0 引言
国家电网公司设备(资产)运维精益管理系统(Power Production Management System 2.0, PMS2.0)是“三集五大”体系建设中的“大检修”体系内容, 支撑运维检修全过程精益化管理和电网资产的全寿命周期管理, 覆盖国网公司运维检修业务, 贯穿生产管理全过程, 更大范围地实现数据共享和业务融合。
PMS2.0 为总部、省公司二级部署, 总部、省公司和地市(县)公司三级应用部署在省公司的应用, 同时支撑省公司、省检修公司和地市(县)公司的运检业务,并在地市公司部署电网资源数据代理服务, 以提高地市公司电网资源应用效率和可靠性，部署在国网公司总部应用, 与省公司进行纵向贯通, 支撑国网范围内的总部上层应用。
作为运检业务条线最重要的生产管理系统，如何保障系统健康稳定运行成为信息通信部门的一项重要工作，信息系统运维是一项系统工程，探索系统健康运行方法，量化系统健康水平对系统运维具有重要积极意义。
1 系统健康度衡量办法
图1为PMS2.0物理部署视图：
从图1我们可以分析出PMS2.0系统由应用服务器集群、数据库集群以及外围的ISC、BPM平台组成。这些服务通过网络交换机、负载均衡器、磁盘阵列连接起来，形成一套庞大的系统。
按照从整体到局部，从宏观到微观的分析方法，PMS2.0系统的健康情况取决于应用服务器、数据库、ISC、BPM以及基础设施的健康情况。这些应用服务、数据库服务和基础设施的健康情况可以通过观察其关键性能、可靠性指标得到，比如数据库服务器的CPU利用率、表空间大小，应用服务器（WebLogic）的JVM可用内存大小、线程数、JDBC连接池可用连接等。
服务的健康情况对于系统整体健康影响程度不一样，比如PMS2.0应用服务器通过负载均衡器提供给最终用户访问，当一台应用服务器出现故障，F5负载均衡器将后续请求转发给其他健康的应用服务器，而如果一台生产数据库出现故障，由于两台生产数据库组成RAC集群，用户仍然可以查询操作业务数据，但由于只有一台数据库提供服务，系统健康受到较大影响。
同样地，服务的不同指标对服务的健康度影响大小也存在差异，例如Oracle数据库实例处于停止状态的影响远远大于表空间利用率大于90%对系统健康的影响。
综合以上因素，我们可以推导出系统健康度模型，在下一章节详细阐述。
2 系统健康度模型
指标项(M)：是指度量服务运行情况、反映服务各方面水平的值，一般服务具有多个指标项。本文中指标项用字母M来表示。例如对Weblogic应用服务，活动会话数、JVM堆内存使用比率、总线程数、空闲线程数、挂起等待线程数都是其指标项。目前IT服务指标采集和监控手段非常多，并且不同服务、设备指标采集监控也不尽一样，但已经非常成熟了。
指标项状态(MS)：指表示指标项的正常或者异常状态，根据指标项的具体内容，将指标项的值定义在不同的区间用以反映指标项的正常或者异常。例如可以定义WebLogic的JVM堆内存使用比率大于等于95%时，该指标状态为异常，反之则为正常。本文中指标项状态用MS表示，分为正常和异常两种情况，正常用0表示，异常用1表示。
指标权重(MW)：指标权重反映指标对服务的影响程度，权重越大则指标对服务影响越大，权重越小则影响越小。本文中指标权重用MW表示，MW的值为从0到1的有理数（包括0和1）。
指标项健康度(MH)：指标项健康度反映指标项的健康情况，它受到指标项状态和指标权重的影响，当指标项状态为0时，指标项健康度为1，当指标项状态为1时，指标权重越大则指标越不健康，本文中指标项健康度用MH表示。指标项健康度的计算公式如下：
假设JVM堆内存使用比率的健康权重为 MW = 0.7, JVM堆内存使用比率超过95%时，状态值MS=1(异常)，则CPU利用率的健康度MH=1-1×0.7=0.3，也就是30%的健康度。
服务健康度(SH)：服务的健康度取决于健康度最低的指标项，即服务健康度由该服务所有的指标项健康度决定，本文用符号SH表示服务健康度。一个系统可用比作一个由多块木板组成的木桶，系统的瓶颈和健康程度用木桶效应阐述：当盛水量（业务访问量）越来越多，木桶的盛水高度（系统瓶颈和健康度）取决于其中最短的那块木板。也就是说服务的健康度取决于指标项健康度最低的指标。因此我们得到服务健康度的计算公式如下：
服务权重(SW)：服务权重反映服务对业务系统运行的影响程度，服务权重越大说明服务对业务系统的影响程度越大，反之越小，本文中用SW表示服务权重。SW的值为从0到1的有理数（包括0和1）。
例如，在PMS2.0系统中，两台数据库服务器组成的RAC共享存储损坏对业务系统产生的影响是致命的，因此可以设定数据库服务器的服务权重SW=1(即100%)；
服务影响度(FD) ：服务影响度是指服务的健康度对业务系统造成的影响，服务的服务影响度值越大，说明服务对业务的健康度影响越大，反之则影响越小。本文中用FD表示服务影响度，具体描述如下：
SH为服务健康度，SW为服务权重。
例如，在PMS2.0系统中，假设应用服务器的健康度SH=0 (即0%健康)，应用服务器的服务权重为SW=1(即100%，表示应用服务器宕机对PMS2.0系统的影响是严重的)， 则可以得出应用服务器的服务影响度FD=(1- 0)×100%=1。
系统健康度(H) ：通过PMS2.0物理拓扑图我们可以得知，PMS2.0系统由多个应用服务器、数据库和外围相关平台组成，系统的健康度由系统所包含的服务健康度所决定，根据木桶效应，系统的健康度取决于系统中所包含服务的最大服务影响度，也就是说最不健康的服务（服务影响度最大）决定了系统的健康度。本文中以H表示系统健康度，其计算公式如下：
FD为服务影响度。
通过以上推导我们得到了系统健康度模型，从而可以量化系统健康水平。
3 健康度模型验证
在系统健康度模型定义基础上，我们可以知道系统健康度计算过程：
（1）识别出组成系统的服务，定义服务权重；
（2）分析出影响这些服务健康的指标项、定义指标项权重、定义决定指标项状态的项阈值；
（3）通过监控系统或者服务自带的指标监测工具得到指标项状态，根据第式（1）计算出指标项健康度；
（4）根据式（2）计算出各个服务的健康度；
（5）根据式（3）计算出各个服务的影响度；
（6）根据式（4）计算出系统健康度。
根据这个计算过程，并参考PMS2.0物理架构图，我们可以模拟出PMS2.0某个时刻的健康度，为了能更直观地显示系统健康度计算过程，对组成服务以及服务指标做了简化，如表1所示。
通过表1中的计算，可以看到当Oracle数据库1的磁盘利用率以及WebLogic1、WebLogic2的CPU利用率出现异常情况时，PMS2.0的健康度只有28%，系统运维人员必须立刻进行处理，否则将会系统用户造成巨大影响。
4 对策分析
可视化的能力代表了运维的能力，可视化的程度越高，运维的能力越高。根据以上对健康度模型的分析，应构建各配置项关联关系，定义影响因子模型，在监控系统中呈现PMS2.0系统的业务视图，可实现对业务系统运维态势的可视化展现及故障原因分析定位。
在具体运维层面上，应深入贯彻国网公司和省公司的精益化、扁平化的管理理念，借鉴国际上的相关理论体系，通过标准的信息服务支撑系统。 实现统一运维入口、统一运维规范和流程，通过有效的问题、故障闭环管理机制，责任分工明确，具体到人，使出现故障时能够快速响应，有效排除。
5 结束语
本文以国家电网PMS2.0系统为基础，构建了一种系统健康度模型，并给出了验证实现的计算过程，针对PMS2.0健康度模型还给出了具体的对策分析，为将来结合电力系统的监控系统，构建实际的PMS2.0健康度监控系统提供了理论和实践依据，通过健康度监控系统可以更有效地保障系统健康运行。本文提出的健康度模型也适用于电力其他业务应用系统。
参考文献
[1] Mostafa Mohamed AlShamy，ITSM implementation methodology based on ITIL V3，LAP LAMBERT Academic Publishing，2012年08月.
[2] 翰纬IT服务管理文库，中国IT服务管理指南（第二版），北京大学出版社，2012年02月.
[3] 韩晓光，系统运维全面解析：技术、管理与实践，电子工业出版社，2015年11月.
[4] 罗文，信息系统运维管理咨询与监理服务，人民邮电出版社，2014年09月.
作者信息:
刘逸逸1，孙家骏2，石 磊3，秦 峰3
（1. 国网上海市电力公司信息通信公司，上海 200122；2. 国网上海市电力公司市南供电公司，上海 200122；
3. 上海安言信息技术有限公司，上海 200050）
