从手动故障到主动恢复：现代化 OSS 故障处理

Source: Dev.to

传统 OSS 故障处理的问题

在传统的 OSS 堆栈中，订单失效被视为异常，而不是系统行为。
当订单在执行过程中——在 BSS、服务订单管理和网络之间——出现失败时，它会被推入失效队列并从自动化流程中移除。从此以后，恢复工作全部手动进行。这种做法无法扩展。

传统 OSS 架构围绕确定性的执行路径构建。部署后，行为是固定的。执行失败时：

• 手动检查日志
• 由专家解释错误
• 手动应用修正措施
• 手动重新处理订单

每一次失败都成为一次定制的事件。系统不会从以往的解决方案中学习，恢复逻辑也从未被复用。这不是工具的问题，而是架构限制。

主动恢复：重新定义失效

主动恢复将失效重新定义为一种可恢复状态，而不是终结状态。失败的订单不再停止执行，而是触发智能代理，代理会：

• 获取执行上下文和失效细节
• 基于预定义工作流和实时系统数据进行推理
• 以编程方式执行纠正操作
• 自动重试并完成订单

恢复逻辑变得显式、可复用，并持续改进。

与现有系统共存

主动失效恢复的一个关键特性是共存。现有的 BSS 和服务订单管理系统保持不变。主动层与它们并行运行，通过公开的接口进行编排恢复和交互。这实现了：

• 立即的运营改进
• 对上游系统零干扰
• 渐进式引入自主性

传统系统仍然是记录系统，而智能功能则外部化。

工程收益

从工程角度看，主动恢复带来：

• 降低失效率
• 减少人工干预
• 加快解决周期
• 可预测的恢复行为

更重要的是，恢复成为一等功能，而不是事后补救。

可组合工作流

通过将工作流外部化并向智能代理公开：

• 流程变得可组合
• 恢复逻辑随时间演进
• 可以逐步淘汰传统 OSS 组件

主动恢复充当了僵硬的传统架构与自适应的云原生 OSS 之间的桥梁。

结论

在复杂的电信环境中，失效是不可避免的。手动恢复则不是。

在 symphonica.com 上阅读详细技术文章 以获取更深入的了解。