《数字中国建设整体布局规划》指出建设数字中国是数字时代推进中国式现代化的重要引擎。用于支撑数字中国构建的一体化、高水平数字平台，其可用性保障至关重要。
今年5月发布的《互联网政务应用安全管理规定》，强调筑牢互联网政务应用安全防护屏障，保障和促进政务应用安全稳定运行，对可用性保障提出了进一步要求。
从“找部门”到“找政府”，一体化打破了众多“孤岛”，形成了“环岛”效应。然而，这也带来了诸多挑战：系统构成不明、负载不清、超负荷运转不自知；架构设计缺陷、联调测试不充分导致协同难；风险知识未总结、未共享造成响应不及时。不存在与生俱来就绝对安全的数字平台，我们只有重视问题、总结规律，按照PDCA（计划-执行-检查-行动）成熟度模型，持续精进对象纳管、监测预警、迅速响应、高效处置及深度复盘五大环节，才能驱动可用性运营体系实现螺旋式迭代升级。为避免产生运维“黑域”，实现从“机器”级向“零件”级的纳管。按照物理拓扑关系，以客户端和服务端为起始点，建立运维链路。该链路包括对象和关系两部分：对象由外部依赖的基础资源、共享服务、第三方组件、端服务等，内部建设的前端页面、后端接口和生产数据库等构成，共23种对象207项要素；关系是对象之间的调用秩序，按照全链路压测要求，结合各服务阈值设置限流值，建立各对象依赖关系。为降低漏报导致的不自知、误报导致的不准确，定义漏报率、误报率两个核心指标用于评估监测水平。当所有运维对象在线以后，监测的全面性决定是否存在漏报，传统是通过技术专家结合经验设置的监测规则，完善为针对16类97项对象的标准化监测规则包，解决专业能力不足导致的漏配问题；当所有对象及监测规则在线后，调整与业务相匹配的阈值是减少误报率的必要手段。为避免技术没有内驱力快速恢复服务，导致响应低效问题，需要定义“两线”告知原则，“两线”分别是风险告警线和责任告警线。风险告警线是以传统的技术推进方式，推动研发、运维、测试快速响应；当技术响应或处置超时，将风险告警提级为责任告警，告知业务影响范围，由业务单位负责人协同推动。为避免风险定因慢，设计“三图”提升定因效率，“三图”分别是风险图、拓扑图与时序图。风险图指出了风险的来源方向，分为“东南西北中”五个方面，分别是东向竞争、西向变更、南向依赖、北向流量、内部缺陷；拓扑图指出了风险的位置，在复杂的拓扑关系中，结合风险信号快速找到存在问题的节点；时序图指出了风险的初因，结合前面两张图和技术专家经验，通过时序序列分析，判断风险源头，找到“第一片雪花”。风险处置的结束不是可用性运营的终点，而是带来了一次发现新知识的机会。为避免任务式驱动，应全面复盘每个风险，提炼为可用性运营的一般性方法。可用性运营的载体可称为“TKS”，分别是工具、知识和服务。通过根因分析和复盘整改，持续优化“链路”、“两率”、“两线”和“三图”。总结来说，可用性运营既要聚焦当下存在的矛盾，也要预判未来发展的趋势。不断以问题为导向，持续通过PDCA循环优化纳管、监测、响应、处置、复盘五大环节，以TKS为抓手撬动可用性运营各环节迭代升级，通过对人员、资源、技术、过程四位一体变革，完善可用性运营体系，支撑业务高水平发展。 来源 作者：数字浙江技术运营有限公司运维部部长 成增存 ，原文标题为《可用性运营的一般性方法》转载请注明来源