摘要：信息作为当今社会的核心资源之一,是企业正常运转的主要因素,对整个企业的发展具备极强的影响力。信息系统是随着新时代下互联网技术迅速发展起来的,其有效整合了企业内的各项信息,为客户提供了高效的服务。
关键词：企业；信息系统；运维服务
前言
随着社会信息化进程不断推进，信息系统在社会各领域的作用日益凸显，其复杂性也随着应用要求不断提升而增加，给其运维工作增加了一定困难。所以，寻求信息系统的智能化发展已经成为当前信息系统运维发展的重要任务。应用大数据技术可以有效提升信息系统运维的智能化水平，对信息系统发展具有重要意义。
1信息系统运维概述
“运维”即运行和维护，信息系统的运维就是通过采取一些措施或方法来确保信息系统正常运行。通常情况下，信息系统在运行过程中会不可避免地出现一些故障或运行错误，需要相关技术人员提前对这些异常做好预测，提前做好防范工作，并在系统出现故障时及时诊断和找出故障原因，排除故障。对于信息系统来说，运维工作是生命周期中不可或缺的重要一环，属于信息技术服务范畴。目前，信息系统的运维主要包括服务器硬件运维、应用软件运维以及其他运行维护工作三大类。一般来说，信息系统的运维工作难度与信息系统的复杂程度有关，系统构架愈复杂，信息系统运维的工作难度就愈大，运维成本也就越高。
2信息系统运维面临的挑战
2.1运维方式被动
在大数据环境下，为了满足用户信息资源的应用需求，信息系统的整体架构逐渐变得复杂。而传统的信息系统运维模式大多是被动式运维，即出现问题、发现问题、找出问题、解决问题。目前，这种运维模式是在出现问题之后才会开展运维工作，事前没有采取任何主动防范措施，这要求运维人员必须具有较高的运维素养，快速找出问题、排除故障，否则就可能给用户造成严重损失。这种被动的运维模式已经很难满足日渐复杂的信息系统的运维需求。
2.2运维对象复杂程度逐渐增大
大数据环境下，云计算技术、大数据技术等现代高新技术应用大大增加了信息系统的复杂程度，信息系统运维的对象日渐复杂。比如，目前信息系统的种类繁多、硬件设备结构较复杂、不同的信息系统安全标准也不尽相同，给运维工作增加了一定的难度和复杂性。传统的运维方式或方法在面临海量的数据信息时，已经难以保证运维工作的可靠性及有效性，较容易产生信息系统的运维漏洞。这也是大数据环境下信息系统运维面临的一项不容忽视的新挑战。
2.3运维工作的自动化水平较低
目前，随着信息技术的不断进步，信息系统运维的技术水平也有了很大进步，但总体来说，我国信息系统运维工作的自动化水平并不高，很多运维工作都需要工作人员人工处理，比如，一些系统文件的简单变更往往需要工作人员对所有相关设备进行逐一操作，运维效率较低，对大数据环境下信息系统的运维来说远远不够。因此，只有不断提升运维工作的自动化、智能化水平，才能有效提升信息系统运维的工作效率，满足大数据环境下信息系统的运维需求。
期刊文章分类查询,尽在期刊图书馆
3信息系统运维的管理策略
3.1完善信息系统运维的资料库和管理制度
一方面,要增强资料库的完善,在信息系统内部能够有效地促进信息得到连通,及时地调度,促进资源的整合,信息的收集,分类和管理；另一方面,要完善制度管理标准,制定明确的管理规则,尤其是针对信息系统的各个方面的运营,流程的优化,责任到人的制度,分管各个部门的职责,担负起相关的责任处理,做到心中有数。
3.2设置和优化信息系统运维的评价标准和体系
电力行业是经济和社会发展的过程中必不可少的行业,我们的生活离不开电力。在泛在电力物联网环境下,随着车联网、智能家居、智能用电建议等应用的不断推广,人们日常生活对电力的依赖更加紧密,这就要求电力企业必须设置和优化信息系统运维的评价标准和体系,通过量化的指标有效地了解每个专业、每个部门、每项流程的工作及运转情况,及时明晰泛在电力物联网环境下信息系统运维过程中产生的数据成果和资料,为下一步的运营和维护提前做好数据预测与风险规避,满足客户的使用需求,及时地改进企业中的阻碍问题,促进整个行业的不断发展。
3.4设立信息系统运维的有效监管平台
设立信息系统运维的有效监管平台是保证泛在电力物联网环境下信息系统良性运维的有效保障。完善监管平台的信息,增强监管平台人员的素质,及时地更新信息,完成有效调度,促进资源的最大利用,同时优化信息系统运维的工作流程,增强企业内部各专业、各部门间的沟通,提升监管水平,促进监管机制的有效落实等措施,都能够有效提升泛在电力物联网环境下信息系统的运维水平和标准,增强信息系统的实用性和保密性。
4大数据环境下信息系统运维的智能化
本文关于大数据环境下信息系统运维智能化的研究主要是以动态基线为例，研究大数据技术在信息系统运维智能化中的具体应用。动态基线的工作原理是利用大数据技术来分析、预测信息系统运维中可能会出现的故障，通过分析正常数据的变化规律来确定正常范围，当数据变化数值超过正常范围时，运维系统就会发出预警通知运维人员，从而在故障产生之前就采取防治措施，避免信息系统故障带来损失。所以说，这是一种不同于传统被动式的运维，是一种智能化的主动运维。
动态基线计算可用如下算法进行：以服务器应用日志增量作为数据分析，2019年6月19日上午10:00的基线数据计算为例，将2019年5月20日—2019年6月17的该时间点的数据作为样本资料。2019年5月25日、6月9日缺乏数据，需要进行数据平滑处理，将其相邻数据的平均值作为数值，得到两个值分别为43、56。然后计算动态基线的数据。首先，为了尽可能得到有效数据，剔除异常因素，应将所有数据划分为5个区间范围95/5=19，故［0-19］［19-38］［38-57］［57-76］［76-95］。将数据的最大值和最小值去掉，分配到这5个区间内，可发现区间4中的数据最多，故将区间4与其相邻的3、5三个区间共21个数据作为最终计算用数据。其次，对这21个数据进行排序，并利用均方差法计算动态基线的概率。动态基线概率计算要先确定滑动窗口的大小：21×0.8（置信度）≈16，第一窗口即第1个数到16个数，第二窗口为第2个数到17个数，依次类推，共6个窗口。最后，分别计算得到各滑动窗口的标准差值，即9.99、9.89、10.08、9.95、9.51、10.56。第五窗口的均差最小，因而取该窗口的最大值、最小值作为基线的上下基线值，即72、57。由此计算得到基线的范围界限上下值：上限值=72×（1+20%）=86.4；下限值=57×（1-20%）=45.6；所以2019年06月19日10:00该动态基线的正常范围为应45.6～86.4。
结束语
本文以动态基线的算法为例，分析了大数据技术在信息系统运维中的应用价值：运用大数据技术可以有效提升预测算法模型的运行效果，从而提高信息系统运维效率及智能化水平，保证信息系统正常运行，使其为用户提供更高的应用价值。
参考文献:
[1]祁进林.浅谈企业信息系统维护与管理[J].现代营销.2018(7):33-36.
[2]徐立.浅谈企业信息系统的安全管理[J].电脑知识与技术.2018(17):121-131.
论文作者:陈晓飞
论文发表刊物:《基层建设》2019年第28期
论文发表时间:2020/1/15
标签：信息系统论文; 数据论文; 基线论文; 工作论文; 环境论文; 动态论文; 故障论文; 《基层建设》2019年第28期论文;