基于云平台的新型电力系统运维管理研究

文 / 国家电网有限公司信息通信分公司 杜静 杨猛 田思涵

引言

新一轮的科技革命和产业变革席卷全球，实体经济与数字经济深度融合[1]，国家作出数字中国、新型基础设施等重大战略部署，加速推进企业数字化转型，并指出要探索构建适应企业业务特点和发展需求的“业务中台”“数据中台”等新型IT 架构模式，加快形成集团级数字技术赋能平台。因此，电力系统建设也朝着云上微服务架构快速演进[2]。为满足业务快速迭代的需求，系统检修频率激增，对运维人员的技能水平要求越来越高，运维面临的痛点难点问题日趋严重，有必要对运维管理问题开展深入研究，提供更佳的问题解决方案[3]。

一、运维管理面临的挑战

（一）建设服务支撑运维能力不足

虽然企业已经出台多项通用制度，规定了数字化项目建设的工作职责、流程要求，但由于可研、设计、测试、运维承担主体不同，各自执行的标准与规范不统一，部分项目技术路线执行不刚性，如果在上线前期出现架构不合理等问题，则难以整改。此外，部分系统建设存在系统设计对运维支撑能力考虑不足、系统应用日志可读性较差等问题，严重影响系统异常排查效率。

（二）全链路监控能力不足

巡检监控能够先于用户发现平台运行问题，争取问题消缺时间，是运维管理的核心工作。目前，各专业监控工具存在多、小、散的特点，云上用户无法整体感知云平台PaaS 层、IaaS层，以及相关云外主机、安全、网络等软硬件设备运行状态，跨专业临时协同排查时效率低、沟通成本高；同时，云上系统集成关系复杂、耦合性大，缺乏共享业务能力的固化沉淀，上层业务与下层应用组件、基础平台组件关联关系不明晰，且微服务数量大、调用链路长，这些都给系统问题的排查定位增加了较大难度。

（三）系统瓶颈主动发现能力不足

以往，我们主要依靠压力测试来发现系统瓶颈。但压力测试主要在测试环境开展，而测试环境的节点规模、压测并发量及业务数据均与生产环境存在较大差异。考虑脏数据的影响，生产环境的压力测试目前也只能开展点对点查询类的并发测试，这会导致压力测试结果并不准确，更无法有效确定系统全链路各环节的性能瓶颈及缺陷。

（四）运维知识沉淀及共享能力不足

运维人员沟通交流渠道较少，人员技能水平差异较大，相同故障在不同业务系统中重复发生，整体协同支撑机制较弱，运维经验未能有效沉淀及共享，全网运维力量未能发挥合力。

二、运维管理问题解决方案

（一）建立统一技术管控标准，强化建运协作管控机制

1.全面梳理分散在建设、运行阶段的规章制度、标准规范和技术要求，结合在长期运行工作中沉淀积累的系统部署规范、安全基线配置、集成规范、微服务设计原则等技术要点，统筹制定覆盖系统全生命周期的统一技术架构管控标准，确保衡量尺度一致性，全生命周期管控统一性。

2.运维关口前移，从可研编制、需求审查、概设评审、安全防护方案制定、系统研发测试等关键环节入手，由运维人员提前介入、参与把控，及时发现问题、解决隐患，及时提出运维支撑功能及日志输出标准等非功能性需求，提高系统自描述、自监测及自恢复能力。

（二）建立统一全景监控共享平台，强化运维数据价值挖掘

1.基于智能一体化运维支撑平台，汇聚、整合各专业、各层级运维监控数据，打造公司级统一全景监控共享平台，建立信息化职能管理部门牵头的运维数据管理体系，打通各专业监控数据壁垒，各专业部门分层维护治理，企业级共享共用，确保运维数据灵活接入、可用好用。

2.基于全景监控共享平台数据支撑，开展运维数据智能分析应用，以微应用形式快速构建以业务为视角、业务-平台纵向关联、总部-省侧两级贯通的全链路可视化监测场景，增强业务异常感知能力及故障定位效率；结合人工智能[4][5]、大数据等技术加强运行状态及应用日志关联分析，深入挖掘系统运行监测分析数据价值，开展“系统画像”及“业务画像”，分析系统健康状态和运行特点，精准绘制业务潮汐图，实现系统精益运维。

（三）建立全链路压力测试平台，强化瓶颈缺陷主动发现能力

明确系统响应时间、处理能力、吞吐量、并发用户数、内存使用率等各项性能指标，依照大型互联网企业压测经验，结合企业业务特点，构建全链路压力测试平台，在生产环境以核心业务场景为试点开展全链路、高并发压力测试，最大程度模拟用户真实并发请求流量，有效探知系统真实负载能力，及时发现系统性能瓶颈及缺陷，主动提前开展优化消缺，确保系统能够可靠支撑业务运营活动。

（四）建立运维交流支撑平台，强化知识沉淀及共享

1.建立运维交流支撑平台，具备丰富编辑形式、高效分享交流和互动次数、贡献排行、热门文档，以及点赞排行等功能，为全网信息运维人员提供一个便于日常运维交流、经验分享的公共平台，激发运维人员相互学习、主动分享的积极性，发挥高水平运行人员能力，持续沉淀运维经验知识。

2.建立企业级运维知识库，制定全生命周期的知识管理流程，覆盖知识上传、知识筛选、知识审核、知识入库、知识反馈、知识更新六大环节，对知识进行全生命周期管理，构建知识库生态化运营机制，为知识的高效利用和价值发挥打好基础。

结语

云上微服务架构的电力系统性能突出，但运维难题也日益凸显，研究微服务架构系统的运维管理技术也变得越来越重要。云计算、大数据、人工智能等新技术的愈发成熟助力智能化运维的发展，运维管理将趋向于集、管、控一体化。本文详细探讨运维管理策略，提出建立统一技术管控标准、统一全景监控共享平台、全链路压力测试平台、运维交流支撑平台，从技术标准管控、运维工具支撑、运维人员能力等多方面强化提升，确保电力系统安全稳定运行。