监控易直播回放：三甲医院和枢纽机场运维实践

摘要：开播前，我们先聊些轻松的话题。我忽然心生好奇，小范，你加入我们这个行业已有一段时间，作为监控运维领域的从业人员，你如今对此有何看法？我记得很久之前，你们初来乍到之时，私下交流时你曾提及，监控运维似乎是一项颇为简单的工作。

主播：范锦南庄蓓蓓

庄蓓蓓：

开播前，我们先聊些轻松的话题。我忽然心生好奇，小范，你加入我们这个行业已有一段时间，作为监控运维领域的从业人员，你如今对此有何看法？我记得很久之前，你们初来乍到之时，私下交流时你曾提及，监控运维似乎是一项颇为简单的工作。

范锦南：

嗯，那已是数年前之事了。当时我的想法确实较为单纯。初看运维系统，似乎不过如此，无非是添加监控项，协助运维保障工作，获取应监控及应采集的数据即可。

然而，随着时间的推移，尤其是近几年来，特别是疫情过后，我们的信息系统、信息化水平以及人工智能、智能化应用逐渐提升，业务系统和信息化程度也随之提高。此时，我们发现基础设备和配套设施日益增多，但管理业务系统或信息化的人员数量并未相应增加。这对他们提出了更高的要求，一是效率，二是能否确保业务系统稳定运行，以及问题出现后能否迅速解决。这些方面成为了关注的焦点。而对于运维系统或整体网络状况而言，运维系统并非简单地部署使用即可，而是具有很强的粘性特性。

庄蓓蓓：

没错，你说得对。我认为，在运维系统重要性日益凸显的过程中，它所面临的困难也在同步增加，这两者是相辅相成的。既然发展必须朝着这个方向推进，那么我们该如何解决过程中发现的问题呢？这其实也是我们一直在探讨的议题。那么，现在正好是4点钟，要不我们直接开始吧，好吗？

范锦南：

好的，现在正好是4点。我先给大家简单介绍一下，欢迎各位参加监控易下午4点的本次直播。我是本次直播的主讲人，也是监控易的技术经理范锦南。刚才大家也听到了，我和另一位名为蓓蓓的同事在闲聊。在此，我也向大家介绍一下，她是监控易的项目经理，已在团队中服务超过8年，参与过许多大型项目，包括阿里巴巴智慧园区、江苏交控全省高速公路项目、国家电网电动汽车和车联网数据中心建设等。欢迎大家。

庄蓓蓓：

谢谢。感谢小范的介绍。非常荣幸能在今天的直播中与大家分享我在监控运维领域的实践经验。我觉得此刻应该响起掌声，为我们自己鼓个掌，哈哈哈。

范锦南：

好了，简单的介绍就到这里。本次直播的主要内容是向大家介绍我们在三甲医院和枢纽机场的日常项目中遇到的一些场景，以及客户的诉求点。我们将分享我们是如何应对这些问题的，以及我们为客户提供的结果和展现效果。首先，我们来聊一聊三甲医院的运维工作。我们主要帮助用户了解或解决的是他们特有的业务系统问题，包括一些特定的医疗设备和医疗影像设备等。我们致力于保障这些设备的平稳运行，以及整个医院业务系统的顺畅运行。

当然，也包括我之前提到的枢纽机场。枢纽机场有自身的制机台、航班系统以及独特的机房分布体系。在如此庞大的范围内，我们如何进行整体保障呢？接下来，我将主要针对这两方面进行介绍。

庄蓓蓓：

好的，我知道小范你参与的项目中，医院的较多，机场的也有涉及。既然本次直播围绕这两个主题展开，那么你是否有印象比较深刻的事情，可以借此机会与我们分享呢？

范锦南：

对，其实本次直播为何会选择这个主题呢？因为最近我也在与市场部讨论，我最近一方面在医院项目，另一方面在机场项目，两边奔波。

刚刚提到了一些印象深刻的事情，正好可以分享一下。前天，我在医院遇到了一个典型案例。昨天下午，医院用户反馈，他们的医院HIS系统有一个集群节点突然掉线，但他们不清楚何时出现问题，也不清楚具体原因。他们希望我们协助排查。我们通过运维系统的告警信息发现，在前一天下午4:10，一位IT服务商的工程师在给业务系统服务器部署客户端时，导致了问题出现。

庄蓓蓓：

是的，您所言极是。就如刚才所提及的，从技术层面来讲，这本质上是一种长期、持续的监控与运维管控。我们通过人员与工具相结合的方式，对网络状况进行 7×24 小时或全时段的整体查看与把控。

确实如此，说到底，关键在于学会运用工具来提升效率。

对于我们运维系统而言，在探讨客户需求时，这其实是第三个要点。前两个要点更多聚焦于事后处理，属于后知后觉的优化。而第三个要点，则是客户对告警时效性和内容精确性的高度关注，因为这直接关系到他们业务系统的平稳运行。客户期望我们借此加快问题处理效率，优化处理流程。

您刚刚提到第三个要点，也就是客户对告警及时性和内容有效性的诉求。

这一要点至关重要。我相信，我们所接触的所有客户以及合作伙伴，在这方面的要求都颇高，且这种情况较为普遍。他们无疑更希望我们能提高效率。

范锦南：

诚如一开始所言，随着信息化程度的不断提升，负责运维的人员却日益减少。在多个医院项目中，我发现医院信息科里真正处理实际问题或管理整张网络的老师，往往只有两三人。

他们日常工作繁忙，一方面要应对来自信息科或其他科室老师提出的“我这边出问题了，你帮我解决一下”的需求，另一方面还要处理日常运维工作。他们很少有时间去深入思考、预设或预警可能出现的状况，更多时候是在四处奔走解决实际问题。

在监控运维工作中，还存在一种“两头难”的困境。在系统平稳运行过程中，由于监控系统缺乏直观可见的工作成果，领导往往难以感知运维工作的价值。他们会认为“系统平时没什么报警，你们平时好像也没做什么，做这件事似乎毫无意义”，甚至会质疑监控系统和监控运维工作的必要性。不知您在项目现场是否有同感？

庄蓓蓓：

确实感同身受。对于运维工作而言，在系统正常运行、未出现问题时，大家往往不会过多关注运维人员做了什么。但一旦出现问题，第一时间肯定会找信息科老师或运维人员，质问“怎么出问题了？该怎么处理？”

一旦出现告警事件，就会迅速成为焦点。正如您所说，领导会质疑为何不能提前预警或精准预判，为何未能及时拦截问题。这种“无异常时忽视价值，有问题时苛求完美”的认知，我认为是有问题的。这就如同购买保险，难道买了保险就希望出事吗？显然不是。

保险只是为我们增加了一层保障，起到提示作用。

我认为，这种状况不仅给运维团队带来了较大压力，也反映出对监控运维工作特性和价值的理解存在错位。借此机会，我想分享一些个人感悟。除了提升技术可靠性，客户的期望管理和价值呈现也显得尤为重要。此外，我们的服务模式也需要在这个过程中不断升级，以满足客户不断变化的需求，实现整体优化。关于这一点，我们后面再深入探讨。

那么，现在我想问的是，既然本次直播的主题是围绕三甲医院和枢纽机场展开，这两个行业有什么共性呢？为何您会选择将这两个行业放在一起分享？

范锦南：

从我的理解来看，无论是三甲医院，还是枢纽机场，它们都具有一些共同特性。首先，在人力方面，尤其是在特定时间段，会面临一定压力。其次，从网络架构层面来说，它们都采用了内外网隔离的网络架构，并且都拥有自身特有的设备类型。例如，医院有之前提到的HIS系统、PACS系统等；机场则有值机台、航班系统以及其他特色运维系统。虽然它们在某些方面存在差异，但整体来看，都属于大型网络架构，因此我将它们放在一起进行分享。

庄蓓蓓：

您说出了我的心声。接下来，我想了解一下，基于您所讲的这些情况，我们是如何解决问题的？最终取得了怎样的结果？

范锦南：

好的，刚才提到的客户诉求，大多聚焦于具体事件。接下来，我将为大家简单介绍三个场景，以及我们在这些场景中取得的效果。

首先，我想分享的第一个场景是机房搬迁或迁移。最近在医院项目中，我遇到了老院区向新院区整体搬迁的情况。对于医院领导而言，这是一个重要决策，具体实施则由信息科老师和为医院提供信息化服务的 IT 服务商来完成。下面，我简单介绍一下机房搬迁的大致逻辑和方式。在搬迁过程中，一方面要确保业务系统能够完整迁移，另一方面要保障网络层面的整体通信。例如，在机房搬迁过程中，医院的业务系统通常处于备用状态。我们可能会先将备用系统或备用计算机迁移到新院区，同时保证老院区的系统正常运行，实现主备切换。在切换过程中，运维系统发挥着重要作用。我们将新老院区搬迁的设备全部纳入运维系统，实时监控业务系统是否正常运行，是否出现宕机或其他异常情况。搬迁工作通常分批次进行，比如分为三批。在第一批次搬迁或迁移完成后，负责此事的 IT 工程师可以将工作重心转移到尚未完成或需要提前筹备的事项上。在这一过程中，我们可以帮助服务商实时观察迁移过去的系统是否正常运行，以及在迁移过程中是否因网络波动或其他变更导致业务波动。通过这种方式，我们实现了机房搬迁与运维系统的有机结合。

庄蓓蓓：

由此可见，在机房搬迁过程中，我们发挥了至关重要的作用。那么，其关键体现点在哪里呢？我认为，首先是实时监测设备状态，确保在设备搬迁过程中能够无间断运行；其次是保障网络通信的稳定，确保业务不中断，尽管处于搬迁状态；最后是对整个搬迁流程进行优化。毕竟，有人可能认为监控运维可有可无，就像保险并非人人都会购买一样。但如果有监控运维的保障，就能优化整个流程，守好最后一道关卡，同时确保数据安全。是否存在这样的情况，即原本老机房的网络拓扑非常混乱，正好借搬迁之机进行梳理？我记得我们之前有个项目就遇到过这种情况。

范锦南：

确实，智能知识库这个点非常关键。就像你刚刚说的，人员交接时不可能把每个问题的处理细节都一一交代清楚，智能知识库就能很好地弥补这一块。它就像一个经验丰富的“老运维”，能根据历史告警内容和处理经验，给新接手的运维人员提供处理建议和方向，避免他们像无头苍蝇一样乱撞，大大提高了问题处理的效率。

庄蓓蓓：

那除了智能知识库，你觉得我们运维系统和 AI 或智能技术还有哪些结合点呢？我觉得故障预测这一块就很有潜力。

范锦南：

没错，故障预测真的是个很有前景的方向。你想啊，通过 AI 算法对海量的运维数据进行分析，我们就能提前发现设备或系统可能存在的潜在问题，然后提前采取措施，避免故障的发生。这样一来，不仅能减少故障对业务的影响，还能降低运维成本，提高系统的稳定性和可靠性。

还有啊，智能巡检也是个不错的结合点。传统的巡检方式往往依赖人工，不仅效率低下，还容易出现疏漏。而智能巡检可以利用机器人或无人机等设备，结合图像识别、传感器等技术，对设备进行全方位、无死角的巡检。这样不仅能提高巡检效率，还能及时发现设备存在的问题，为后续的运维工作提供有力支持。

另外，我觉得自动化运维也是个值得探索的方向。通过 AI 技术，我们可以实现运维任务的自动化执行，比如自动部署、自动配置、自动监控等。这样一来，不仅能减轻运维人员的工作负担，还能提高运维的准确性和一致性。

庄蓓蓓：

你提到的这些结合点都很有实际意义。自动化运维确实能大大提高工作效率，减少人为错误。而且，随着技术的不断发展，我相信未来运维系统和 AI 或智能技术的结合点会越来越多，为我们的运维工作带来更多便利和创新。

范锦南：

对，我也这么认为。其实，我们现在的运维系统已经在逐步引入这些智能技术了，虽然还处于初级阶段，但已经取得了一些不错的成果。未来，我们会继续加大在这方面的投入和研发力度，让运维系统更加智能化、自动化，为我们的客户提供更加优质、高效的运维服务。

庄蓓蓓：

没错，我也期待看到运维系统和智能技术更深度地融合。这样不仅能提升我们自身的运维能力，也能更好地满足客户的需求，推动整个行业的发展。

范锦南：

确实，你总结得非常到位，从情感因素、成本敏感度以及流动性这三个方面，精准地概括了三甲医院和机场枢纽在运维方面所面临的行业特点。接下来，我也想顺着你的思路，再从技术应对和运维策略的角度，谈谈我们如何更好地满足这两个行业的特殊需求。

针对情感因素高、迫切性强的特点

在三甲医院和机场枢纽，一旦出现问题，用户往往希望问题能够得到迅速解决，因为这直接关系到他们的健康和行程安排。因此，我们的运维系统需要具备高度的实时性和响应速度。这包括：

实时监控与告警：通过实时监控系统，我们能够第一时间发现设备或系统的异常，并通过告警机制及时通知运维人员。同时，告警信息需要足够精准，以便运维人员能够迅速定位问题。

快速响应机制：建立快速响应机制，确保在接到告警后，运维人员能够迅速到达现场或远程接入系统，进行故障排查和修复。这可能需要我们优化运维流程，提高运维人员的技能水平，以及建立高效的沟通渠道。

应急预案：针对可能出现的重大故障或突发事件，我们需要制定详细的应急预案，包括故障处理流程、资源调配方案、用户沟通策略等。这样，在问题发生时，我们能够迅速启动应急预案，最大限度地减少故障对用户的影响。

针对成本敏感度相对弱的特点

虽然三甲医院和机场枢纽的用户对成本相对不敏感，但这并不意味着我们可以忽视成本控制。相反，我们应该通过优化运维策略和技术手段，降低运维成本，提高运维效率。这包括：

自动化运维：通过引入自动化运维工具和技术，我们可以实现运维任务的自动化执行，减少人工干预，提高运维效率。同时，自动化运维还能够降低人为错误的风险，提高系统的稳定性和可靠性。

智能分析与预测：利用大数据和AI技术，对运维数据进行深度分析和挖掘，发现潜在的问题和趋势。通过智能预测，我们可以提前采取措施，避免故障的发生，从而降低运维成本。

资源优化配置：根据系统的实际需求和负载情况，合理配置资源，避免资源的浪费和闲置。这包括硬件资源、网络资源、存储资源等。

针对流动性强的特点

三甲医院和机场枢纽的流动性强，意味着我们需要确保系统的高可用性和可扩展性。这包括：

高可用性设计：在系统设计阶段，就需要考虑高可用性需求。通过冗余设计、负载均衡、故障转移等技术手段，确保系统在部分组件出现故障时，仍然能够正常运行。

可扩展性规划：随着业务的不断发展和用户量的不断增加，系统需要具备良好的可扩展性。这包括硬件的可扩展性、软件的可扩展性以及网络的可扩展性。通过合理的规划和设计，我们可以确保系统在需要时能够迅速扩展，满足业务发展的需求。

移动运维支持：考虑到运维人员可能需要在不同地点进行运维工作，我们需要提供移动运维支持。这包括开发移动运维APP、提供远程接入工具等，以便运维人员能够随时随地接入系统，进行故障排查和修复。

庄蓓蓓：

确实，今天我们围绕三甲医院和机场枢纽的运维特点，以及我们服务模式的优势进行了很有意义的探讨。结合刚才提到的医院系统崩溃案例，其实可以进一步延伸到运维服务模式的核心价值——如何通过全生命周期的深度服务来降低风险、提升效率。这里我想再补充几点观察和思考：

一、从“被动响应”到“主动预防”的转变

医院系统崩溃的案例暴露了传统运维的痛点：被动响应模式（等故障发生再处理）在关键场景下可能引发严重后果。而我们的服务模式强调：

全链路监控：通过智能知识库和预测性分析，提前识别潜在风险（如CPU占用率异常、告警阈值逼近等）。

压力测试与预案：针对业务高峰期（如医院周末门诊、机场节假日）提前进行全链路压力测试，制定容量扩容预案。

故障演练：定期模拟系统崩溃场景，验证应急预案的有效性（如备份系统切换时间、数据恢复完整性）。

二、服务模式中的“技术+业务”双轮驱动

你提到团队不分售前/售后、测试/实施，这背后其实是一种技术-业务深度融合的思维：

技术团队嵌入业务：
例如，在三甲医院场景中，运维团队需要理解HIS系统（医院信息系统）、PACS系统（影像归档系统）的架构特点，甚至熟悉医疗流程（如挂号、检查、缴费的优先级）。
在机场枢纽中，需要掌握航班调度系统、行李分拣系统的业务逻辑，才能设计出合理的监控策略（如航班延误时优先保障值机系统稳定性）。

定制化开发能力：
不同医院的业务流程差异很大（如专科医院与综合医院），机场的运营模式也各不相同（如国际枢纽与区域机场）。我们的服务模式支持通过低代码平台快速定制化开发，适配客户的个性化需求。