阅读说明：这是《大话系规官方教材伴读》系列的付费正文。本系列按官方教材原章节顺序，一节一节用大白话讲透第2版教材。非会员可免费试读本讲约百分之二十。
这套伴读怎么用、和《系规精品图文课程》怎么搭着看，先读开篇导读：《大话系规官方教材伴读·开篇：这本又厚又硬的书，我陪你一节一节读完》。
付费方式：独立合集《大话系规官方教材伴读》合集价 299 元，购买后全部讲次解锁（微信小程序或官方网站均可学习）。已订阅《系规精品图文课程》的同学不再单独付费，登录学习平台即可直接读全部内容。
以下为本讲正文 ↓
大话第16章②：运维管理
一、先问你一个会卡住的问题
同学，咱们接着第 16 章往下走，这一讲是第二节，运维管理，对应教材 16.2。
先讲个你天天都在经历、但可能没往这上头想的事。你早上打开手机，点外卖、刷新闻、扫码坐地铁、用网银转账——这些 App 和系统，是不是几乎从不"关门"？凌晨三点你睡不着想点个夜宵，它也照样能用。你有没有想过：是谁在背后保证这些系统一年三百六十五天、一天二十四小时不出岔子？
答案就是运维。
软件开发完上线，只是万里长征第一步。真正的考验在后头——往后好几年，这套系统得稳稳当当地跑着，不能动不动崩、不能数据丢、出了毛病得有人能第一时间发现并修好。这件事，就叫运维（运行维护）。而要把运维干好，光靠人盯着屏幕熬夜是不行的，得靠一整套专门的工具。
第 16 章第二节，就是把这套运维工具一类一类摆给你看。教材开篇说得很清楚：对 IT 运维服务体系进行规划建设并有效实施和管理，离不开运维工具的支持。监控工具、过程管理工具、专用工具在运维中的使用，可以显著提高运维的可视性、过程组织的有效性，以及操作的便利性和安全性。
这一节是第 16 章里内容最多、小节最密的一段，从 16.2.1 一直排到 16.2.7，足足七个小节：监控工具、过程管理工具、自动化专用工具、服务台、知识管理、备件管理、新型运维工具。听着多，别慌。这一讲，我就把这七块用你身边的事儿，一块一块给你翻译清楚。讲完你会发现，这一整套工具，干的就是一件事：让一套已经上线的系统，被看得见、管得住、修得快、不掉链子。
二、这一节在教材里的位置
先让你心里有张地图，知道自己站在哪儿。
| 教材位置 | 官方小节 | 这一讲的大白话主题 |
|---|---|---|
| 16.2 | 运维管理 | 系统上线后靠什么工具稳稳运行 |
| 16.2.1 | 监控工具 | 给系统装"体检仪"，时刻盯着健康状况 |
| 16.2.2 | 过程管理工具 | 按服务级别协议把 IT 服务全程管起来（ITSM） |
| 16.2.3 | 自动化专用工具 | 让机器替人干重复活：作业调度、操作自动化 |
| 16.2.4 | 服务台 | 用户和运维之间的"单一接待窗口" |
| 16.2.5 | 知识管理 | 把经验存进知识库，别让问题重复踩坑 |
| 16.2.6 | 备件管理 | 管好备用的硬件软件，坏了能马上换 |
| 16.2.7 | 新型运维工具 | AIOps 智能运维、DevOps、云管理这些新玩法 |
第 16 章在系规里我给它定 B 档。运维管理这一节虽然不是论文顶配章，但它和系规另一块重头——信息系统服务管理（第 12 章）——是血脉相连的。第 12 章讲服务管理的"道"（理念、流程、生命周期），这一节讲服务管理落地用的"器"（具体工具）。你学这一节的时候，脑子里要时不时想起第 12 章那套服务管理的思路，两边一对照，记得更牢。
我把话说在前头：这一节工具和缩写特别多，ITSM、AIOps、DevOps、CMP、CSM……一个接一个。你别想着一次全背死。跟着我的例子走，先把每一类工具是干啥的、有几个代表、几个核心缩写的全称记住，就够应付选择题了。
三、大白话逐节精讲
1. 监控工具：给系统装一台"体检仪"
进 16.2.1 监控工具。
教材说，监控工具主要是对运行维护服务对象进行数据采集和监控，评估可能导致运行故障的因素。
大白话：监控工具，就是给系统装的那台"体检仪加报警器"。它时时刻刻盯着系统的各项指标——服务器累不累、内存够不够、硬盘满没满、网络通不通——一旦哪个指标不对劲，马上报警，让运维人员第一时间知道"病人要出事了"。
教材把监控工具按对象分成三类，你记一下这个分类：
- IT 基础设施监控：盯硬件层面的，像主机、网络、存储、应用、机房动力环境（机房的电、温度这些）。
- 性能监控：盯运行快慢的，包括业务性能、应用性能、网络性能。
- 业务运营监控：盯业务层面的，包括业务运营管理、业务流程监控、业务容量监控。
教材还说，监控工具可以只盯单一功能，也可以是一个综合性的运维监控平台。这就引出了后面要讲的"统一运维监控平台"。
教材重点介绍了三个常见的监控工具，你记住它们各自的特点：
- Zabbix：一个组织级的开源分布式监控解决方案，基于网页界面提供分布式系统监控和网络监控。它能实时监控数千台服务器、虚拟机，还有应用、数据库、网站、云等等，能采集百万级的监控指标。它适应性广，能跑在 Linux、Mac OS X 等几乎所有主流平台上。记住关键词：开源、分布式、监控量大、跨平台广。
- Nagios：一款监控系统、网络和 IT 基础设施的开源应用。它能根据设定的阈值和关键指标定期检查系统或服务状态，发现异常时通过短信、邮件及时通知运维人员，还能跑自动脚本去纠正问题。它有两个版本——免费的 Nagios Core（侧重监控服务可用性，但不支持网页方式管理配置，配置不太好用）和付费的 Nagios XI（高级版）。记住关键词：开源、有免费 Core 和付费 XI 两版、阈值告警。
- Prometheus：一套开源的系统监控报警框架，既适合硬件指标监控，也适合高动态的微服务和云环境监控。它有两个突出特点，是考点：第一，它采用"拉（Pull）模型"——传统监控系统大多是客户端主动把数据"推（Push）"给服务端，而 Prometheus 反过来，由服务端主动去目标那儿"拉"数据，这样更适合微服务架构、也更方便横向扩展。第二，它支持"时序数据"——就是按时间顺序记录系统状态变化的数据，特别适合对实时性要求高的场景，比如无人驾驶车辆数据监控、金融证券实时数据监控。记住关键词：开源、拉模型（不是推模型）、时序数据、适合微服务和云。
这里 Prometheus 的"拉模型 vs 推模型"是个高频考点，你单独记牢：传统监控是客户端推（Push），Prometheus 是服务端拉（Pull）。