方案按“统一纳管—智慧保障—闭环运营”三个阶段推进建设。第一阶段以网络观测、基础设施监控、流量透视为主，实现全院网络与设备“看得见、管得住”；第二阶段以统一告警、业务拨测、AI智能运维为主，实现故障“早发现、快定位”；第三阶段以自动化运维编排、运维工单、资产CMDB为主，实现处置“自动化、可闭环、可追溯”。数据分析展示贯穿全程，给予综合态势大屏、智能报表与自定义仪表盘等可视化手段。

图：医院网络监控运维建设思路图

三个阶段并非相互割裂，而是层层递进、逐步深化：统一纳管为智慧保障给予数据基础，智慧保障为闭环运营给予决策依据，闭环运营沉淀的运维数据又反哺预测分析，形成持续优化的运维闭环。医院可根据信息化建设基础，选择从任一阶段切入建设，按需扩展模块组合。

Ezpay网管平台采用积木式架构，各功能模块基于统一数据模型构建，可根据医院实际需要灵活组合。本方案在该架构基础上，按“采集层—平台层—应用层—展现层”组织建设内容，其结构如下图所示。

图：Ezpay医院运维方案总体架构示意

各层的职责与组成说明如下，表中所列均为平台现有能力。

表：平台能力说明

平台采用纯B/S架构，运维人员顺利获得标准浏览器即可完成全部操作，无需安装客户端软件；同时兼容PC、平板与手机的浏览器布局，便于值班与移动场景使用。

统一纳管是所有后续工作的基础。平台在网络可达范围内，顺利获得IP范围、网络范围、路由跳转、IP漫游、下挂设备等多种发现算法自动扫描网络节点，识别设备类型、品牌与型号，并进一步匹配对应的监控模板与监视器，自动生成资源清单。

在链路识别方面，平台综合使用LLDP、CDP、ICMP、ARP、邻居路由、端口转发、生成树协议等算法，自动判断设备之间的连接关系，识别聚合链路、备用链路与可能的堵塞点。发现结果可直接生成拓扑图，无需人工绘制。

针对医院环境，纳管工作建议按以下顺序组织：

1.先核心后边缘。优先纳管核心交换机、汇聚交换机、数据中心服务器与存储，确保关键路径先被覆盖；随后扩展到接入层交换机、无线设备与安全设备。

2.分区分批推进。按门诊、急诊、住院、医技、行政等区域划分批次，每批纳管完成后核对设备清单与拓扑关系，确认无误再进入下一批。

3.补充特殊对象。对视频设备、门禁、传感器、医疗物联网终端等，顺利获得ONVIF、HTTP或自定义指标方式纳入；对第三方动环系统，顺利获得对接方式采集数据。

4.建立台账校核机制。将自动发现结果与医院既有资产台账比对，补齐缺失设备、清理已下线设备，形成准确的管理基线。

完成纳管后，平台可为每台设备呈现真实面板图，直观显示端口、指示灯、风扇、电源等部件状态，并支持从拓扑逐层下钻至设备内部资源拓扑，实现从全局到细节的陆续在观察。

纳管之后，需要把网络“画出来”并保持动态更新。平台的网络观测能力可将设备、资源与链路状态统一呈现在拓扑图上，并以颜色、角标、气泡等方式标注异常，配合声光提示实现快速感知。

1.多形态拓扑呈现。支持智能网络拓扑、机柜机架拓扑、2.5D机房实况拓扑、设备面板图、“总分”多级网络等多种形态，拓扑布局可选择径向、树状、坐标、同心圆等样式，链路样式支持直线、折线、曲线等，展示层数与连线长度可自定义。

2.按医院结构分层组织。支持按“院区—楼栋—楼层—弱电间—设备”的层级组织拓扑，直观呈现门诊楼、住院楼、医技楼等各区域的网络架构；同时支持按机房机柜、网络子网、组织架构、地图地域、物理拓扑、逻辑拓扑等形式切换视图，适应不同管理习惯。

图：医院网络拓扑示意图

3.无限层级下钻。从全网拓扑下钻到区域拓扑、设备拓扑，再下钻到设备内部资源拓扑（如端口、磁盘、进程），并可直接生成设备面板图，便于从全局视角切换到细节视角。

4.故障影响范围呈现。拓扑图实时反映设备与链路状态，告警可定位到拓扑节点。当某条上行链路中断时，受影响的接入设备与业务区域在图上同步标识，帮助运维人员判断影响面而非仅关注单点。

5.拓扑上的操作入口。监控、控制、查看资源、创建工单等常用操作可直接在拓扑图上完成，减少界面跳转，也便于新人按图索骥召开工作。

可视化解决“看得见”，综合监控解决“测得准”。平台内置千余种设备模型，预置监控指标覆盖常见IT品牌，可按医院实际设备配置自动匹配模板。下表列出主要监控对象及其典型指标。

表：监控对象与指标

在采集频率方面，平台支持秒级监测能力，故障检测与性能采集的轮询间隔可按需配置，常规环境下可满足对核心链路与核心设备的快速感知需要。同时，平台给予性能态势感知视图，将多维度性能数据汇总分析，辅助定位性能瓶颈；并给予智能趋势预测功能，基于历史数据拟合未来趋势，为资源扩容规划给予参考。

图：综合监控信息

设备正常并不等同于业务正常。为此，方案引入平台的业务拨测能力，从用户视角对关键医疗业务召开主动式监测，无需安装插件即可使用。

图：业务拨测

1.业务可用性拨测。对HIS、LIS、PACS、EMR、预约挂号、统一门户等业务系统的访问入口进行周期性模拟访问，监测响应时间、可用性、返回状态等指标，一旦超出阈值即触发告警。

2.业务依赖关系呈现。平台构建业务流程依赖关系图谱，将业务系统与其依赖的网络设备、负载均衡、Web集群、应用服务器、数据库、存储等资源关联起来，直观展示“业务—资源”的对应关系。

3.业务调用链追踪。给予全链路调用链追踪能力，呈现请求访问路径，捕获性能指标与请求参数，为定位响应变慢的具体环节给予依据。

4.业务瓶颈根因定位。当业务健康度下降时，平台结合关联告警、拓扑与调用链数据定位瓶颈节点，并将异常自动触发告警，必要时联动自动化运维模块执行预设处置流程。

下图给出从用户侧到后端资源的观测链路示意。

图：医疗业务拨测与根因定位链路示意

在场景配置上，建议优先覆盖四类高感知业务：门诊挂号收费、检验检查报告查询、影像调阅、住院医嘱执行。针对就诊高峰时段，可适当提高拨测频次，以便在用户集中反馈之前发现问题。

监控与拨测产生的异常信息需要有统一的出口，否则仍会回到“多处查看、容易遗漏”的状态。平台的告警与日志管理能力可将分散信息集中处理。

1.全场景告警汇聚。集中汇聚来自网络监控、日志管理、流量透视、IP合规监测、业务拨测、设备控制等各类场景的告警，包括性能越限、事件、日志异常、流量异常等，形成统一的告警视图。

2.日志采集与结构化解析。全面收集设备与系统日志，解析并提取有效信息，将日志存储为可统计分析的结构化数据；顺利获得配置告警规则，把异常日志自动转化为告警，并定位其影响范围。

3.智能告警降噪。采用自动去重、风暴抑制、关联聚合、维护期时间屏蔽、依赖屏蔽等机制，并借助AI算法对历史告警的相似性与共现关系进行分析，将同源告警压缩为根因告警，减少无效信息干扰。

4.故障边界定位与根因分析。基于混合算法检索异常问题涉及的各项维度与影响范围，结合拓扑图谱展示设备间调用链关系，辅助判断故障根源与扩散面；AI能力可实时解析日志与告警数据，识别隐藏的依赖关系，实现根因推理。

5.多渠道通知。支持拓扑图标变色、消息弹窗、声音、邮件、短信、微信、企业微信、钉钉等通知渠道，可按告警级别、设备类型、业务重要性配置差异化的通知策略与升级规则。

6.知识库联动。将常见故障判断与处置方法整理为知识库条目，告警触发时自动关联推荐的处置方案，辅助值班人员快速响应，也为新入职人员给予参照。

7.告警分析报表。给予可自定义的多维度告警报表，从变化趋势、告警关联、排障处置等角度分析告警态势，用于识别反复出问题的设备或链路。

下图展示告警从产生到闭环处置的主要环节。

图：智能告警闭环处置流程

告警之后是处置。平台将重复性操作转化为可执行、可复用的自动化流程，并给予跨品牌的设备远程控制能力，减少人工操作环节。

1.可视化运维编排。顺利获得流程图、菜单、下拉框、拖拽与连线的方式配置运维流程，支持结果条件分支与参数变量；策略分为原子策略与组合策略两级，可复用性较强。编排完成后可由故障、事件、定时、条件、人工、跨设备等多种形式触发。

2.典型应用场景。结合医院实际，建议优先编排以下几类流程：

3.设备远程控制。平台复用监控所用的协议栈，深入协议底层屏蔽品牌与型号差异，在统一界面内完成交换机与路由器的ACL、QoS、端口策略配置，服务器与主机的开关机、进程与应用管理，安全设备的策略管理，数据库与中间件的会话与连接池管理等操作。控制过程不依赖安装在被管设备上的插件，兼容性较好。

4.批量执行与结果校验。支持多设备并发批处理，对执行过程进行监督、对执行结果进行检查；执行日志按步骤存储，执行时间、对象、执行人与结果清晰可见，可按步骤回溯。

5.配置备份与比对。支持配置文件的批量备份、下载、周期性备份与查看，并可进行版本对比，为配置变更审计与故障回退给予依据。

自动化运维的引入宜采取谨慎推进的策略：先在非核心设备上验证流程正确性，确认无误后再逐步应用于核心链路，避免因流程配置不当引发次生问题。下图给出一个典型的自愈编排流程示例。

图：自动化运维编排与故障自愈流程示例

带宽是医院网络中最容易产生争用的资源之一，尤其在影像传输与集中备份时段。平台的流量透视能力基于sFlow、IPFIX、NetStream等采样协议实现，无需部署专用探针硬件，也不改变现有网络结构。

1.全网流量实时监控。采集带宽与流量信息，识别带宽消耗较大的节点，呈现实时与历史使用情况，为带宽分配给予依据，同时避免网络容量过载影响关键业务。

2.多维度下钻分析。从设备、接口、IP、服务、应用、会话、QoS等层级给予逐层数据关联与下钻，流量图表支持逐级下钻，便于定位“带宽用在哪、谁在用、占用多少”。

3.异常流量识别与告警。自动分析流量峰值、异常波动与长期高占用情况，结合IP、端口与应用类型定位带宽瓶颈，并对异常流量进行告警，辅助识别非业务占用与潜在安全风险。

4.流量留存与回溯。顺利获得自定义留存策略形成原始流量与聚合流量数据库，可按时间段提取数据进行检索与回溯分析；聚合策略以较低存储空间实现较长时间的留存，便于事后复盘。

在医院场景中，建议对以下链路设置重点观测：核心交换机上行链路、PACS存储与影像科室之间的链路、数据中心备份链路、互联网出口链路以及医保专线边界链路。针对就诊高峰与夜间备份窗口，可分别设置差异化的流量基线。

机房环境是IT设备稳定运行的前置条件。平台顺利获得对接第三方动环系统或动环采集设备，将环境数据与IT运行状态放在同一视图中管理。

1.动环数据集中采集。实时采集UPS运行状态、供电电压、电池续航、精密空调温湿度与运行模式、机房温湿度、烟雾、漏水、配电电流、门禁状态等数据，统一展示。

2.2.5D/3D机房可视化。以可视化方式还原中心机房与弱电间的真实布局，将机柜、空调、UPS、配电柜等动环设备与IT设备在视图中一一对应；同时呈现机柜U位占用情况与容量统计，为上架规划给予依据。

3.环境与IT联动告警。当出现温湿度超标、漏水、断电、空调故障等情况时，立即触发声光、邮件、短信、微信、钉钉等告警，并联动相关IT设备的运维策略，降低环境异常引发设备宕机的可能性。

4.容量与巡检支撑。顺利获得机柜容量统计与剩余U位分析，辅助新设备上架选址；巡检人员无需现场逐一查看，即可掌握各机房运行概况。

需要说明的是，动环数据的采集范围取决于医院现有动环系统的接口开放情况。实施阶段需先确认动环系统可给予的接口类型与数据项，再确定对接方式。

设备台账与IP资源是运维工作的基础数据。平台将资产管理中心与监控数据关联，形成“一物一码”的管理方式。

图：资产管理

1.资产分类与模板。支持自定义多级资产分类与资产模板字段扩展，为不同类别资产设置个性化模板，例如网络设备记录端口数与所在机柜，服务器记录配置与维保信息，医疗设备记录使用科室与责任人。

2.全生命周期管理。覆盖入库、领用、变更、维修、调拨、报废处置等环节，每步操作留痕可追溯，形成资产全流程闭环。

3.资产与监控联动。创建资产时可直接关联监控设备，在拓扑与资产管理界面中可查看资产信息与实时运行状态，打破资产系统与监控系统的割裂。

4.多维度资产分析与二维码。按分类、状态、使用信息、维保信息、静态关系等维度进行分析呈现；每个资产对应二维码标签，可顺利获得手机扫码查看资产详情与监控状态。

5.IP地址数字化管理。支持手动规划、批量导入与现网自动扫描三种方式构建IP地址库，记录IP对应的MAC地址、关联设备、所属部门、物理位置与责任人；定期采集使用状态，结合MAC-IP绑定与黑白名单策略，监测IP冲突与非法接入行为，发现异常即触发告警。

在医院环境中，IP管理对临床终端与医疗设备的接入合规尤为重要。建议将医生工作站、护士站、PDA、自助机、医疗设备等按用途划分地址段并绑定责任人，配合非法接入监测，降低私接设备带来的风险。

工单是连接“发现问题”与“解决问题”的管理载体。平台的工单模块与监控告警强关联，可在拓扑图、设备管理、故障管理界面直接创建工单，也可配置告警自动开单规则。

表：运维工单环节

工单流转过程中可实时查看关联设备与告警的状态，处置人员在统一平台内即可完成“告警产生—工单派发—运维控制—故障消除检测”的闭环。配合知识库功能，典型故障的判断方法与处置步骤可沉淀为结构化知识，以智能问答、告警联动等方式复用，缓解对个别人员经验的依赖。

运维数据积累之后，需要以直观方式服务于管理与决策。平台给予一站式数据可视化展示能力，采用拖拽式布局，无需编码即可完成配置。

1.运维驾驶舱。整合设备状态、性能指标、告警记录、流量数据等信息，24小时不间断分析展示，细粒度可达单个设备、资源与链路，呈现全网IT设施实时状态。

2.多维度分析呈现。给予多维度统计与十余种图表类型，可按区域、设备类型、业务系统、时间段等维度分析健康度、资源利用率、告警分布与趋势。

3.场景化大屏。内置多种样式，数据范围可切换，适用于监控值班大屏、信息科汇报、院领导简报等不同场合；支持分钟级数据更新。

4.报表与决策支撑。自动生成日、周、月度的网络健康度报告、性能趋势分析报告与告警统计报告，为网络结构优化、资源扩容规划、故障溯源与建设立项给予客观依据。

在医院管理实践中，可视化数据可用于三类具体决策：一是容量决策，依据CPU、内存、存储与带宽的长期趋势判断扩容时机；二是更新决策，依据故障频次与设备服役年限安排更新优先级；三是投入决策，以量化数据说明运维建设成效，支撑后续立项。

在监控与自动化基础上，平台引入AI能力，将部分依赖人工经验的分析工作交由算法辅助完成。平台支持接入DeepSeek等大模型，相关应用均基于已有功能模块实现。

表：AI运维方向

需要说明的是，AI分析结果用于辅助运维判断，关键处置动作仍建议由运维人员确认后执行，尤其在核心业务系统与核心链路上，应保留人工复核环节。<