國內各行業的IT信息化建設正處于高速發展階段，業務量與日劇增，伴隨著數據大集中，以及業務系統的快速上線，運維部門作為業務網絡保障部門面臨著巨大挑戰和壓力。由于各種關鍵業務和應用都被承載在基礎架構、WEB應用、中間件和數據庫上，同時業務系統上線需實現快速、靈活、按需的可插入式部署能力，這使得業務的復雜性和維護難度大幅增加。如何對這些復雜的業務系統進行有效監控和風險防范，保障關鍵業務的高性能和高可用性，以及如何對現有的運維流程進行優化，不斷提升管理和運維水平已經成為新的難題。
以某企業為例，該企業的數據中心部署了大量負載均衡設備，經常出現大量Limiting closed port RST Respond 告警信息，由于沒有流量分析能力以及標準運維工作流程，每次出現該問題時運維人員不知道是如何引起，對業務有沒有影響。因此定位故障總是需要耗費大量時間，造成排查效率較低。具體難點如下：
業務運行環境越來越復雜，故障定位慢，各種業務系統越來越多，系統對相關資源的依賴性高，系統一但出現任何問題，需要逐個排查，故障定位難;
運維工作繁重，缺少工具和手段，維護人員每天面臨大量的重復性、手工性的故障排查工作，不僅費時費力，而且容易出錯，亟需新的手段幫助提升效率;
日常運維工作流程混亂，或者沒有標準流程，造成工作效率低下，同時客戶抱怨、投訴不減;
為解決以上運維痛點，nCompass流量分析平臺從用戶的實際情況出發，以數據作為切入點進行面向業務的數據可視化智能分析，從智能告警-數據回溯-數據分析-故障定位-分析流程代碼化-智能分析六方面解決目前運維管理中面臨的一些實際問題。
告警出現
F5設備出現大量Limiting closed port RST Respond 告警信息。
【告警示意圖】
由上圖可以看出，某企業F5設備出現了大量Limiting closed port RST Respond告警信息，并且告警信息一直在持續，運維人員無從下手。
數據回溯
nCompass通過數據可視化手段，將維度指標的組合過濾進行問題回溯，可查詢各個VLAN中Reset包信息以及Reset包數量。經過過濾后的表格可以看到是哪一個VLAN的 Reset數量最高。
【維度選擇示意圖】
【指標選擇示意圖】
【數據表格示意圖】
通過上圖“數據表格示意圖”，可以看出，在nCompass數據表格選擇好維度與指標后，可以將相關數據全部在數據表格中得以展現，通過展示出的數據得出VLAN2007 REST數量最高。
數據分析
接下來對表格中通過添加維度的方式對Reset數量最高的VLAN進行下鉆分析，可以看出客戶側Reset包無明顯異常IP，服務側Reset列發現0.16服務端Reset占比超過80%。
【客戶端下鉆示意圖】
【服務端下鉆示意圖】
在得出VLAN2007 REST數量最高后，我們要對其進行下鉆分析，首先進行客戶端下鉆，通過上圖“客戶端下鉆示意圖”可以看出，客戶端REST數量雖然總數過高，但是平均在每一個客戶端上之后，只有幾個或者幾十個，所以可以先排除客戶端異常。我們接下來在對服務端進行下鉆分析，通過上圖“服務端下鉆示意圖”發現服務端REST指標列最高達到了1,565,194個，他對應的IP為*.*.0.16，可以得出結論，服務端*.*.0.16為異常IP。
再通過nCompass DNS解析發現0.16對應域名telemetry.*******.com非公司域名。
【DNS解析示意圖】
得出異常IP后，我們可以將其帶入至nCompass內置視圖DNS解析中，通過“DNS解析示意圖”中可以看出，異常IP*.*.0.16對應域名為telemetry.*******.com，經過DNS與CMDB的排查得出telemetry.*******.com非本公司正常域名。
故障定位
通過F5將0.16加入黑名單進行攔截后，整體服務端Reset下降明顯，Limiting closed port RST Respond相關告警趨勢明顯下降。由此可見，造成Limiting closed port RST Respond相關告警量突增的原因就是由0.16導致。
【告警趨勢示意圖】
將異常IP的訪問進行攔截后，可以通過上圖“告警趨勢示意圖”看出，告警趨勢明顯下降。
分析流程代碼化
nCompass作為新一代數據可視化智能分析平臺，不僅擁有可視化分析能力，可以快速定位故障所在，同時，系統還支持將運維人員分析問題的經驗代碼化，將個體經驗留存至系統知識庫中，此后再有類似告警產生，系統將自動調用先前錄入的智能分析腳本。
【代碼化示意圖】
如上圖“代碼化示意圖”所示，在每一次解決問題之后，nCompass可以將分析經驗進行代碼化，當在出現類似問題時，可以直接進行調用，一鍵分析問題，提高運維效率。如果您是一位編程高手或是遇有復雜的分析場景，產品也提供Python編輯器，來實現復雜的數據分析腳本。
智能分析
當告警產生，系統將自動調用智能知識庫，給出故障的詳細分析報告。報告內容包括分析對象、異常現象、分析結論、排錯具體命令、后續建議等，同時報告中還會提供詳盡的數據分析過程數據，以支撐分析結論，為運維人員下一步處置提供決策支持。
【智能分析報告示意圖】
nCompass采用多源數據的采集方式，不僅可以基于流量進行分析，還支持與DNS、CMDB等進行對接，實現更深層次的關聯分析。如上圖“智能分析報告示意圖”所示可以看出，分析對象為VLAN2007，在8月22日，發生了異常REST日志現象，我們不僅通過流量對其進行分析，還通過DNS與CMDB的自動調用來確定域名為異常域名，并且針對現象給出合理建議。
nCompass 流量分析平臺從告警出現-數據回溯-數據分析-故障定位-分析流程代碼化-智能分析六個方面為運維人員實現了從人工分析到智能分析的轉變，在提供大量數據支撐的同時，還為運維人員提供一鍵式的故障分析能力，大幅降低了運維數據分析時對某些特定領域內專業經驗的依賴，提升了團隊的整體排障效率。為運維人員真正解決了日常運維故障定位難、運維工作繁重、重復性高、沒有標準流程的困擾，實現運維故障“簡單、快速，一鍵輸出分析結果”。
