百度云企业级运维平台 NoahEE

作者简介

Masquerader  百度云智能运维项目经理

负责百度云企业级运维平台（NoahEE）项目，探索运维知识库、AIOps等前沿运维技术，致力于分析用户需求、规划与设计产品并驱动团队将内部技术形成产品，最终在客户环境落地。

文章概览

过去的文章为大家介绍了百度云 智能运维 的方方面面，从监控、部署等传统的运维技术到智能异常检测、故障自愈等智能运维技术，这些运维基础能力和黑科技，是十年来百度工程师对技术孜孜不倦求索的结果，也见证了百度运维十年间的创新历程。很多同学在看了这些文章后，都在想如何把这些领先的运维技术与理念用到自己的工作中，但苦于建设运维平台不是一蹴而就的，成本也让人望而却步，于是不少同学都在希望我们能够有一个产品的形式输出这些技术，方便将这些前沿技术运用到自己的工作环境中。

在分析了各行业的 运维场景与需求 ，结合百度历年来运维的 经验与技术沉淀 ，并经过运维团队的精心打磨后，今天我们可以很骄傲的给大家呈现这个百度的 运维产品企业版 – NoahEE 。

在介绍NoahEE之前，有必要说一下百度内部的 统一自动化运维平台Noah 。Noah来源于圣经中“诺亚方舟”的故事，我们用这个名字来寓意能够避免灾难，稳固而坚实的平台。作为一系列运维系统的集合，Noah包括了服务管理、机器管理、资源定位、监控报警、自动部署、任务调度等等，已经服务了百度数年之久。我们推出的NoahEE（Noah Enterprise Edition）脱始于Noah， 为企业提供了一站式运维解决方案 ，覆盖了包括日常的故障管理和变更管理中典型的运维场景，致力于为政企、金融、教育等行业提供业务可用性保障、提升运维效率。

图1  NoahEE概览

接下来，我们把这艘诺亚方舟分解开来，近距离观察一下这艘船的方方面面。

服务管理

我们首先介绍服务管理是因为服务管理是整个 运维工作的基础 ，也是NoahEE这个平台上各个系统能够进行 批量自动化操作 的关键。服务管理这个概念的出现，是随着业务快速膨胀的必然，其要解决的主要问题是一个“ 量 ”，或者说“ 规模 ”的问题。在早期业务较为简单时，一个服务可能部署在几台甚至一台机器上，进行变更等运维操作简单直接，登录到机器上人工操作就好了。随着业务的发展，分布式应用与服务的广泛使用，我们越来越多的面临着运维场景与运维执行之间的脱节。

举个例子，今天17:00开始对X机房的地图导航模块进行升级。对于产品研发的同学来说，关注点是语义明确且更具描述性的“ 运维场景 ”；而对于运维人员来说，关注点是此次升级操作所涉及的机器等资源在哪里。在业务规模发展到一定程度后，运维工作还停留在早期人工或脚本方式执行的阶段时，这样的差异非常频繁的发生。

在实际的运维中，还有更多的因素需要考虑，例如机器是否会分配给不同部门（资源的隔离）？权限又该如何控制？随着规模变大，人力成本等管理成本上升，然而效率低下、可用性不升反降等等都是非常可能出现的问题。百度对于这个问题给出的答案是，必须先要解决 资源组织管理问题 。简单的说，服务管理要解决的最核心问题就是如何对资源进行 有效组织管理与定位 ：

图2  解决规模带来的问题

在服务管理这个地基打好后，我们再来回顾下上面的例子。这个例子中，地图研发的同学就可以在运维平台中选中导航的模块进行升级，运维平台会通过服务管理来定位此次升级操作需要影响的机器并进行批量的操作。NoahEE中的所有运维系统，都以服务管理为基础来进行运维操作，例如在监控系统中，我们可以对导航模块（而不是单台机器进行操作）添加一些指标采集任务，并在一定条件达成时报警。服务管理通过对资源合理的组织，极大的 简化了运维操作 ， 提升了运维效率 。

资产管理

 
一张图简单地将NoahEE监控模块的特点总结一下： 
图5  监控管理

作为一个自动化运维平台，NoahEE的功能全面且易于使用，在这篇文章中无法面面俱到的详细阐述，大家可以通过访问我们的运维网站 http://aiops.baidu.com 来详细了解我们的运维产品。网站中除了有NoahEE运维平台的介绍外，还有我们智能运维产品的相关介绍，欢迎大家访问该网站并联系我们试用各运维产品。

↓↓↓ 点击"阅读原文" 【了解更多精彩内容】