运维支持

一、运维外包

您是否觉得系统维护人员在专业能力上有不足的地方？您是否已经为各厂家众说纷纭的故障原因搞得头晕脑胀？您是否被往往出现在不同厂家“边界”上问题的扯皮现象感到有点无助？

新炬网络致力于成就专业的无边界运维服务。新炬网络在移动、航空、税务等大型行业积累了丰富的运维外包经验， 拥有从中间件、数据库到操作系统不同类型平台专业的运维服务，丰富的多层次专业知识体系和专家团队制定最贴合客户需要的整体运维服务方案。

新炬网络运维外包服务范围包含：

1.数据库（ Oracle 、 Mysql 、 DB2 、 informix 等）；

2.中间件（ Weblogic 、 Tuxedo 、 Websphere 、 CICS 等）；

3.操作系统（ AIX 、 HPUX 、 Solaris 、 Linux 、 Windows 等）。

新炬网络运维外包服务内容包含：

1.新炬网络监控运维管理平台；

2.定期系统运维报告（日报周报、月报、季报）；

3.系统安全评估及完善；

4.系统健康检查；

5.系统安装部署；

6.系统迁移升级；

7.系统性能分析；

8.数据备份恢复；

9.应急故障处理。

新炬网络8年来已经为30余家大型客户，超过2000余套系统提供整体运维外包服务。

二、性能优化

IT系统随着用户量、数据量、业务规模的不断增长，系统压力往往不断加大，存在部分业务模块性能差及用户体验不佳的情况。

新炬性能优化服务首先在业界提出端到端优化理论，即从WEB层、应用层和基础层等各方面进行端到端全过程优化，从系统不同的层面、不同的角度着力提升系统的整体性能、稳定性、安全性、可扩展性等。

为了合理的评估优化效果，将建立用户体验指标体系、性能感知评估体系，提供可量化的性能评估数据及端到端的整体解决方案，最终达到对应用系统整体可持续优化的目的

端到端的性能优化主要包括以下几个方面的解决方案：

1.架构性能优化解决方案；

2.系统级性能优化解决方案；

3.应用级性能优化解决方案。

在优化的过程中，以上几个方面相辅相成，能够共同促进用户体验的改善：通过架构性能优化，能合理优化现有架构设计，为系统提供基础层的性能保障；通过系统级性能优化，包括主机、存储、中间件、数据库 的性能优化，可以最大化基础层的性能，提升系统处理能力；通过应用级性能优化，主要体现在SQL代码的优化，可以帮助用户从系统建设的源头避免SQL性能问题，从而设计规划出优良的数据库应用系统。

三、安全提升

黑客攻击、SQL注入、木马操纵、数据泄露、越权访问、磁盘损坏等等，各种各样潜在的数据安全问题困扰着IT管理者。新炬安全提升服务包含下述5个层面的内容：

环境安全提升：基础软件补丁版本评估、文件系统权限管理

备份安全提升：备份评估、恢复演练

帐户安全提升：系统、数据库帐户梳理及管理，取缔越权访问

安全审计提升：各类访问、操作严格审计

访问安全提升：控制非法、越权访问

保护数据安全是IT部门责无旁贷的任务，新炬结合多年运维支持服务经验提炼的5个层面的安全提升服务全面的解决了客户的数据安全问 题。

四、数据治理

主数据是企业运营中存在于不同系统相互共享中，描述企业运营中涉及的主要实体的数据(例如，客户、供应商、账户和组织部门相关数据）。

数据治理是指企业从使用零散数据变为使用统一主数据的过程；从具有很少或没有组织和流程治理到企业范围内的综合数据治理过程；从尝试处理主数据混乱状况到主数据井井有条的过程。

五、数据模型管控

一个应用系统的开发，是从数据模型的设计开始的，如果在模型设计阶段对应用及数据库性能考虑不足，就有可能在未来带来种种的性能瓶颈；大型应用系统在使用过程中不断迭代升级，比如移动的核心BOSS系统 ，从BOSS1.0到BOSS2.0，到NGBOSS1.0，不断完善到NGBOSS3.5，因此在软件开发生命周期中同样需要对信息模型不加以管理维护。

数据模型管控包括以下4方面的内容：

1、信息模型设计梳理和分析；

2、信息模型与业务模块关系分析；

3、信息模型迭代变更模型评审；

4、生产环境信息模型管理；

六、数据生命周期管理

数据生命周期管理（DLM）就是针对不同类型的业务数据进行贯穿其整个生命周期的管理，通过完整的数据生命周期管理解决方案，可以让不同类型的数据存放在最适合的存储设备上，利用适当的技术手段对这些 数据进行快速处理和分析，实现下面5个目标：

1、减少在线数据量，提升系统性能；

2、减少在线数据量，提升系统可维护性；

3、按照规范进行设计和部署，提供充分的灵活性和扩展性；

4、提高现有存储设计利用率；

5、降低单位存储的平均成本。

围绕着上述5个目标，新炬网络数据生命周期管理服务分四个步骤进行实施：

七、数据质量

数据是组织最具价值的资产之一。企业的数据质量与业务绩效之间存在着直接联系，高质量的数据可以使公司保持竞争力并在经济动荡时期立于不败之地。有了普遍深入的数据质量，企业在任何时候都可以信任满足所有需求的所有数据。

数据质量一般包括以下两个方面的内容：

1.数据结构(数据模型)质量；

2.主数据内容合规性质量。

实现数据质量管控一般经过以下步骤：

1.识别和分析现有数据结构、内容中的质量问题；

2.梳理和设定数据质量规则；

3.根据数据质量规则监控企业系统数据质量；

4.根据监控结果完成数据质量规则。