小女子间歇读过几篇巨廉的文章，虽然常有嬉笑怒骂式的自黑，但的确有一定的技术含量，感觉还是蛮拼的。这次我觉得有责任和义务参与这一系列的讨论。虽然不能像巨廉大侠那样宏观全面的深度技术分析与讲解，姐就从另外一个维度来谈自己对信息安全的一点感悟吧，也算是为大家抛砖引玉了。不知道算不算是写跑题了？
在IT日常运维中时常企业里常存在这样的现象，某些问题或服务的处理方式和步骤过度的依赖责任人的个人经验，而无规范的流程可以依据或参考。这样导致问题处理或服务提供质量的参差不齐、因人而异，安全事故频发，更不用说知识或技巧的沉淀与积累了。可见，企业信息运维中比较基础的要素就是要梳理流程，简单说来就是制定操作中可遵循和复用的步骤。
常见的运维流程包括事件、事故和问题三大类。事件是指某种IT服务或是监控项到达了门限值而发出的警告，以及某种操作所触发的通知等。比如说：磁盘空间即将耗尽，某个系统补丁完成，对某个用户登录密码的解锁操作等。事件一般包括信息和警告两种，信息多来自于系统的自动记录，因而无需运维人员采取响应。如：应用户请求通过磁带恢复了他在某个时间点误删的邮件，系统相应的自动留下操作记录。而警告则是由监控工具在达到某些门限设定值所产生，需要人工干预和调查。如某个实习生突发上传了大量文件导致网络磁盘使用率超过90%。事件虽然仅起到告知的作用，但运维人员不可忽视，如不处理，则可能陷入恶性循环，升级成事故和问题。
事故是指计划外的IT服务中断或服务质量骤降。如：远程虚拟桌面服务的中断导致正在出差用户无法访问企业内资源，或者是某用户在企业内网看在线视频而拖慢了整体的内、外网访问速度。事故也包括一些尚未产生影响的配置项（Configuration Items，下面将提到）丢失。如：做镜像互备的两个磁盘中的一个损坏，但服务尚未中断。对于IT人员来说，有时候能够快速找到那些虽“能治标但不能治本”的事故处理方法可能会比花更多的时间去研究症结更容易被用户所接受和认可。
如果说处理事故是利用应急措施尽快恢复IT服务的话，那么解决问题则是通过查找根源来预防中断的再次发生，以及对那些实在无法避免的尽量降低其影响的过程。如：通过架设备用线路来防止企业租用的电信网络突然中断而导致无法正常继续业务情况的发生。常见的“80-20原则”在此体现为：80%的IT服务中断来自于20%的事故或问题。因此对于问题管理可用被/主动相互结合的方式，即：在日常运维阶段，被动的对出现的问题查找根本原因并予以解决；而在服务发布和变更阶段，主动并提前设计好可能出现的问题和处理流程以防范于未然，从而体现“磨刀不误砍柴功”的道理。
各种事件、事故和问题的发现也应做到主/被动相结合。即：由系统自动勘测主动以多种通讯方式告知相关角色人员和由一般用户或其他IT人员通过Web界面、电话或邮件等方式所被动产生。此处特别值得强调的是Web界面设计上应体现如下特点：
1. 各项条目尽可能的是菜单选择式，并有默认值。
2. 越容易提交就越会被用户所频繁使用，例如仅通过三五步操作便可完成。
3. 为每一个案子（ticket）都自动设置计时/倒计时，截止时间的功能以方便后期评估。
4. 设置优先级，影响范围，紧急程度等选项。
5. 预先设置的分类越有条理越丰富，越节约处理人员定位和解决的时间。
6. 设定一些预定义的处理路径并能准确读取系统目录里IT角色信息，以方便案子的自动流转和必要时各部门的联动。
整个通用流程可参考下图：
可见，通过设定和规范流程，运维人员的处理步骤和责任显得更为清晰，对于避免各种“坑点”的出现是非常重要的。
