基金證券行業的運維智能監控場景探索
基金證券行業與其他金融機構相比，在業務模式、風險特征、監管機構等方面都存在鮮明差異，這也意味著相比于其他金融機構，基金證券行業在運維監控工具的選擇與應用上，必須更加關注業務數據及投資運營的相關指標，而不僅僅是基礎設施的狀態。
同時基金行業機構的業務、技術和數據提速極快，各類基礎和應用系統相互交叉，帶來了更為復雜的影響關系，也帶來了指數增加的業務風險和運維挑戰，最容易感知的影響就體現在——曾經靠人力做到的問題定位時間被無限拉長。大多機構雖然已部署多種監控系統，但由于缺乏一體化、智能化的監控分析手段，在監控的全面性、日志有效分析、異常定位準確和效率、容量預估精細度等方面，已明顯表現出不滿足實際工作需求的現狀。
基于關鍵指標的傳統監控，難以應對復雜IT和業務
傳統基于關鍵指標的監控方法，通常是通過設定一組指標或閾值來實現監控。當這些指標或閾值超出預設范圍時，系統就會發出預警信號或自動化處理。然而，在基金證券行業的運營中，傳統基于關鍵指標的監控方法已經不再適用，原因和影響如下：
第一，傳統監控方式忽略了交易鏈路中的細節環節，容易造成大量業務故障。
基金證券行業的交易鏈路非常復雜，包括多個環節和參與方。傳統基于關鍵指標的監控方法難以對每個細節環節進行有效的監控，監控的粒度較低，不能很好地捕捉交易鏈路中的所有異常情況，容易產生漏報和誤報。
第二，基礎IT設施和業務缺乏有效關聯，問題無法快速定位。
對于業務而言，其判斷標準為：是否能夠打開、慢不慢、是否卡頓、有沒有崩潰。但這些業務系統的表象對于運維而言，需要通過大量監測手段和經驗才能夠匹配業務系統，傳統監控和處理方式經常導致問題發生不能快速定位，造成業務停滯風險。
第三，業務系統間數據互不相通，復雜故障的權責定位耗時耗力。
基金證券行業的運營模式越來越復雜，涉及多個產品、客戶和業務流程。傳統基于關鍵指標的監控方法難以有效地跟蹤和管理所有運營環節，很難滿足日益增長的市場需求。
最后，傳統監控方式對于各類網絡安全威脅無法實時進行風險提示。
基金證券行業的風險類型繁多，風險事件的發生具有一定的隨機性和不確定性。傳統基于關鍵指標的監控方法無法準確識別和評估風險，也無法快速做出相應的決策和響應。
業務鏈路復雜、風險控制嚴格、資產多樣化、數據決策實時性等行業強特征帶來的系統穩定性挑戰，促使基金證券行業機構需要加速升級更加智能化和全面化的監控方法。
對于監控能力的需求，從單點發展到全鏈路升級
同時，隨著人工智能技術的發展，預測性運維已經逐漸成為運維領域的主流趨勢。在運維的監控場景管理中，也已經不僅停留在監控的全面性上，從監控的問題發現，到告警的智能化管理，再到根因定位輔助決策和一些問題的自動化修復，對于基金證券行業機構而言愈加重要。這也讓很多機構對于運用AIOps能力來提升運維管理的需求，也從單點AI賦能快速擴充至端到端全鏈路流程閉環管理上來。
在多年的行業實踐中，鼎茂發現：以運維對象為視角出發，可以實現針對每個運維對象的全面管理和優化，從而有效實現運維流程的自動化和規范化管理。
具體來說，以運維對象為視角出發，可以實現以下幾個方面的優化：
從監控方面來看，對于每個運維對象，需要定義相應的監控指標和閾值，建立監控規則和策略。通過對運維對象的監控，可以實時了解對象的狀態和運行情況，及時發現問題并進行處理。
從告警方面來看，當運維對象發生異常或出現故障時，需要及時進行告警。通過對每個運維對象設置告警規則和通知方式，可以快速響應告警事件，并及時進行相應的處理。
從根因分析方面來看，當出現故障時，需要對每個運維對象進行根因分析，找出故障的原因和來源。通過對對象的日志、指標、配置等信息進行分析，可以確定故障的根本原因，并提供相應的解決方案。
從決策輔助方面來看，針對每個運維對象，可以通過數據分析和挖掘，提供決策支持和參考。通過運用各種算法和模型，可以對數據進行分析和挖掘，幫助運維人員更加科學地做出決策。
從運維對象的角度出發，可以將系統中的各個組件、服務或應用作為獨立的運維對象進行管理和監控。通過對每個運維對象進行定義、建模和配置，可以實現系統的自動化管理和優化，從而提高運維效率和質量。
在針對兼顧滿足上述需求和挑戰的情況下來看，相比傳統基于關鍵指標的監控方法，以運維對象角度來進行監控，可以將整個交易鏈路分解為多個運維對象，并可以根據需求靈活調整監控對象和監控指標，針對每個運維對象的指標和閾值進行監控，并建立運維對象的模型和預測算法……以此支持粒度更精細、靈活性更高、支持實時監測風險、趨勢預測和定位問題根源的全流程智能化監控升級。
鼎茂科技在監控場景中的雙需求滿足探索
基于對監控場景本身的難點，以及全鏈路解決方案的價值實現，鼎茂科技在其基于運維對象的一體化智能監控解決方案中，從基金行業的電商、APP、交易、商戶等多類業務系統監測指標作為切入視角，通過對多源指標、日志、調用鏈、事件、CMDB等數據的統一治理和建模分析，跨系統、跨層級映射到基礎設施，形成關聯業務與IT設施的一體化智能監控體系，涵蓋運行監測、趨勢預估、端到端分析、告警管理、故障定位、容量預測等場景功能，幫助不同數字化階段的基金機構輕松應對業務擴展和系統運行風險。
該解決方案植入了鼎茂多年在基金證券行業的運維管理知識沉淀，根據各類管理角色視角設定運維管理對象，通過指標管理體系和AI分析，全面透視對象和對象、對象和指標、指標和指標之間的影響關系，將傳統監控升級為基于對象的全域指標可觀測，實現對整個交易鏈路的監控和管理，并自動做出相應的處理和反應。這樣可以有效提高監控的效率和精度，降低交易風險和成本，提高市場的透明度和穩定性。
在技術架構的處理上，解決方案除了采用面向各類混合云環境和分布式、微服務等技術環境的云原生架構，還創新采用了全流計算體系架構，來應對監控運營類場景要求極高的數據實效性。
在數據治理層面，實時采集數據，經過數據解析、字典附意和數據脫敏等實時計算，提升運維大數據質量，并且根據不同的數據應用場景進行數據分發，從而確保智能監控場景的順利構建；系統內置關于指標時空多維預測和異常檢測、日志智能分析和基于時空多維分析的根因定位等標準場景件的AI引擎，通過批處理與數據流式計算結合，實時產生數據洞察；同時，系統中包含了低代碼前端構建、數據模型映射、算法模型編排和流批任務配置等分布式組件模塊，快速支撐形成個性化智能監控場景。
解決方案在數據和計算層上，搭載了開箱即用的應用層功能模塊，包括智能檢測中心、智能分析中心、智能安全中心、智能預測中心和智能定位中心，以及緊貼業務和運維人員的可視化大屏、ITSM系統對接和告警事件平臺等。
同時方案緊貼業務系統和IT物理架構，不管是負責基礎設施還是應用運維的員工，都能快速、清晰、準確地獲取所需要的監控及分析信息，同時在管理及應用上，實現統一視覺，統一語言。
基于這些功能模塊，可以快速協助基金證券機構實現從監控到問題定位的全流程、業務&IT一體化的智能管理能力。
能力1.實現各類信息系統運行狀態的監控
基于【智能監測中心】功能模塊，實現完整的、端到端的IT基礎架構、網絡及業務應用程序可用性和性能綜合監控。支持通過對系統和應用進行智能分組，來創建自定義的業務視圖，更為有效地管理系統和應用。更重要的是能夠幫助運維人員了解底層設備在每個業務流程中的運行情況以及哪些業務將受到影響，及時捕獲各類系統報錯及異常信息。
能力2.支持對各類應用的跨系統數據勾稽
基于【智能分析中心】功能模塊，支持根據不同業務，配置各類勾稽規則，實現不同系統之間各類關聯業務數據的自動核對及告警，運維人員可以通過平臺頁面及大屏，第一時間發現異常。
能力3.實現對各類業務結果的分析與監控
基于【智能分析中心】功能模塊，支持使用時空多維離群分析，定位不同業務行為異常，并進行包括頻繁交易、頻繁撤單和頻繁交易失敗等業務行為異常場景組合，以此對異常賬號進行風險等級評估和預警。
能力4.實現對各類攻擊信息的分析與監控
基于【智能安全中心】功能模塊，使用大數據分析結合機器學習算法，對基礎架構內鏈路上所有的設備日志進行串聯分析，精細化定位各類攻擊的行為與路徑，匹配特征庫實時進行風險提示。
能力5.支持基礎及應用系統運行趨勢的分析
基于【智能預測中心】功能模塊，對基礎架構性能指標、服務吞吐指標、服務響應指標和業務容量等指標進行時空多維分析，實現業務容量預測、IT規模預測和吞吐增長預測等。
能力6.協助各類異常的快速定位
基于【智能定位中心】功能模塊，針對基金行業較多業務系統架構相對穩定的特性，以業務問題為入口，在業務系統固定服務鏈路下定位根因組件和指標，再結合日志模式的異常檢測與事件引發鏈的分析，實現更細粒度的問題根因定位。
對鼎茂科技來說，“為企業數智化運營續航”不僅僅是一句口號，每個企業數字化轉型過程中的每一個差異化，都在不斷的驅動我們持續創新。鼎茂科技也將繼續全力做到深度洞察、深度融合、深度探索、深度鉆研、深度耕耘、深度思考，基于全域AIOps解決方案體系，充分幫助我們的客戶解決數智化進程中的各種問題。
