一、项目背景

2023年12月，安徽某县医院接入226个资产，正式成为平台客户。

据moc介绍，客户经历了3个月的长效试用期，通过对平台的监控效果、趋势预测、故障响应速度、技术支持、moc服务等全方位体验后，才谨慎地成为正式用户。不得不夸，运维工程师的认真严谨最让人服气！

二、故障处理

客户资产接入后，需求和服务的极限挑战正式开始。通过3个小案例了解。

1、夜间HIS系统反复重启

客户接入系统后，发现HIS系统总会在夜间反复重启，平台告警后数据工程师认为集群未产生异常报警，并未着急处理。

moc工程师认为核心系统告警需要提高警惕，要求数据工程师排查重启原因，最终锁定SQL Server数据库bug导致，进行打补丁更新，反复重启故障彻底解决。

2、大面积断电引发的网络问题

1月21日清晨7点半，平台接到该医院资产离线告警。

moc工程师沟通用户，得知该地区遭遇极端暴雪天气导致大面积停电。在恢复供电后，部分交换机未能自动重启。用户现场有一百多台交换机且分散在医院各个区域，靠人工检查定位重启，至少要半天时间才能完成，将会影响业务的正常开展。时间紧任务重，MOC工程师结合平台告警和设备状态监测，逐步定位排查，在30分钟内协助用户迅速恢复所有故障网络设备，保障业务的稳定进行。

3、磁盘空间使用率问题

接入平台后，值守工程师发现凌晨总会接到磁盘空间使用率不足告警，在处理工单时，告警磁盘的容量又恢复正常，完全能满足业务的需求。

通过三日空间使用时序图显示，磁盘每日凌晨开始备份，产生大量备份文件，在短时间内磁盘空间使用率就达到100%，空间不足导致备份失败，重新释放磁盘容量。这就是处理工单时一切看起来很正常的原因。数据备份失败可能导致数据丢失，moc工程师及时与现场工程师沟通，调整备份方案，将5日备份数据量调整为2日备份，在适合的时间对该磁盘进行扩容。

异常早发现，故障快处理，保障系统日常稳定运行，客户满意度持续飙升。

三、痛点分析

在医院信息化建设中，大部分医院已完成核心业务系统建设，且配套一定规模的网络、服务器、动环等系统。因此在制定运维服务方案时，需要在这几点特别关注。

1、厂商独立监控、数据割裂，形成数据孤岛。影响告警和根因定位的准确性，甚至告警风暴的产生，需要监控统一集中的监控。

2、资源管理难，缺乏对服务器CPU、内存等计算资源，磁盘空间、磁盘I/0等存储资源的监控，对系统应用节点和数据的各项性能参数配置等数据把控不足，难以实现科学的容量规划。

3、缺乏对核心业务系统监控，设备厂商监控工具仅对设备状态进行检测，无法对医院核心业务，如HIS、PACS等进行全链路可用性监控分析。

4、日常巡检以人工巡检为主，问题发现被动、滞后，难以保障系统稳定运行。同时人工巡检摸排时间长、问题处理效率低，也使运维KPI成效不显著。

四、方案亮点

一站式监控

异常、风险尽在掌握

—

以集中式采集监控和告警管理，将资产统一并入监控系统，对每个资源节点的状态、性能进行实时监控。监控不漏报、少误报、高响应，高效应对医院规模庞大的基础设施，网络设备、服务器、存储、应用等。

通过全栈数据采集分析，精准定位提供丰富数据分析，提升风险异常的精准度。用户可以避免无效告警、告警风暴的发生，快速对故障的排查和定位，全面提升告警管理能力。

自动巡检+AI精准预测

运维提速增效

—                            

自动巡检可大幅提高巡检效率，内置多种常见的操作系统、数据库、中间件等巡检模版，满足日常巡检需求。支持灵活配置巡检指标以及阈值，高亮展示异常指标，组件性能状态一目了然。支持定时执行策略、巡检通知、生成word模版供存档，保证巡检任务有计划地执行。

AI精准预测，主动发现问题，对具有周期性、趋势性、季节性的指标，AI机器学习建立自适应的异常检测,自动调整动态阈值，高效管理告警。

7*24h在线+专家响应

事件能闭环

—                            

依托于平台的实时监测分析，MOC专家做到分秒级响应，不到30分钟就能完成一次事件的“分析-定位-响应”。

为医院量身打造相应的应急处理流程，确保问题的响应时间和处理速度，MOC工程师全程在线，提供专业的解决方案，协调专家支持，保障系统快速恢复；故障解除后，MOC工程师会针对事件进行复盘汇报，查漏补缺，故障闭环处理大幅降低同类型事件再发概率。

平台内置大量案例，集中管理历史沉淀经验及常用场景知识，便于知识应用即查即用，提升问题解决效率，减少对专业人才的依赖；

智能运维使原来错综复杂的运维管理工作变的简单轻松，真正实现职责分明、安全高效、稳定可靠、智能管控的目标。