3 `. A! V7 @% }$ U% r有了标签以后如何处理和应用？这就用到了在“数学之美”中提到的概率分析法，当然这种场景比自然语言的分析不知道要简单多少倍。其实，标签就是不分维度和级别的预先设定的关键字，有了含这么多关键字的数据，作为运维管理人员来说，可以进行多种多样的分析，处理起来是非常方便的。 8 M/ [ S# K3 G/ k ) A/ ]+ R; b: ~# z& r3 E
上面说的是事后的处理和分析，其实标签本身还可以作为“预测”使用。对于运维管理来说，很重要的一个问题就是要快速恢复，而快速恢复的前提是对事件的快速反应，快速反应的前提则是准确定级，这样才能把好钢用在刀刃上，不松懈怠慢，也不草木皆兵。在传统的方式里，定级本身就是个大问题。前台人员缺乏经验和能力来准确定级，但流转到了后台那里，又往往失去了处理的最佳时机。还有，当短时间内事件重复发生时，可能就要对事件快速升级，但在传统方式里，如何能够准确快速地归并“重复事件”又是个让人头疼的问题，只靠前台人员的经验与责任心是远远不够的。 5 F5 _( v% {; d2 e ) l8 u2 M% j, W Y8 g; n
有了标签，就可以对事件进行概率分析。事件的准确定级在事后做当然是没有问题的，这样一来，我们就可以计算何种级别的事件通常都包括哪些标签，计算出当哪些标签出现时，出现何种级别事件的概率是多少。再给这种概率设定阈值，到达何种阈值就通知何种级别的人关注和处理。而且，在给定的信息系统内，这种计算的准确性会随着数据的积累而不断增加，只要做就有用，越做越有用。 k, T/ v1 ~ y
& o2 w6 Z/ [1 H" ^8 r
值得注意的是，在上面提到的这个“预测”的过程中，唯一要求的就是同样的标签有着同样的含义，而对这个含义是否明确，是否为其他人所理解则没有任何要求。相比传统方式，对运维人员的专业要求可以说降低了不少。是训练不同基础和水平的人对同样的问题有同样的认识容易，还是告诉他们你们只要做到自己前后一致就可以了容易？这个问题的答案显而易见。" S3 z3 k( |/ r* E/ m
8 ~$ A$ G% E! |* v那么，是不是说事件的定级一定要这么做呢？可不可以直接定级呢？如果换个角度来看，事件的级别当然也是标签，只不过有权贴这个标签的人权限要求可能高些罢了，如果确实需要，直接定级完全没有问题。 ' U1 `' x. j. J' h! k' o \, c: s* Z7 C( |$ S; i总之，在运维管理的应用范围内，标签就是不分维度和级别的预先设定的关键字。在运维支持系统中，如果在开发的时候就把标签作为缺省的要求做进去，即便大家都不习惯，想换回传统的模式，也完全没有问题。因为从这个意义上来说，传统模式不过就是分了维度和级别的关键字而已，只是标签模式的一个子集罢了。 ) f f# t7 M. Z! U, d, Z * @+ ]4 m9 m) k( i6 f t- H0 E7 n/ C( K+ z8 o/ t9 F) N- B3 f
6 ?: ]/ i2 k0 B
1 w( k O0 s2 t4 t a# a7 D