故障处理是保障业务正常运行的主要活动，最佳的故障处理保障是勤智OneCenter一体化运维服务管理系统的核心，通过全面监管、精准过滤、深入诊断、快速恢复、知识沉淀、持续优化和专业标准七个方面形成故障处理保障机制提供以下价值：
（一）、全面监管：站在业务系统的角度对IT基础架构和应用系统进行集中监控，及时发现可能对业务系统造成影响的故障，实现对故障的全面管理。
（1）种类全：基础设施监控覆盖完整的客户IT系统，全面管理企业日益增加的各种IT设备（尤其是异厂商设备、多技术领域支持），比如：服务器、虚拟机、网络、数据库、存储、中间件，应用程序等网络设备应用系统。
（2）方式全：提供现场的、远程的以及云端的监控和管理，通过SNMP、Netflow、Syslog, Trap、SMI、WMI和IP SLA等协议获取数据，通过统一采集处理，对系统实现完整监控。
（3）可扩展性：整合和兼容第三方系统，支持大多数基础架构元素即插即用。
（二）、精准过滤：构建以业务支撑为目标的故障监控处理和分析机制。并非所有“告警”都管理，只管理影响业务的关键事件告警，实现精准定位受影响的业务系统，节省时间。
（1）信息过滤：在全面监测的基础上，可能会产生非常多的告警信息。然而过犹不及，工程师会快速淹没在“海量”事件中。系统需要基于事件策略实现第一层的事件过滤，找到工程师真正需要关注的告警事件。分级别，按照多种组合条件对海量告警信息进行过滤。
（2）信息呈现：通过故障管理策略和告警策略获得的故障信息，以恰当的一体化视图呈现出来，用户能够快速掌握当前的故障态势与详情。
（3）及时反馈：在故障出现时，快速确认并告警，自动或手动派单进行处理。
（三）、深入诊断：内置多种事件解析规则和设备故障快照功能帮助实现及时分析，满足运维的事前监督和事后故障分析。细颗粒度的、多层次的深入诊断，包括状态、性能、指标等。客户能够了解故障的根源，并对症下药，保障业务系统仅受有限影响。
-        根据设备之间的相互关系，CI关系，拓扑， 快照，知识库快速判断出故障设备，故障出现后，根据告警的信息有灵活的策略。
-        故障源定位，找到真正的“病”源。通过故障管理策略和告警策略获得精确的故障根源信息。需要人工介入进行故障根源定位的情况下，系统能够提供逐渐缩小范围的故障定位工作流向导功能，有助于快速恢复故障。
（四）、快速恢复：通过故障的深入诊断和精准定位，采用自动或人工方式按照一定的流程进行快速恢复，使业务影响尽快消失。
（1）自动恢复：对于已知错误或常见故障有明确解决方案的，经过一定程度的配置，系统可以采用自动恢复的方式；
（2）人工恢复：对于需要人工修复的故障，能够快速找到“可用”的资源（工程师和知识）并按照优先级进行处理；
依托规范化的事件处理流程，做到快而不乱。此外，“快”是一个相对的概念，要保障处理速度就要基于SLA管理对故障的处理进度进行有效监控，及时跟进。
（五）、知识沉淀：知识的沉淀主要是知识库中知识的获取、分类和应用三个方面，其目的是保障系统持续有效地运行。
（1）知识获取：在处理故障时，系统按照配置自动记录的故障发生过程，以及故障解决方案都是重要的知识内容。可以通过工具或程序自动化操作的过程形成标准化操作控件，供自动化模块使用，积累知识与经验。
（2）知识分类：为了保证故障处理知识准确，有效和方便调用，基于问题管理找到故障反复发生的根源，杜绝类似故障的重发，需要对故障发生情况和应对方案进行分类，方便知识的应用。
（3）知识应用：数量繁多的故障，很大一部分是相同系统相同/类似故障，不同系统相同/类似故障。当故障发生时，能够搜索知识库，获得类似情况处理的建议。
（六）持续优化：
持续优化的故障处理流程和知识库能够贴合业务系统的发展，更加适应IT系统的变化，持续保障业务。
-        基于问题管理找到故障反复发生的根源，杜绝类似故障的重发；
-        通过变更发布管理严格的风险评估和控制，有效规避不必要的故障发生；
-        基于历史趋势，预测容量变化，找到系统瓶颈，及时扩容或升级；
-        基于人员工作量统计报表和SLA统计报表，找出团队能力瓶颈加以改进，提升故障处理效率或降低因为人员操作问题导致的故障，或者优化流程；
巡检机制的支持，包括巡检内容、范围、标准实施流程的定义；已知错误的临时解决措施需要定期执行的可以定期执行。
（七）、专业标准：故障处理整个过程符合ITIL/ISO20000和ITSS中国标准的。软件遵循标准，提供更好的保障。
-        业界故障处理方法论和算法，拥有专利技术。
-        符合ITIL V3国际规范和ITSS国家标准；标准化的服务流程定义，切合客户实际需要。人员介入的过程完全符合标准化处理流程，处理中违反SLA的情况能够被预先监控并显示出来，具备故障处理过程的升级机制。

所谓的快速恢复，吹的有点过头了，但凡安全管理比较严的场景，都不允许这类系统去自动做一些变更操作，再说，技术上也没法实现，毕竟IT系统的复杂度很高。

谢谢分享！