随着银行业务形态的增多、体量的变大，系统规模快速扩大，每天产生的数据信息呈几何式增长，其中包括大量的客户数据、交易数据和运行数据等，它们具有非常大的潜在价值，也是大数据应用的基础来源。

这些信息数据量十分巨大，但却分散在各个中心服务器或者设备的不同位置，对运维数据的统一管理、监控、信息挖掘变得越来越困难，也使得运维工作量越来越大。

背景

根据中国银监会《商业银行信息科技风险管理指引》（银监发〔2009〕19号）中针对日志文件完整性、存留周期的相关要求，结合当下监管部门对银行数据治理相关监督的指引，为提高银行竞争力，高质量快速完成数字化转型，将数据价值向资产化过渡，某行拟建设统一的运维大数据处理平台。优先选择从日志场景切入，精细化分析能力，打造场景化应用，实现全面可观测性，保障业务平稳高效运行。

方案简述

运维大数据平台的构建基于分布式高可用架构，满足容量随着业务需要动态扩展的需求；优化数据采集手段，实现对IT环境的实时数据采集以及集中高效的存储、查询、分析及可视化展示；基于流批一体的数据处理技术，实现全局数据秒速查询。内置AI智能分析引擎，除了能够解决异常检测、异常定位及辅助故障定位等运维痛点问题外，通过数据建模和洞察还可以对系统进行综合健康及风险分析。

另外，平台对数据处理操作非常友好，用低代码的方式实现对复杂数据的处理，如交易数据的实时响应时间计算，需要从日志中提取请求及响应的时间，再根据交易特征进行计算和时间窗口聚合，类似这种复杂操作，只需要一条数据处理流就可轻松完成。

可观测场景的实现

03 Logging中的Tracing，洞见交易串联分析

由于历史的原因，在没有改造日志规范的银行业务系统中，是没有统一交易的流水号来标识每一笔交易的。其中有些交易非常复杂，会从前端到网关、渠道、核心以及周边系统调用流转，一旦出问题很难定位排查。

面对这样的情况，首先通过提取交易特征变量，对日志中的交易进行端到端的串联分析，全链接自动识别交易的整个流程，使原本碎片化的交易追踪变得有序。

其次，通过对日志交易的链路识别、分析，将交易的发起至结束进行关联。再通过图形化展示界面，对各个环节进行不同的告警设置，实现跨系统统一查询全链路日志。

将每笔业务各阶段的数据片段进行串联，建立业务链路分析模型，聚合关键业务指标报送数据(日均交易笔数、响应时间、成功率等)，统计分析业务瓶颈，掌握业务运行规律，能够极大地提升业务运维效率。

本次案例是智能运维助力实现全面可观测性的一次成功落地实践，案例从两方面入手，一是事前做好各类型的数据链接、监控等，分层次，找关联；另一方面在观测到问题后能够快速评估问题影响，收敛问题并找到根因。

只有不断完善运维体系，丰富各类运维场景，才可以帮助我们屏蔽系统的复杂性，使系统整体的运行状态清晰可见，进而通过不断积累总结经验，持续优化反哺到智能运维体系建设中，让如万里长征般的智能运维建设之行稳步前进。