短信系统故障分析

1、短信系统故障分析一、短信系统故障概述公司短信平台一共有四套独立的短信系统对应四个运营商，服务器较 多，需要保障的东西较多。由于公司的性质，对运维部门的要求也比较高。 一直以来技术运维部不断完善监控机制监控方式方法以便更好的对短信 系统提供保障，不过短信系统就算再良好的运行发生故障也是不可免的，在这里主要讲的是对短信系统故障进行相应分析，降低短信系统故障 发生率，提高短信系统保障能力，加深运维人员对短信系统的理解。短信系统故障的发现主要有下列三种情况检查中发现统计应用过程中发现客服投诉渠道发现后两种渠道发现说明短信系统的监控体系可能存在着不足或是在监控的 态度、频率上存在不足对短信系统故障的运维

2、要求避免可以免的故障及时发现故障快速有效解决故障4积累经验使短信系统更稳定的运行下面对短信系统故障进行详细的分类分析二、故障类别一外部类故障我们的短信系统是通过短信网关（SPGW）与运行商网关（ISMG） 连接，实现MOMT短信上下行。为了规范sp行为 运营商一般都有管理 平台对各sp短信进行管理。我们与运营商的集中网关进行连接，运营商 集中网关则与其各省网关进行连接，最终通过各省短信中心与用户实现短 信互动。从上面这个图可以看出各个环节都有可能出现短信故障，只不过故障 的影响范围、故障的类型表现不一样。下面要详细讲的短信系统外部类故 障，几乎都是图中某个环节出现了问题所致。无MO、MT类故障

3、这种类型的故障是很严重的短信故障。表现形式很多举例详细说明：网关无任何上行从网关跟踪测试观测没有任何上行这种故障应该能及时快速的 发现通过检查统计等很多种途径都能发现遇到这种故障首先 应排除网路问题检查内部短信系统察看与运营商网关连接情况 如这一切正常应及时与运营商联系解决此种错误多为对方网关 问题网关下行全部失败通过监控或统计可及时发现，该故障表现为全部下行在网关上均 为ack失败，我方系统非法更改或运营商网关故障或运营商系统 进行升级更改我方未做相应更改都可能导致该故障。解决办法是 对短信系统进行详细检查，如未发现系统异常，应与运营商进行 沟通确认有无系统更改，及时作相应调整。某省无上行或

4、下行全部失败通过监控或统计发现某省上下行异常而其他省市正常。这种情况 下先通过测试手机进行测试，像西藏等人口稀少省一两天没有上 行是很平常的，如测试手机测试未回复，应与市场部门沟通联系 运营商解决。如有该省短信技术部门电话可电话联系咨询测试解 决。某手机号上下行异常客服经常会接到用户投诉 说上行未回复经确认该用户所在省市 短信上下行正常可根据该用户所参与业务详细分析解决Ack、状态报告类故障Ack失败问题Ack相当于我方网关给运营商网关发送的短信数据包的直接响 应，跟状态报告是有区别的。Ack失败表明我方给对方放送的短 信数据报不符合对方网关要求或与对方网关流量限制等有关。比 较常见的故障是大

5、型活动用户大量参与下行信息流量巨大ack 失败可能会快速增加这要与运营商网关设置有关需要与运营 商沟通解决状态报告失败高问题状态报告反映了下行信息的状态，一条下行信息成功与否、失败 原因全通过状态报告来反映。比较常见的故障是收不到状态报告 或状态报告回的慢，这种情况联通出现的比较多，这主要是因为 联通系统不太稳定。状态报告失败率过高，这里主要指的是单条 点播的失败率，定制类下发由于无效用户多状态报告失败高是正 常的。单条点播的成功率一般都在90%以上，单条点播失败率高 从以往来看主要有两个原因一是有用户大量群发 二是有某些省 份该点播业务异常造成如没有开通该点播业务等。三、故障类别二内部类故障

6、短信应用系统故障网关故障在网关服务器上这要运行着网关和入库程序 比较常见的网关故障是入 库问题网络或数据库异常很可能导致入库出现异常会导致所有话单入 不到数据库中在巡检中应注意观察入库程序是否有大量无效话单，如统 计过程中发现数据少时应察看入库程序。SWTICH故障Switch主要负责短信由网关分发到运行库、运行库下行信息汇总到网关， 所以switch上的路由配置很关键 路由配置时一定注意源地址和目的地 址。业务模块业务模块可通过GFI监控页面进行察看，当业务模块意外关闭是应及时 发现启动数据库故障这是最常见的短信系统故障，通过检查主库的log_err表、网页检查页面、 短信下发配置、客服等多

7、种渠道可发现数据库故障。数据库发生问题时 会导致同步、下发、查询等一系列问题。数据库出现问题目前比较常用 的解决办法就是重启。重启完需检查主库JOB,重启web服务器的tomcat。计算机硬件或网路故障服务器和网路故障对短信系统的影响很大，我们在查找短信故障原因时 应先对相应服务器进行检查。操作系统、软件、硬盘、网卡很可能是导 致短信系统发生故障的原因。四、故障类别三其他故障很多栏目组都要看观众的互动留言，Web留言看不了是一种比较常见的故 障，一般都是数据库当、同步JOB停造成的。天气预报故障，各种原因会导致天气预报到点下不去。Ftp服务器上的移动全网同步、反向取消等Provision 处理。我在这里只是说了