初伏天，热出 5 种 DevOps 事件管理工具

数人云：最近两天这个天呀，真是出门5分钟，流汗2小时，小数保持冷静，盘点5种DevOps事件管理工具，一起来消消暑吧：）

最少的BUG，最优质的代码是开发的终极目标。正如Arkenea的创始人Rahul Varshneya在其文章中描述NASA的开发和处理软件：“所有应用都有BUG。”尽管有成百上千的人在规划、研发、测试NASA的代码，但负责宇航员生活的应用仍然存在BUG。

DevOps的目标——确保在生产中能够检测到的每一个BUG，并根据其应用功能或者可用性的影响度来分级、及时处理。由DevOps处理的生产问题称为“事件”。

1998年，NASA发射火星气候探测器，作为火星极地登录计划的一部分。1999年9月23日，轨道飞行器失联，一队技术人员花费24个小时以上的时间，尝试深空网络天线用以恢复联系。若只知道其在几百万英里以外，但不知确切位置，该如何解决此问题？

NASA发布的Twitter：

尽管运维团队一直在遵循着ITIL原则，但以现在来说略显过时。随着应用发布时间缩短，标准的SLA用于宕机或缺陷辨识度为0，DevOps和事件管理过程必须做出相应调整。事件需分类和优先排序，最好有自动服务，与相关的程序员和测试进行合作分配处理，在一天内给出解决方案。

面向客户的DevOps人员应24小时跨时区覆盖，每个SLA漏洞都要触发升级，并迅速涉及到更高技术层。为了让应用始终运行、正确处理事件、符合标准，需要事件管理工具，本文将列举5个：

PagerDuty

PagerDuty是自动化处理的系统，可以将在生产维护上投入的时间精力降低到最低。该工具通过应用环境中的所有系统对告警和时间进行排序，并洞察其中的关联进行分组。减少了同一事件连续告警的问题，有助于将焦点放在实际时间上，提高解决效率。PagerDuty允许用户定制告警，且向相关人员发送信息，帮助解决所有类型的问题。

该工具收集信息从数据库中读取模式，助力自动升级，根据应用特定区域的前几次事件，给出基本决策。为DevOps管理人员提供所有事件及状态的实时视图。作为实时仪表板的一部分，事件能够相关联，管理人员可以进行深入研究，对事件的生命周期和路由做出对策。

该工具提供的分析和报告能跟踪系统性能趋势并分析故障根源。还可监控不同团队的工作效率，为未来事件优化处理生命周期。PagerDuty最近推出了一款手机应用，用户可以在任何时间、地点管理和监控生产事件。PagerDuty也集成了150多个监控、部署的工具，因此在核心系统中很容易实现并立即查看结果。

OpsGenie

OpsGenie是一款在云端部署告警和监控的应用，路由、通知规则和移动效率是OpsGenie的特色。使用该工具第一步要为告警和通知路由定义时间表，用于处理不同地区团队下班后的事件，且能发起适当的决策操作。

OpsGenie提供电话服务来跟进未处理的告警，保持每个管理员的沟通和响应，并允许其根据事件的严重性和数量进行分级告警。OpsGenie的手机客户端可以做出相应的操作和决策。

生命周期和通知列表对每个告警都有详细的记录文档，且可以后期处理，用来改进流程中的问题和提高效率。从易维护的角度看，使用此工具的企业能将通知管理整合到分组里，可以设置细节和偏好，防止数据重复，减少管理负担。

VictorOps

VictorOps将自己描述为PagerDutry的另一种选择，是一个实时管理事件的平台，可以对突发事件作出响应，预知未来事件作出准备。事件告警根据一个调用计划发送，也可以被动态重定向。告警是动态、可配置的，因此能够被修改为包含服务日志的链接，或任何人都可以遵循的解决方案。利用与其他工具的集成，VictorOps构建了一个“时间轴”，显示整个生态系统的信息，即可轻松调查事件，或与其他事件关联。

VictorOps还引入了Transmogrifier，允许定制从告警到事件流的所有内容，使得事件管理更为简单，该工具内置聊天功能，有助于团队协作，快速解决问题。

Jira

Jira服务平台是Jira组合的一部分，帮助开发和DevOps以最好的方式构建、发布软件。服务为部门认为服务是最耗时的，因此该工具提供了一种自助服务模块，其中包含有用信息的知识库，用户可以在向客户服务代理请求帮助之前自行查询。还可以应用于ITIL驱动的组织和使用较新的事件管理方法，通过集成问题和变更管理模块，并为生产中的每一种事件生成详细的工作流程。

Jira也提供了大量的API，允许和任何CRM或票务管理系统简单集成。因此Jira能让企业更便于编辑服务平台数据中心，DevOps关注关键任务和企业能够快速使用服务台，服务台能让企业编辑服务台数据中心，DevOps可以关注任务关键服务和容灾计划。

FreshService

FreshService是一站式ITIL软件，为整个IT运营部门提供解决方案。其事件管理模块与不同的通道进行通信，使用电话、聊天、甚至电子邮件报告新的事件。每一个事件都被优先处理，并且提供相关规则，自动路由到合适的代理或团队。事件信息会被存储，分析，一旦解决，可以作为以后发生类似事件的方案建议。该工具有能力根据响应事件自动将事件分配给不同的团队。

FreshService还提供了一个诊断模块，允许用户或客户提交方案进行诊断，并给出反馈，团队根据反馈进行改进。 FreshService了解重大事件对不同企业的影响，在此基础上，建立了一个只处理重大事件的模块，此模块有独立的进程、元数据、升级方法和更高的管理参与接口。让影响广泛的、跨部门的事件能够快速有效处理。

结论

对事件SLA的正确的响应、及时响应是目标，需要深入了解应用的前后端，高端面向服务和正确的工具。本文所讨论的工具可以作为处理过程的基础设施，对相关人员进行支持，提高效率和问题改进。

正如没有完美的应用一样，也没有完美的事件管理工具。本文概述了5个主要的事件管理工具，如何处理生产服务中断并尝试解决。企业首先需要决定标准和服务目标，根据特性和功能选择工具。

以下是这些事件管理工具之间的差异：

原文作者：Daniel Berman

原文链接：https://logz.io/blog/incident...