IT运维管理人员几乎每天都在与“故障”打交道，而当业务系统足够复杂的时候，仅凭“感觉”往往无法再判别出故障的根源。那么，如何才能让IT运维管理跳出“手工作坊”阶段，在故障发生时准确定位、快速修复，乃至利用更先进的IT运维管理工具避免非计划性的停机事故呢？

“与时钟赛跑”的故障处理

我们身处在一个高度依赖网络的社会，一旦网络出现故障，企业员工可能会无法正常工作、无法交易导致公司订单丢失、企业可能会失去大量的客户等等严重问题。然而，IT系统本身的复杂性、层级性和关联性，又决定了“故障”必然存在的现实。不过，当故障发生时，IT运维管理人员身背着的最大压力并不是技术层面的，这来自于修复故障的“时长”。如果一笔业务不能完成的时间长达一天或者数周，就可能引发“多米诺骨牌”式的传递效应，最终让企业运营遭受重创。

一般来说，与故障分析难度成正比的，是系统的复杂性。业务系统越复杂，涉及的设备、软件、厂家、人员就越多，可能带来的故障分析难度也就越大，恢复的时间也就越长。虽然，有些网络故障解决办法是相通的，人的作用非常大，但从随时变化的网络架构和业务系统实际运行的复杂环境来看，解决相同现象的故障，方法可能迥然不同。如果我们在IT运维管理的过程中，过多的依靠个人经验，或者PING、TRACER等命令，都会让排错的时间变得不可控，并造成IT运维服务质量停滞不前的尴尬局面。

作为国内领先的IT运维管理专家，北塔软件认为：“依靠个人能力进行运维管理有许多缺点，比如无法做到事前发现、无法做到准确定位、故障原因可能出现误判、响应时间慢等等。因此，要想与时间赛跑，就需要一个高效而准确的故障发现机制，一个能够支撑故障分析策略的工具，这是企业建立故障处理体系的第一步。”

以“路径”为核心的故障分析方法

基于ICMP的管理，只能对服务器和网络设备的连通性进行简单性测试，在网络建设阶段的作用很大，但在业务逐渐复杂的管理阶段就显得力不从心了。为此，北塔软件在其发布的北塔BTIM产品中包含了化解故障处理复杂性的“故障根源分析策略”、TFS管理系统、业务流量视图。再复杂的系统，都有数据行走的路线，所以北塔BTIM的三大功能设计都以“路径”为核心，通过日常高频度监测少量关键指标，控制被管系统管理压力，一旦发现问题，依据业务流量实际流量路径，按分析需要逐层扩大数据采集的深度和广度，层层深入，直达故障根源。

首先，通过TFS管理系统，实现了对网络设备、主机、数据库、中间件以及应用管理的实时监控。管理人员在业务层就能查看所有关键信息，而一旦出现告警事件，管理人员就可以通过TFS故障诊断路径直接定位源头。

其次，在故障处理的操作层面，北塔BTIM提供了业务流量分布图，它以物理拓扑为基础，业务流量为骨干，透明化的展现了业务数据在网络中的真实路径，并实时展示各路径上的业务流量及用户接入设备。利用业务流量的路径图实现主动监测，更可以在庞大而复杂的网络中，发现隐患。管理员可以对业务各关键路径7X24小时监控，通过对于各关键路径的响应时间分析，并结合支撑组件的情况进行智能梳理，可帮助运维人员直击可能引发非计划性宕机的隐患点。

针对故障管理，北塔软件还提醒广大企业用户：传统的故障处理模式只能导致出现问题后的被动响应，而IT运维管理部门的真正价值并不是出现故障之后的处理，而是在故障发生前能够准确判断，排除隐患，并避免故障的发生。所以，针对IT运维人员和管理者都需要的统计和分析方式，北塔BTIM系统提供了实时TOPN分析、指标历史数据分析，以及详细的分析报表，帮助用户定位到IT系统瓶颈，及时调整策略，提前避免故障的产生。