企业级网络监控系统“必备技能”
作者:曾少宁翻译
网络可用性监控系统通常是应用程序出现故障时的第一道防线。IT组织的各个团队免不了在出事 时互相推委责任,这时网络可用性监控系统就是一个必不可少的工具。
网络可用性监控系统通常是应用程序出现故障时的第一道防线。IT组织的各个团队免不了在出事 时互相推委责任,这时网络可用性监控系统就是一个必不可少的工具。
事实上,只要部署了正确的系统,这种推卸责任的现象甚至都不可能再出现。这种可用性监控工具有完备的警报和错误隔离功能。拥有这种工具,网络团队就可以提 前处理服务问题。
网络可用性监控系统市场中有各种各样的产品,既有只支持有限功能和规模的开源工具,也有来自IBM和惠普等大型企业IT管理供应商的大型企业产品。在购买 监控系统时,采购团队必须将企业需求与各种产品的网络监控特性。
在收集供应商的征询方案(RFP)时,有几点是必须考虑的:方便部署、可用性、兼容现有基础架构、可扩展性及与大量IT管理工具的集成支持。
部署模式
在考虑网络可用性监控系统的部署方式时,第一个问题是了解清楚授权模式。不同供应商的授权方式大相径庭。有一些按照不同的监控功能来销售许可证,而其他一 些则按照企业需要管理的设备或逻辑对象的数量来收费。一定要仔细检查他们的授权方式,以确定系统的使用成本及维护难度。
下一个要注意的问题是实际部署模式。采购团队应该弄清楚供应商是否提供了关于系统配置的最佳实践指导。此外,有一些监控系统是独立部署的软件包,而另一些 则要求单独安装各个组件,其中包括数据库、检测系统、分析引擎和前端控制台。通常,如果供应商的产品部署中包含多个组件,那么就会采用后一种部署方式,以 实现最大的可扩展性和灵活性,但是这种方法也会给某些企业增加额外的复杂性。
易用性
采购团队应该确保网络可用性监控系统的现有需求能够保证所选择的系统能够高效地运行。但是现实并非总是如此。企业管理协会的研究表明,企业中存在大量中看 不中用的存架软件——即一些耗费时间且成本昂贵的工具软件。
管理控制台是网络人员要评估的一个最重要的网络监控系统特性。系统上是否有面向典型用户的合理图表功能?命令是否足够简单?相关人员需要经过多少的培训才 能学会使用系统?在这种情况下,通过一次概念验证过程,让网络管理人员真实地体验这个系统,能够帮助保证系统的顺利使用并为企业产生价值。
兼容现有网络基础架构
许多组织都在企业环境中混合使用多种供应商的产品。例如,他们可能会使用一两家供应商的交换机,然后再使用另一家的边界路由器。而且,可能还会使用另一家 供应商的无线设备。在评估网络可用性监控系统时,风格团队需要确定该工具支持哪一些供应商和平台。
这个评估过程可能需要扩大到网络基础架构之外。许多企业还会监控这些系统连接的服务器和存储。在检查一个管理系统所支持的供应商和设备时,采购团队还必须 界定它能够管理的技术类型。这其中包括虚拟化技术和云服务。
系统可扩展性
网络可用性监控系统可能会由于所能管理的风格规模不同而大相径庭。有一些供应商的产品能够监控上百个设备,而其他供应商的产品则能够监控成千上万个设备。 而且,有一些系统只能够监控一个位置,但是其他产品则可以覆盖整个企业。
一定要确定网络监控系统所能支持的最大规模和分布程度,而且更重要的是要确定供应商实现可扩展性的方式。某一个供应商可能能够在一台服务器上监控一个包含 成千上万台设备的大型分布式网络。而其他供应商则可能将多个服务器部署到企业各个位置,然后通过一个前端控制台将它们绑定在一起。这些差别都将影响系统的 使用方式和复杂程度。
互操作性
和其他产品类似,这种网络监控系统也属于大型IT管理系统的一部分。采购团队应该评估企业是否需要集成其他的管理产品。例如,网络工程团队可能会使用可用 性监控系统去监控和管理网络,而网络运营团队则可能会使用更高级的服务保证系统。这两种系统之间的集成将促进不同团队之间的协作。
其他潜在的网络监控系统特性还包括网络性能管理、日志分析、应用性能管理、网络变更与配置管理等等。事实上,许多网络可用性监控供应商都提供了大量的IT 管理工具及其不同程度的集成技术。然而,对于第三方平台的集成,采购团队还应该评估供应商的技术合作伙伴生态系统、认证类型及这些集成技术附带的联合支持。
总结
前面提到的每一个网络监控系统特性构成了RFP的主体部分,它们是可用性监控系统的采购依据。市场中有大量不同形态的产品,而且许多供应商往往言过其实。 因此网络团队一定要全面理解监控系统的需求,再将这些需求与所评估产品的功能相关联。采购团队应该回答所有这些问题,并且在产品评估过程中验证这些问题, 然后才能够作出采购决策。
0赞好文章,需要你的鼓励
推荐文章
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。