數(shù)據(jù)中心里有成千上萬臺設(shè)備，每臺設(shè)備在運(yùn)行過程中都會產(chǎn)生這樣那樣的日志信息，有些是無關(guān)緊要的，而有些則是發(fā)生故障的預(yù)警，及時發(fā)現(xiàn)異常日志，可減少故障發(fā)生，保證業(yè)務(wù)平穩(wěn)運(yùn)行。一方面數(shù)據(jù)中心要求設(shè)備商將設(shè)備運(yùn)行的故障信息一定要通過日志打印出來，以便數(shù)據(jù)中心運(yùn)維的人員通過日志就可以知道設(shè)備發(fā)生了故障，提前做準(zhǔn)備；另一方面數(shù)據(jù)中心都要對日志進(jìn)行甄別，哪些需要關(guān)注，哪些不用關(guān)心，哪些需要立即進(jìn)行處理。然而，由于數(shù)據(jù)中心里設(shè)備數(shù)量非常多，如果每臺設(shè)備輸出一條日志信息，一萬臺設(shè)備就是一萬條，靠人工去查看，是根本不可能的事兒。那么數(shù)據(jù)中心該如何高效處理這些海量日志信息呢。

數(shù)據(jù)中心的日志主要來自三個方面：

一是設(shè)備層，對數(shù)據(jù)中心內(nèi)的各種設(shè)備進(jìn)行監(jiān)控，如：交換機(jī)、路由器、安全設(shè)備、服務(wù)器、UPS、精密空調(diào)等，實(shí)現(xiàn)物理層實(shí)時監(jiān)控和數(shù)據(jù)采集；

二是系統(tǒng)層，對數(shù)據(jù)中心主機(jī)（Linux主機(jī)和x86服務(wù)器）、操作系統(tǒng) （Linux／Winwdos）、數(shù)據(jù)庫（Oracle、Mysql等主流）、中間件、存儲系統(tǒng)、應(yīng)用軟件API、HTTP端口、備份系統(tǒng)、容災(zāi)系統(tǒng)、數(shù)據(jù)同步系統(tǒng)、虛擬化系統(tǒng)，云平臺等進(jìn)行實(shí)時監(jiān)控、預(yù)警分析和故障定位；

三是業(yè)務(wù)層，采集一定的業(yè)務(wù)數(shù)據(jù)，如用戶數(shù)、連接數(shù)、業(yè)務(wù)并發(fā)量、日志量等等，通過多維關(guān)聯(lián)和分析，對未來的業(yè)務(wù)運(yùn)行進(jìn)行分析和預(yù)測。這些日志有些是設(shè)備運(yùn)行中主動輸出的，有些則是運(yùn)維的人員通過特定命令到設(shè)備上采集到的，通過對這些日志進(jìn)行分析，從而對設(shè)備、系統(tǒng)以及業(yè)務(wù)的運(yùn)行情況進(jìn)行評估，一旦發(fā)現(xiàn)異常，立即采取處理。

顯然，海量的日志如不經(jīng)過處理，直接輸出到監(jiān)控平臺，那將是非常多的。

首先，做標(biāo)準(zhǔn)化處理。數(shù)據(jù)中心要有各種日志的采集系統(tǒng)，將所有日志匯集起來，這些日志來自不同設(shè)備、不同系統(tǒng)、不同業(yè)務(wù)，格式和含義都不一樣，數(shù)據(jù)中心要做標(biāo)準(zhǔn)化處理，轉(zhuǎn)換成統(tǒng)一識別的格式，這個格式完全由數(shù)據(jù)中心定義，由技術(shù)人員進(jìn)行轉(zhuǎn)義，形成標(biāo)準(zhǔn)化的日志語言；

第二，做日志過濾。日志經(jīng)過標(biāo)準(zhǔn)化處理，整齊劃一，格式統(tǒng)一，但數(shù)量仍沒有減少，所以需要做過濾。過濾的原則是將級別低的、操作類的、提示類的日志過濾掉，將級別高的、異常類的日志留下來。具體到各種設(shè)備的日志，要由設(shè)備商提供全系列的日志信息，并標(biāo)注優(yōu)先級和表達(dá)的含義，由數(shù)據(jù)中心將這些信息輸入到知識庫中，作為過濾判斷的條件，知識庫是一個逐漸積累的過程，不僅是日志的過濾，還包括各種故障的處理方法、經(jīng)典案例、解決方案等等，經(jīng)過知識庫的過濾，將大部分的無用日志排除掉；

第三，做壓縮歸并，將過濾后的日志同類的要?dú)w一化，尤其是在知識庫中已經(jīng)存在過的，這類日志如何處理，在知識庫中可以找到答案，這時可以直接按照知識庫的指導(dǎo)來做。如果沒有遇到過的日志，則要交給下一級繼續(xù)處理，通過壓縮歸并也可以將日志的數(shù)量再次減少；

第四，做關(guān)聯(lián)分析，很多日志的來由都是有根源的，比如在一臺運(yùn)行中的網(wǎng)絡(luò)設(shè)備上突然有一條OSPF鏈路震蕩了，那么可以檢查一下在同一時間，是否也有其它OSPF鄰居也震蕩了，如經(jīng)過日志檢查，在另外多臺設(shè)備上也有OSPF震蕩，并且都集中連接到一臺設(shè)備，而這臺設(shè)備再查日志原來有人正在做reset ospf主動運(yùn)維的操作，當(dāng)通過這系列的關(guān)聯(lián)分析，就可以找到原因，及時將這種人為操作的原因告訴監(jiān)控中心，并不會作為一種異常的故障告警出現(xiàn)；

第五，做定位分析。將預(yù)期內(nèi)產(chǎn)生的日志消除后，來到第五步，這時的日志往往需要深入分析，如果在現(xiàn)有的知識庫里找不到解決方案，并且日志本身的告警級別還很高，這時就要輸出告警了，經(jīng)過這五步處理，能夠輸出告警的日志已經(jīng)很少了。

日志經(jīng)過以上五個步驟處理，能夠精簡多少，這取決于現(xiàn)有的知識庫，知識庫內(nèi)容越豐富，信息越準(zhǔn)確，精簡下來的日志就越少。試想哪個數(shù)據(jù)中心會天天發(fā)生故障，一個月發(fā)生一次都了不得，否則早就關(guān)門大吉了，所以數(shù)據(jù)中心里每天產(chǎn)生的日志很多很多，而絕大部分的日志都影響不大，甚至無影響。當(dāng)然，這種日志過濾也不排除將一些關(guān)鍵日志過濾掉了，導(dǎo)致出了問題，卻沒有告警，這是一個逐步完善的過程。現(xiàn)在AI技術(shù)這么火，也火到了數(shù)據(jù)中心運(yùn)維領(lǐng)域，其實(shí)就是利用AI技術(shù)，對數(shù)據(jù)中心的知識庫進(jìn)行學(xué)習(xí)，以便可以對新增的日志進(jìn)行準(zhǔn)確判斷，這個過程靠人工完成效率太低了，而利用機(jī)器學(xué)習(xí)，則可以瞬間完成，這也是智能運(yùn)維研究的一個重要方向，通過AI處理數(shù)據(jù)中心的海量日志。

數(shù)據(jù)中心如何面對日志海洋？歸納起來就三個字：“簡、智、深”，精簡日志數(shù)量，過濾無用或無害日志；利用現(xiàn)有知識庫學(xué)習(xí)，智能分析日志產(chǎn)生的影響和后果；深度學(xué)習(xí)日志，輸出學(xué)習(xí)結(jié)果，根據(jù)日志做出判斷和自決，數(shù)據(jù)中心系統(tǒng)自動執(zhí)行解決方案：切流量或者隔離故障設(shè)備，也可能是調(diào)整配置等等，自動進(jìn)行處理，這種情況只要將處理結(jié)果反饋到監(jiān)控平臺即可，甚至都可以不用給出日志告警，作為普通事件處理。只有AI不知如何處理時，再將告警日志交給監(jiān)控平臺，由人工干預(yù)，處理完畢后再將本次的日志處理交給AI學(xué)習(xí)，同類日志再次出現(xiàn)時，系統(tǒng)就可以自行處理，不再需要人工干預(yù)，構(gòu)建這樣一個學(xué)習(xí)日志系統(tǒng)，就是智能運(yùn)維的開始。

審核編輯：符乾江