致。

信息系统服务的目标是，对用户现有的信息系统基础资源进行监控和管理，及时掌握网络信息系统资源现状和配置信息，反映信息系统资源的可用性情况和健康状况，创建一个可知可控的IT环境，从而保证用户信息系统的各类业务应用系统的可靠、高效、持续、安全运行。

此项服务为基本服务，包含在运行维护服务中，帮助我们对用户现有的信息资产情况进行了解，更好的提供系统的运行维护服务。

服务内容包括：

硬件设备型号、数量、版本等信息统计记录；

软件产品型号、版本和补丁等信息统计记录；

网络结构、网络路由、网络IP地址统计记录；

综合布线系统结构图的绘制；

其它附属设备的统计记录；

硬件设备清单统计。

从网络的连通性、网络的性能、网络的监控管理三个方面实现对网络系统的运维管理。

(1)用户现场技术人员值守

根据用户的需求提供长期的用户现场技术人员值守服务，保证网络的实时连通和可用，保障接入交换机、汇聚交换机和核心交换机的正常运转。

现场值守的技术人员每天记录网络交换机的端口是否可以正常使用，网络的转发和路由是否正常进行，交换机的性能检测，进行整体网络性能评估，针对网络的利用率进行优化并提出网络扩容和优化的'建议。

现场值守人员还进行安全设备的日常运行状态的监控，对各种安全设备的日志检查，对重点事件进行记录，对安全事件的产生原因进行判断和解决，及时发现问题，防患于未然。

同时能够对设备的运行数据进行记录，形成报表进行统计分析，便于进行网络系统的分析和故障的提前预知。具体记录的数据包括：配置数据、性能数据、故障数据。

(2)现场巡检服务

现场巡检服务是对客户的设备及网络进行全面检查的服务项目，通过该服务可使客户获得设备运行的第一手资料，最大可能地发现存在的隐患，保障设备稳定运行。

同时，将有针对性地提出预警及解决建议，使客户能够提早预防，最大限度降低运营风险。

网络运行分析与管理服务是指工程师通过对网络运行状况、网络问题进行周期性检查、分析后，为客户提出指导性建议的一种综合性高级服务。

(3)网络运行分析与管理服务

(4)重要时刻专人值守服务

保证重要时刻设备稳定运行对客户成功尤为关键，因此，可对客户提供重要时刻的专人现场值守支持，包括政府客户的重大会议期间、金融客户的年终结算日、运营商客户的生产网重大割接或其它任何客户认为可能对其业务运营产生重大影响的时刻。

如需专人值守，客户需至少提前3周与授权服务商客户服务经理联系。对每位合约客户，授权服务商均需按事先合同约定提供专人值守服务。客户如需超出合同约定范围的更多值守支持，需额外支付相应人力和差旅费用。

主机、存储系统的运维服务包括：主机、存储设备的日常监控，设备的运行状态监控，故障处理，操作系统维护，补丁升级等内容。

现场值守人员可进行监控管理的内容包括：

CPU性能管理；

内存使用情况管理；

硬盘利用情况管理；

系统进程管理；

主机性能管理；

实时监控主机电源、风扇的使用情况及主机机箱内部温度；

监控主机硬盘运行状态；

监控主机网卡、阵列卡等硬件状态；

监控主机HA运行状况；

主机系统文件系统管理；

监控存储交换机设备状态、端口状态、传输速度；

监控备份服务进程、备份情况（起止时间、是否成功、出错告警）；

监控记录磁盘阵列、磁带库等存储硬件故障提示和告警，并及时解决故障问题；

对存储的性能（如高速缓存、光纤通道等）进行监控。

数据库运行维护服务还包括快速发现、诊断和解决性能问题，在出现问题时，及时找出性能瓶颈，解决数据库性能问题，维护高效的应用系统。

数据库运行维护服务，主要工作是使用技术手段来达到管理的目标，以系统最终的运行维护为目标，提高用户的工作效率。

1.6中间件运维服务

中间件管理是指对BEAWeblogic、MQ等中间件的日常维护管理和监控工作，提高对中间件平台事件的分析解决能力，确保中间件平台持续稳定运行。中间件监控指标包括配置信息管理、故障监控、性能监控。

执行线程：监控WebLogic配置执行线程的空闲数量。

JVM内存：JVM内存曲线正常，能够及时的进行内存空间回收。JDBC连接池：连接池的初始容量和最大容量应该设置为相等，并且至少等于执行线程的数量，以避免在运行过程中创建数据库连接所带来的性能消耗。

检查WEBLOG日志文件是否有异常报错，如果有WEBLOG集群配置，需要检查集群的配置是否正常。

建议用户采用的服务方式为两种：一种为技术人员现场值守，另一种是定期巡检结合故障现场服务。

技术人员现场值守运行维护服务的基本操作流程如下图所示：

定期巡检结合故障现场运行维护服务的基本操作流程如下图所示：

对于“系统瘫痪，业务系统不能运转”的故障级别，如果不能于12小时内解决故障，将在16小时内提出应急方案，确保业务系统的运行。故障解决后24小时内，提交故障处理报告。说明故障种类、故障原因、故障解决中使用的方法及故障损失等情况。

运维服务人员要做到耐心、细心、热心的服务。工作要做到事事有记录、事事有反馈、重大问题及时汇报。严格遵守工作作息时间，严格按照服务工作流程操作。

(1)现场支持工程师应着装整洁、言行礼貌大方，技术专业，操作熟练、严谨、规范；现场支持时必须遵守用户单位的相关规章制度。

(2)现场支持工程师在进行现场支持工作时必须在保证数据和系统安全的前提下开展工作。

(3)现场支持时出现暂时无法解决的故障或其他新的故障时，应告知用户并及时上报负责人，寻找其他解决途径。

(4)故障解决后，现场支持工程师要详细记录问题的发生时间、地点、提出人和问题描述，并形成书面文档，必要时应向用户介绍故障出现的原因及预防方法和解决技巧。

根据使用人员提出问题的类别，将问题分为咨询类问题和系统缺陷类问题二类：咨询类问题是指通过服务热线或现场解疑等方式能够当场解决用户提出的问题，具有问题解答直接、快速和实时的特点，该问题到现场支持人员处即可中止，对于该类问题的记录可使用咨询类问题记录模版进行记录。系统缺陷类问题是指使用人员提出的问题涉及到系统相应环节的确认修改，需要经过逐级提交、诊断、确认、处理和回复等环节，处理解决需要项目组的分析确认，问题有解决方案后，将解决方案反馈给用户。具体提交流程如下：

(1)问题提交。应用信息系统的用户发现属于系统缺陷类的问题时，填写系统缺陷类问题提交单，提交服务支持中心。

(2)问题分析。服务中心接到用户提交的问题单，要组织相应人员对问题单中描述的问题进行分析研判，确定问题的类型(技术问题、业务问题或者操作问题)。属于技术问题，提交服务中心技术人员对存在的问题提出具体的处理意见和建议；属于业务问题，提交服务中心业务人员进行处理；属于操作问题，可安排相关人员对问题提出人进行解释，并将系统缺陷类问题提交单转为系统咨询类问题提交单。

(3)问题确认、解决。服务中心的技术人员和业务人员收到系统缺陷类问题提交单后，对提交的问题进行归类汇总和分析、确认。可以解决的，明确问题解决的具体处理建议和措施，经主管领导签字同意后，交实施人员进行解决方案的实施。服务人员确认是否解决，并将解决方法附在系统缺陷类问题提交单上反馈给问题提出人员。

(4)问题上报。服务人员收到经业务或技术人员确认的系统缺陷类问题提交单后，上报服务中心。

(5)问题回复。服务中心根据提交问题的进行分析，制定解决方案并进行实施的解决，同时做好变更记录。将解决方案汇总后及时向问题提交单位或问题交办单位作出回复，并将分析过程和问题产生原因一并提交。

针对项目制定了详尽的设计、应急处理预案，整个流程严谨而有序。但是，在服务维护过程中，意外情况将难以完全避免。

下面，我们将对项目实施的突发风险进行详细分析，并且针对各类突发事件，设计了相应的预防与解决措施，同时提供了完整的应急处理流程。

维护服务应急处理流程

系统运维应急方案是对中断或严重影响业务的故障，如宕机、数据丢失、业务中断等，进行快速响应和处理，在最短时间内恢复业务系统，将损失降到最低。

在系统维护过程中，突发事件的出现将是很难完全避免的，针对这种情况，设计了完善的突发事件应急策略。

系统巡检人员要定期规范检查各硬件设备的运转情况和应用软件运行情况，同时做好日常的数据增量备份和定期全备份。

对发现的问题在报各级负责人的同时，要协调相关资源分析问题根源，确定解决方案和临时解决措施，避免造成更大的影响。问题得到稳定或彻底解决后，要形成问题汇报，避免以后类似重大紧急情况的发生。

对发现的问题在报负责人的同时，要协调相关资源分析问题根源，确定解决方案和临时解决措施，避免造成更大的影响。问题得到稳定或彻底解决后，要形成问题汇报，避免以后类似重大紧急情况的发生。

当获悉出现突发事件时，技术支持人员可以立即从知识库中获取相应的应急策略，并综合用户方的具体情况，给出相关解决方案，然后在第一时间以电话、邮件支持或现场服务的方式帮助用户解决问题，尽最大努力减小突发事件对用户日常应用的影响。