大规模 Active IQ：幕后主动式 IT

如何才能将基础设施遥测技术变成对客户真正有用的东西？

在 NetApp IT 部门，这需要的不仅仅是收集数据。它需要能够安全地摄取数据、大规模处理数据、快速分析数据，并将其转化为客户可以采取行动的建议。这就是 Active IQ 在 NetApp 生态系统中所扮演的角色。

在每项推荐、风险警报、健康洞察和自动化支持操作的背后，都有一个旨在帮助客户从被动式支持转向主动式运营的架构。

对于 NetApp IT 部门来说，这不仅仅是一个产品故事。这是一个真实的用例，展示了如何在我们自己的技术上运行大规模数据密集型服务，同时保持安全性、性能和运营效率。

Active IQ 旨在帮助客户使用从其系统发送的遥测数据更好地了解其环境的运行状况。该遥测数据不是客户业务数据。它是有关系统本身的操作信息，包括配置详细信息、容量趋势、性能计数器和日志。随着规模的扩大，这些数据会迅速累积。

如今，NetApp 每月处理其全球安装基础中的数十亿个数据点，执行数十亿次风险评估，并管理以 PB 为单位计量的环境。规模固然重要，但真正的价值在于 NetApp 如何将这些数据转化为可操作的智能。

目标是将遥测转化为行动。

大规模提供可操作的见解

遥测数据到达后，将对其进行解析、扩充和分析，以填充支持 Active IQ Digital Advisor 的仪表板、API 和集成。这使客户、合作伙伴和授权 NetApp 团队能够以一致的方式监控系统运行状况、识别风险，并在问题造成中断之前采取纠正措施。

这种主动式模型可产生可衡量的价值。根据 NetApp 的数据，通过 Active IQ 发现的 98% 的技术问题都得到了预测和主动解决。使用 Active IQ 生态系统的客户解决支持问题的速度平均也快了两倍，该平台每年还帮助防止了数百万小时的停机时间。

这些结果取决于体验背后的基础设施。

构建 Active IQ 背后的平台

NetApp 的 Active IQ 平台运行在现代微服务架构上，大部分平台已容器化并在 Kubernetes 上运行。处理管道使用 Kafka 通过多个阶段传输遥测数据，使团队能够独立扩展服务、在必要时对工作负载进行优先级排序，并保持数据在系统中高效流动。

随着遥测数据流经该管道，它会被转换并补充额外的上下文信息，包括安装基础和产品信息，以便平台执行健康评估并生成建议。解析后的数据存储在 MongoDB 中，而 API 和分析服务则通过 GraphQL、REST 和内部分析环境使信息可供访问。

NetApp 还将StorageGRID用于需要 S3 兼容对象存储的组件，并使用 Dremio 支持内部数据湖仓式访问和分析。

由于该平台的运营规模如此之大，存储效率并非可有可无。它至关重要。NetApp 直接受益于其技术中内置的存储效率，从而能够切实管理以 PB 为单位的遥测环境。

专为网络弹性而设计

灾难恢复是设计的另一个关键部分。为了满足合规性和弹性要求，NetApp 使用 SnapMirror 在美国各地区之间进行地理复制。这使团队能够维护关键数据的备份副本，并在需要时通过启动计算和挂载镜像数据集来演练灾难恢复。FlexVol 技术还有助于支持低停机时间迁移方案，这在需要不中断服务地移动数据的环境中尤为重要。

确保端到端遥测安全

NetApp 使用安全开发生命周期 (SDL)、安全扫描和渗透测试来确保开发过程和基础设施启动并保持安全。

遥测通过加密通道进入系统，主要是使用 TLS 的 HTTPS。从那里，它通过加密服务，该服务会标记潜在的个人身份或客户身份信息，并立即对其进行掩蔽或加密。即使是联系人详细信息、卷名或聚合名称等信息也会谨慎处理，以降低风险。加密密钥受到严格控制，仅供授权人员使用。

对遥测和洞察的访问通过严格的基于角色的访问控制进行管理。客户只能访问自己的环境。合作伙伴只能访问其有权支持的系统。NetApp 员工根据工作角色和知情需求获得访问权限，临时访问请求须经审批并受时间限制。

将人工智能应用于运营智能

人工智能和机器学习也开始提升平台的价值。如今，Active IQ 使用预测和专家系统方法来执行容量预测和风险系统报告等任务。NetApp 还在内部使用语义搜索，帮助支持团队将新问题与类似的历史案例进行比较，并加快分类处理速度。随着 AIDE 等新功能持续演进，重点始终如一：缩短解决问题的时间，帮助团队在更充分的背景信息下更快地采取行动。

将规模转化为客户价值

更大的收获是：主动式 IT 不仅仅是显示警报。它涉及构建将规模转化为洞察力所需的基础设施、控制措施和数据管道。

这就是 Active IQ 在 NetApp 内部的实际体现。这是一个实际示例，说明现代数据基础设施、注重安全的架构和自动化如何协同工作，帮助客户减少应对问题的时间，将更多时间用于提前预防问题。