公司的IT系统发生故障了，怎么检测问题？

标签或关键词：IT 信息系统系统软件 管理软件 软件应用发展史企业管理安全问题 信息化建设 战略管理全面预算绩效管理 生产管理咨询管理咨询制造业ERP IT信息系统软件的生存和运行的环境决定了其存在和面临以下安全问题：首先，IT信息系统软件必须依附计算机设备及其存储设备及在此台计算机设备运行的 *** 作系统，因此计算机硬件设备安全就会影响IT信息系统软件正常运行。特别是计算机主机故障、存储设备故障（如硬盘）、或直接影响计算机 *** 作系统故障，因而引发IT信息系统软件不能正常运行或装有IT信息系统软件的计算机完全不能开机的情况。此类安全问题我们归结为计算机硬件设备安全问题。对于此类问题，我们可以以双机热备份的方式来进行解决。当一台机发生故障时，另一台机仍能正常运行，以支持IT信息系统软件正常服务。第二，数据及数据库安全。IT信息系统软件，一般通过专用的数据库来存储和处理数据（如ORACLE,Informix、Sybase等）。而数据库本身也是一个应用软件，它也必需依附计算机的 *** 作系统才能正常运行，如 *** 作系统发生故障，或者数据库软件本身发生故障，就会导致IT信息系统软件所处理数据丢失的问题。对数据库软件发生故障的安全问题，我们可以采取IT信息系统提供的数据备份和恢复功能来应对。如果IT信息系统软件有非常多和重要的数据，且系统响应要求实时性很高，应另外还需要一个独立多硬盘存储设备，并以镜像的方式（如RADID5）存储IT信息系统软件的 *** 作数据。即算某块硬盘发生故障时，因其他硬盘保留此数据，所以能保证其数据不会丢。同时通过热插拨更换故障硬盘，丝毫不影响数据的存储。第三，网络安全。随着网络技术的成熟，企业规模和管理复杂度，以及市场竞争的要求，现在的IT信息系统软件不再是单机版应用，更多是基于网络的应用，特别由于互联网的开放及低廉成本，得到广泛的应用推广。因此网络环境也会给IT信息化系统带来安全问题。网络安全具体包括以下几类：1、 IT信息系统所在的计算机设备（服务器） *** 作系统管理问题。是否有防病毒软件或专机专用（规定不能上此台机上上互联网或私自 *** 作），如没有，就易受网络病毒感染，致使不能正常提供服务； *** 作系统不使用的端口，是否被封闭， *** 作系统的漏洞是否经及时更新升级而解决；因为这些都是易被网络非法用户攻击的地方，如 *** 作系统被攻破，数据和系统安全就无法保障。同时可以采取物理隔断、防火墙、IDS等硬件设备防止被攻击。2、 网络传输安全：数据在网络上传输极易被非法用户截取及篡改。我们可以通过对数据进行加密传输或利用SSL技术对数据进行超强度加密传输，或通过CA证书技术，对客户端和服务器双方身份进行合法验证，或通过***技术在互联网上构建虚拟私有网，DDN或X25等专用网络来确保数据在网络传输的安全。3、 客户端合法性安全问题。为防止非法客户访问和使用IT信息系统，我们可以使用诸如用户名和密码校验登录、UKEY、IP限制、指纹识别、CA证书等方式，确保用户是合法用户。 第四，IT信息系统功能和数据安全问题。在确认为合法用户后，登录系统，用户可以正常访问系统和应用功能及相关数据，但这种权利是通过岗位权限、功能权限、数据权限的等规则的约定来进行 *** 作，即是在受控和受限的情况才能被使用，换句话说，授权能使用和访问的，才被允许。另外，对于IT信息系统软件管理员，这一特殊群体，只涉及对系统本身的维护工作，而不参与业务运作，因此系统管理员的访问系统业务功能和数据的权利应该被严格的限制。

要知道，每一个程序系统都不是单独存在的，而是由众多小系统组成的。而今天我们就一起来了解一下，关于系统故障的问题应该如何发现和解决。

故障发现

所谓“故障发现”，就是通过技术手段实时采集系统中每个节点的健康状态，以及每2个节点之间链路的健康状态，包括但不限于调用成功率、响应时间等等。借此代替我们的眼睛去盯着整个系统，一旦低于某个设定的阈值，就触发报警给我们一个提醒。因为当你的系统中存在成百上千的程序时，靠肉眼去找到发生故障的位置，简直是天方夜谭。哪怕找到了，也可能已经产生了巨大的损失。

负责故障发现的解决方案都属于应用性能管理(APM)范畴。我们在部署这个“眼睛”的时候，需要考虑到全方位的覆盖，要包含所有的节点。比如：

在Web方面可以直接利用浏览器提供的导航计时(NavigationTiming)和资源计时(ResourceTiming)接口来采集性能数据，非常方便。

在iOS、Android这种App方面通过源代码插桩的方式进行。比如直接引入采集SDK然后硬编码在源代码中，或者通过AOP框架来进行动态代码注入。代码的注入位置就在每个方法的执行前和执行后。

故障消除

现在已经能够很容易的发现故障了，我们就可以通过综合运用隔离性、横向扩展、代理、负载均衡、熔断、限流、降级等等机制来快速的“掐灭故障”。

分布式系统的规模越大，耦合越严重，各个子系统之间通过网络连接在一起，就如赤壁之战中的曹军连在一起的船舶一样，只要其中一个着火了就会就近蔓延。所以，北京IT培训建议一旦发现某个子系统挂了，就需要尽快切断与它的联系，保证自己能够不受连累，防止雪崩的发生。

我们可以先运用docker之类的技术将每个应用在运行时的环境层面隔离开来。然后，通过横向扩展让每个应用允许被“Copy”，以此来部署多个副本。接着，结合代理和负载均衡让这些副本可以共同对外提供服务，使得每个应用程序本身先具备“高可用”。后的三大防御措施，熔断、限流、降级来快速“掐灭故障”，避免故障在不同的应用程序间扩散。

在错综复杂的IT系统架构中，一旦IT系统发生了故障，那么就需要非常多的运维工程师们，通过大量的时间对故障进行逐一排查，每一个细小的问题都有可能带来连锁性的故障，这就有可能解决一个问题需要好几个小时的时间，这就会造成时间上的浪费。对于目前日益增速的业务环境而言，是不能容忍的。而AIOps的出现，就可以针对数据进行实时的异常检测、异常定位、原因分析、容量预测等，可以大大降低现场故障处理时间，如今已经各行各业都开始探索AIOps。你也可以去专业的公司去咨询看看，比如中国应用性能管理（APM）行业领军企业-听云，对于指标异常检测、日志异常检测、智能告警、智能降噪、根因分析方面都有非常大的优势。

it系统应急预案什么算应急冗余失效算不算应急

算。应急冗余失效是指在应急预案中，在出现系统故障或其他无法控制的情况下，采取措施来维护系统的可用性，以确保系统正常运行。这通常包括设置备份服务器、定期备份数据、定期测试备份系统等措施。

随着中国信息化水平发展的加速，IT系统越来越复杂，越来越庞大，公司业务对IT系统的依赖性也日渐提高，IT系统的任何波动和故障，都会直接影响公司业务的正常开展和进行，企业需要具备合理有效的IT运维策略来保证业务系统的正常运作。

一、IT运维管理的现状及问题

信息系统的架构创新不仅仅带来了效率提升、成本下降等管理层面的价值，更是成为了企业加速形成差异化经营、保持核心竞争力优势的关键，而IT系统的运维与管理是企业业务系统的保障，更是企业生存和快速发展的支撑。

公司在信息化水平日益完善的同时，随之而来的是更多的应用系统、软硬件平台和设备等需要维护和管理。如何对结构复杂的IT系统进行有效的监控和管理，已经成为了企业信息化部门非常关注的一个问题。作为IT管理部门，经常被大量的IT故障和问题所困扰，“拆东墙补西墙”的尴尬场景也是常常上演。不论哪一家企业，只要它的员工和IT系统发展到一定的水平，就会不可避免地面临IT系统管理的一系列难题。

IT运维管理工作中可能存在的问题有：

11IT运维管理机制不完善，流程 *** 作不统一

许多企业尚没有建立起稳定和规范的IT运维机制。现有的IT运维流程的 *** 作不规范不统一。如IT事件单提交之后，事件预判和优先级的设定不统一，没有规范性的指导文档，仅以运维工程师的经验判断或约定俗成的主观方式引导IT事件的处理。有识别但不规范，有处理但无管理，有人员但疲于应付，有系统但用不好。因此，“轻规范、重维护”的IT运维管理现状很容易造成因员工技能水平参差不齐带来的IT运维不稳定，直接影响维护体系的效果。简单点说就是还未脱离传统管理思想的束缚。

12过度依赖核心人员，年轻员工成长慢

IT运维管理是一个系统性的技能，在实际工作中积累的的经验始终仅能在小范围内得到传播和继承，这就形成了企业里面的一个特殊景象，同样是IT运维部门，有的员工独挡一面从白天忙到天黑累倒吐血，有的员工经验平平帮不上什么忙反倒悠哉游哉。尤其是IT的使用部门，对于有经验的IT运维人员更加依赖和倚重，这样导致了无论是IT事件性质的识别、优先级的界定，还是问题的分析判断，均汇总至少数核心人员进行处理。所谓大事小事一把抓，这样不仅增加了少数核心人员的工作量，也容易产生工作流程的“瓶颈”，降低运维管理部门整体的工作效率，也会让一些核心员工产生巨大的压力感。

此事发生在时间也很微妙，最近银行间市场资金紧张，一些市民怀疑工行的故障与“钱荒”有关，从而引发各界的解读和联想。一位银行IT工作者在社会化问答网站“知乎”上对此事做了解读，并介绍了银行IT背后的故事。

1现代IT系统非常复杂，当系统大到一定的程度，总会有失控的状况。世界上就从来都没有过没错误的复杂程序，问题只在于这个错误你有没有碰上而已。银行的系统是由很多不同软硬件厂商的产品拼在一起运作，复杂程度远超过普通家用电脑，这么简单的家用电脑还会死机呢而且系统复杂到一定程度，就不是人多或者钱多就能完全解决问题的了。

2要尽量不出问题，要钱，很多钱(比如中型银行建设一个过得去的容灾系统要上亿)。但出问题只是“有可能”，花的钱可是实实在在的。换了你是领导，你也不会无限制的向里面投钱。

3稳定运行的最好的办法之一是不对系统进行改造。由于有新的业务要求，系统确实要不停的升级，每次变动对系统的稳定运行都是一个挑战。

因为三个字：大集中。最早之前，银行系统还没联网，一出问题只是某个区或者某个市。最近十多年银行业都在搞大集中:五大行除了中国银行之外的四家都已经完成了大集中。工行是第一家完成的，当年号称9991大集中工程，好像是1999年开始2002年完成。包括工农建交，国开，农发，浦发，华夏，民生等大部分的银行都是双中心运作，一个北京一个上海(交行好像有个中心在武汉，人行好像在无锡)。中国银行很早就集中成五大中心，至今还没弄成双中心。

大集中有很多业务上的好处，但从系统稳定性影响范围来说，就有点“所有鸡蛋都放在同一个篮子”里面的意味，虽然已经是好多好多好多人花好多好多钱去看好这个篮子了，但百密总有一疏，鸡蛋那么密都能孵得出小鸡呢!

以前没有微博没有微信，只要你不是倒霉的用户就不会知道出过问题。以前没有网银没有淘宝，你半夜不会买东西刷卡。好多年前我在某大行省行做升级，凌晨3点多的时候出了大问题，如果8点前搞不定就全省这银行就停业了，6点多的时候是行长站在后面看着我 *** 作，最后7点多搞定。换成了今天压力估计更大了。

因为四个字：历史原因。银行的IT建设从80年代开始，传统的思路还是集中在单台(有的多一台做成双机热备)服务器上跑程序。互联网的IT建设大部分都从21世纪开始，大多采用的是分布式的思路：由多台计算机同时在跑程序，其中一台出了问题影响也没那么大。

银行程序的特点是要稳定，转变模式的风险很大(有的程序部分用的还是20年前的技术)。所以虽然也在慢慢的转，但起码到今天还没转多少。顺便感叹一下改革之难，赞颂一下邓伯伯。

银行IT是中国IT业中最严谨的行业。比如有的银行还要求厂商维护人员不能 *** 作，只能银行员工 *** 作。

大的变更一定会有预案，甚至换个硬盘，改个IP这种做过几百次的 *** 作都会有预案。但预案与真实一般都有相当差距。上面已经提到系统非常复杂，可能出现的问题如果真全部写下来，可能有几百个分支。而且，系统的故障并不会根据你的应急预案来发生。

应急预案的最重要的作用是应付上级监管，根据应急预案搭好可能需要的应急软硬件环境，大致理清概要思路，以及锻炼团队。真有复杂问题，还是靠牛人现场解决的多。

常见的最简单的衡量连续运行系统的整体指标有RTO和RPO，不严谨的说大致就是停业多久和数据丢多少的指标。

大家可以放心存钱在银行。一般出现问题也只是在停业(某个时间的系统不能运行)这个层面，还没到丢数据或者数据错的层面。就算真出了丢数据的问题，准确的数据一般可以从备份中心或者容灾中心里面捞回来。银行系统每天晚上都要对账，会保证数据准确。

先说定位问题的时间：从发现问题上报到IT信息中心(或者在监控系统发现问题)，IT中心的人开始查系统，定位故障原因，如果定位不清还要找相关的软硬件人员到场或者远程网络支持(基于安全原因，银行大部分都不能远程网络查看系统，维护人员到数据中心也需要时间，如果还堵车)，找出问题的根源，一小时算超快的了。类似你莫名高烧，到底是哪个器官出问题，去医院做检查做判断总需要时间吧

解决问题就更不好说了，其实和大家的电脑一样，往往重启是最有效的方法，但很多业务系统部分出现问题是不能重启的(可能会影响别的业务系统)。至今国外各大厂商的标准维护合同，绝大部分都没有承诺修复时间。

再说容灾系统，强调一个连很多IT人都不清楚的事实：银行容灾系统不会轻易启用整体切换!前面已经说了，IT系统已经这么复杂了，容灾系统相当于再复制一套，复杂性增加了不止2倍。切换起来是非常麻烦，非常伤筋动骨，惊动非常多人力物力，不是碰到大灾大难(比如地震，机房着火，恐怖分子爆炸之类)不会进行切换。

当然平时会进行容灾切换演练，但一般不会拿核心系统来真实切换，原因是有风险。以前也出现过华东某省级行切换到了容灾中心后切不回生产中心的悲催惨剧。最近西北某地农信社成功的把核心生产切到了容灾系统上，比较不简单，不过这毕竟是独立法人的小银行，大行不是这么个玩法。

另外，看到有不少评论说“没人敢担风险切换到灾备节点上”。

以上就是关于IT信息系统软件存在哪些安全问题全部的内容，包括:IT信息系统软件存在哪些安全问题、北京IT培训分享系统故障的解决方法、公司的IT系统发生故障了，怎么检测问题等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！