| 故障管理流程的第一项基础活动是故障监视，大多数故障都是从故障监视活动中发现的。
|
|
|
|
|
| 不同的系统故障有不同的特征，对系统和整个组织或者企业的业务影响程度可能不同，处理解决的难易度也不同。在进行故障监视时要充分考虑故障的影响度、紧迫性，对影响较大的故障类别进行重点监视，采用更先进的自动化监视管理工具，启动更多的系统监视功能，或者投入更多的人力和物力。这样，在相关部门（服务台、系统本身、用户或者其他IT部门）发现故障时，才能尽快根据影响度设置故障处理优先级，尽快进入管理流程。
|
|
|
|
|
| 故障接触人员在故障监视的过程中有着重要的影响和作用。为了在监视过程中尽快发现和应对故障，同时防止非规范操作扩大故障对系统和业务的影响，需要对故障的接触人员进行严格管理，故障监视应该针对不同的故障接触人员指定监视职责，制定相关操作手册，而故障接触人员应该严格按照规定执行操作和报告。同时，故障接触人员本身及其活动也应当作为监视的项目。故障接触人员如下。
|
|
|
| （1）故障现场接触人员，在故障发生的现场的接触人员包括系统运行值班人员、系统用户，还可能包括服务台。
|
|
|
| （2）初级支持人员，为故障提供一线的初级支持的有服务台和初级支持小组。
|
|
|
| （3）高级支持人员，故障处理专家小组或者提供系统服务的厂商技术专家。
|
|
|
|
|
| 美国权威市场调查机构Gartner Group曾对造成非计划宕机的故障原因进行分析，并发表了专门报告，主要可以分成以下三大类。
|
|
|
| .技术因素，包括硬件、操作软件系统、环境因素以及灾难性事故。
|
|
|
| .应用性故障，包括性能问题、应用缺陷（bug）及系统应用变更。
|
|
|
| .操作故障，人为地未进行必要的操作或进行了错误操作。
|
|
|
| 为了便于实际操作中的监视设置，我们将导致IT系统服务中断的因素由三类扩展成了7类。
|
|
|
| .按计划的硬件、操作系统的维护操作时引起的故障，如增加硬盘和进行操作系统补丁等。
|
|
|
| .应用性故障，包括应用软件的性能问题、应用缺陷（bug）及系统应用变更等。
|
|
|
| .人为操作故障，包括人员的误操作和不按规定的非标准操作引起的故障。
|
|
|
| .系统软件故障，包括操作系统死机、数据库的各类故障等。
|
|
|
|
|
| .相关设备故障，比如停电时UPS失效导致服务中断。
|
|
|
|
|
| 从这7个分类我们可以看出，导致系统服务中断的原因中，软件和人为操作因素占了很大的比例，硬件和设备因素只占很小的比例。
|
|
|
|
|
| 从以上对故障的原因归类来看，人员、规范操作的执行、硬件和软件是故障监视的重点所在。另外，自然灾害因素由于难以预计和控制，需要进行相关风险分析，可采取容灾防范措施来应对。
|
|
|
| （1）对系统硬件及设备的监视包括各主机服务器及其主要部件、专门的存储设备、网络交换机、路由器，等等。对硬件设备监控方法主要是采用通用或者专用的管理监控工具，它们通常具有自动监测、跟踪和报警的功能。
|
|
|
| （2）对软件的监视主要针对其应用性能、软件bug和变更需求。对软件的性能监控也可以采一些管理监控工具，但由于应用系统主要面向用户，应用系统的缺陷通常由专门的测试工程师负责监视，或者在使用的过程中由用户方发现并提出。变更需求也是在用户使用和监视二合一的过程中发现的。
|
|
|
| （3）需要监视的人员包括系统操作员、系统开发工程师、用户、来访者，甚至包括系统所在机房的清洁工和运输公司的职工，等等。要对他们与系统的接触过程中的行为进行跟踪和记录，防止或者及早发现非标准的操作带来的系统故障或者服务故障。
|
|
|
