在這個大數據和雲計算的時代，傳統企業如何在這個時代背景下閃亮轉身，相信這是現今企業一直在探詢的問題。企業轉型是希望跟時代接軌，跟客戶需求接軌。
東方龍馬在國內IT品牌，曾經最早的時候在國內有一個很響亮的口碑，做中文UNIX，找東方龍馬，後來東方龍馬也曾開發過著名的龍馬防火牆。而在最近十幾年裏，公司開闢了新的領域，在資料庫、中間件領域做高端服務。作為老牌IT企業，走到今天專注是必不可少的。
以下為賽迪網對東方龍馬執行副總裁奎建生以及解決方案架構師李文京先生的專訪實錄：
主持人：賽迪網的網友們，大家下午好，我是賽迪網記者安一思，很高興今天我們請到東方龍馬軟體公司執行副總裁奎建生先生以及解決方案架構師李文京先生來到賽迪網直播間與大家分享OLM戰略轉型以及技術是如何實現的，歡迎二位，下麵請二位進行一個簡短的自我介紹。
奎建生：首先今天非常高興受到賽迪網的邀請，我代表東方龍馬和我的同事李文京一起在這裏向各位網友問午安，同時我們也把我們在最近一兩年的戰略還有心得和大家做一個分享。
李文京：大家好，我是李文京，我是東方龍馬的解決方案架構師，專門負責東方龍馬的各種IT解決方案，尤其是針對大型企業服務。
主持人：奎總先介紹一下咱們公司。
奎建生：好。東方龍馬這個公司其實在國內是一個很好的IT品牌，它曾經最早的時候在國內有一個很響亮的口碑，做中文UNIX，找東方龍馬，後來東方龍馬也曾經開發過著名的龍馬防火牆。在最近十幾年裏，我們整個公司一直在資料庫、中間件領域做高端的服務，做了幾十年的耕耘，我們也來到了今天大數據和雲計算的時代，所以我們在這樣一個時代裏面也希望能夠讓傳統的企業有一個閃亮的轉身。
主持人：我看咱們公司處於轉型階段嘛，想問一下咱們這個轉型前方向以及轉型後OLM的理想狀態是什麼？
奎建生：應該說這樣，我們做IT的人大家都知道我們需要專注，龍馬也不例外。在專注這個字上其實我們是有分階段，分領域也有分所謂的市場區隔。從時段來看我們在之前是專注在高端資料庫、中間件服務領域。在今天從大數據時代來臨以後我們也是希望能夠跟時代接軌，跟各位客戶的需求接軌，這是第一。第二在我們所謂領域裏面，其實我們過去在資料庫中間件服務時，主要是在大型的從企業、政府的相關機構包括金融有關的企業，保險等企業裏面。我們區隔是沒有變的，我們在過去有將近400家的簽約客戶，我們在未來要為這些400家的客戶甚至於多過400家的客戶們提供我們盡可能的轉型當中的一些產品和服務。等一下我會把我們的轉型和產品跟大家做一個分享。
另外一個，我們在客戶的本身技術專注上，我們過往其實是專注在高端的資料庫、中間件的服務裏面。未來我們是基於大數據裏面性能管理在這個裏面要發力。另外我們做大數據也是和我們的客戶需求緊密去結合，我們不會貿然的把所謂放大數據的概念輕易的引進公司來，我們還是在專注上面做好自己的功課，我們在專注上面做好自己的研究。
主持人：現在為企業提供大數據服務的公司有很多，想問一下咱們公司的優勢是什麼？
奎建生：有這樣幾個優勢。在我們這種傳統的高端資料庫、中間件服務裏面，我們累計了有幾個重要的優勢。一，我們對客戶在數據層面這種認知包括它的數據架構，數據的存儲技術包括數據當中所存在的一些潛在的可發力的、可研究的、可探究的這種東西我們瞭解的比較深，另外一個我們有比較深厚的在數據領域耕耘的一批工程師，同時我們也有很強的市場服務的態度，這幾個優勢讓我們一直在IT領域裏面歷經風雨也同時成功的完成了數次的業務的更迭。我們在業務上也實現了順利的迭代，所以今天我們來這個直播間也是希望在這樣一個環境裏邊想通過賽迪網跟我們行業內的同仁、朋友包括網友做一些探討。在這個探討過程當中，我們也希望龍馬從傳統意義上的資料庫，中間件優勢再發力，邁進大數據，邁進性能管理這樣一個領域，依然保持我們這種優勢。
主持人：OLM大數據產品在實施數據分析方面有很強的能力，那麼能否談一談這方面詳細的案例？
李文京：我們在西北一個商業銀行是龍馬比較有代表性的客戶，這個客戶當時我們在做交流的時候，當我們提到我可以為他們提供一個即時的KPI展現，他們的領導也好，他們的各層經理也好，所關心的各種各樣的KPI可以實施的時候，他們反應非常好，有興趣。這個展現我們可以做到很多層面，第一層面針對銀行的上層，對於銀行來說，幾個指標很關鍵，就像存款，貸款和他們的利潤。我們做了交流之後，POC和實施都進行的很順利，實施的過程我想為銀行提供幾個層面的目標。第一個是我們從行長這個級別所關心的KPI，我們把所有銀行的現金流利潤和存款，而且我可以通過一個地圖的方式把每一個地市，每一個縣市的數據展現給他。實施之後，他們也掌握了很多大數據的廠商。第二個層面，我們是給所有的科技部以及運維人員一個即時的業務發展狀況的監控，這個監控包括資金支出系統以及很多運用，現金支出主要是兩個指標，資金的匯入和流出，無論是匯入美元還是流出人民幣的，我們可以通過即時地圖去展示，讓每個時刻告訴我們資金大批流出多少，小批多少。這種展現，我相信龍馬在這個領域是可以對銀行的客戶提供到極致。
另外我們也在為銀行做所謂異常交易的監控平臺，這個平臺可以說是三層意思，這個可以分成對銀行自己員工，對於銀行客戶以及對於通過這家銀行貸款的企業，第一點對於銀行客戶來說，他們有任何大額現金提取，我們會發出報警資訊，針對銀行員工他們頻繁做大額銀行交易我們也做監控。對於像貸款企業，他們所有審批還款的計畫變更，或者結合我們有自己完善的輿情數據，通過微博、微信，一旦有這個資訊負面資訊會第一時間通知上層。所以總的來說這三個方面我們龍馬對這個銀行做了敏捷數據中心，給他們行長提供即時分析的依據。
主持人：大概做了多久為銀行服務？
李文京：分兩期來做，第一期有兩個月，這包括有兩周時間做調研，近兩個月時間做第一期實施，還有將來有一些微調和一些儀錶盤定制。
主持人：剛才您講到詳細的案例，對於性能管理方面，OLM提供的是全新的性能管理方案，這是關於BPM、APM、KPI等，對於用戶來說廣度是夠的，能不能談談深度的？
李文京：其實只要談到性能管理，我覺得任何一個廠商都離不開問題的發現，問題的定位以及問題的解決。可能作為通常性能管理的產品或者說解決方案的時候，可能一般的廠商做到了前兩者，後者我怎麼進行優化是做的不足的。首先說龍馬這邊的深度，第一怎麼發現問題，我們通過有兩個方法，這個是性能管理的趨勢。我們必須通過旁路和探針結合，我們不會對應用產生任何的影響。而且我通過廣度的旁路可以獲得所有通信層面用戶跟系統之間的報文，報文是為了行為分析打下基礎，甚至可以做到端到端的監控。如果用戶有問題，這個性能問題我們可以進行精確定位，如果我們發現真的是應用領域如應用內路處理邏輯或者資料庫調用這樣的問題，我們怎麼去解決？我相信這也是我來龍馬的一個原因，因為我們有強有力的團隊，包括中間件、資料庫的工程師，他們對於性能問題的解決，有很多的經驗。所以在這點上，我想強調的是龍馬在性能管理上，不但可以發現問題，而且可以通過工具也好或者人的經驗也好，真正把問題解決掉。
主持人：下一個問題，還想就性能管理方面問一下。OLM有沒有什麼預測？在這兩個領域具有領導地位，必須對整個方向有所把握，還有在技術層面也要進行體現。
李文京：Gartner有預測，它從五個緯度來講。我更多是圍繞客戶的實際情況來講，我覺得第一點我們為客戶提供性能管理優勢，首先是我們的問題切入點應該是從後端切入還是從前端切入，其實我們應該從客戶的業務或者跟業務相關的交易去做紐帶，去做整個問題的切入點。舉例，之前我們經常是拿出後端的資料庫報告或者伺服器的診斷報告給到上面，這個報告只能體現這個設備伺服器，這個不代表用戶發生或者他們體驗到的性能問題，我覺得第一點性能管理應該要從業務入手，我們要去從用戶經常做的交易來發現，今天他哪些交易跟平時相比它的性能有所下降，這是第一點。
第二點，用戶真正需要性能管理相關的是什麼？是梳理業務關係。像大的銀行他們有太多的應用甚至超過幾十個，這幾十個應用裏，應用和應用之間有一定的關係，我可以負責任的說，每一個資深的IT管理人員不見得可以說出他們之間的聯繫，我們通過拓撲這麼一個技術去幫助和梳理每個應用之間的關係。
第三點，我覺得目前新的IT性能管理或者運維，他們所管理的數據不光是自己的產品所帶的輸出或者日誌，因為我們也可以借助於你所要管理的每個應用自己的日誌然後做關聯分析，所以關聯分析可以很快的處理問題。
最後一點是問題的解決，之前跟你說過。真正性能管理不光有做問題的定位而且還要做真正問題的解決，這個解決有可能是我幫你找到業務邏輯的問題，有可能幫你找到SQL語句的問題然後幫你做優化，優化完之後我再幫您做性能比對。
主持人：只針對當前點而不是整個系統？
李文京：對，沒錯。
主持人：OLM現在專注哪些具體行業？剛剛你講到銀行，沒有講到其他的企業。
李文京：主要可以分為金融行業、運營商、製造業、政府這是我們最看重的幾個行業。這些客戶加一起能占龍馬客戶的80%，解決方案應該是圍繞這幾個行業去做，當然每個行業有它自己的應用特點，龍馬工程師一起對這些用戶量身訂作適合他們的解決方案，無論是整體的還是只針對一部分的，比如說針對資料庫甚至是整個大數據。
主持人：今年咱們有沒有新的行業重點？
李文京：其實對於我來說，我要在這四個行業再找出這四個行業裏面的重點行業，我們覺得今年金融行業和運營商是我們的重點，明年會做一些微調，有可能會涉及其他行業。
奎建生：再補充一下我們在能源行業已經有了長足的探索，我們已經建立了案例像這樣的行業也是我們看到未來在中國2025這樣一個規劃當中能源先行也是IT作為先頭部隊，我們在它的性能管控上包括它對網絡的安全要求包括它對性能業務的支撐，這些層面都要通過我們的IT手段來完成，包括我在很多場合提，過去是人搞IT，未來將是IT搞IT。未來銀行、金融、運營商、製造業包括政府相關機構，已經上升到了國家安全層面，基於大數據的性能管理是對安全預防，不是發生問題找問題。我們現在最重要的理念是希望通過我們的技術手段，通過我們的IT監控，通過我們大數據的這些技術的融入能夠預防，提早預測去阻止問題的發生或者說我們在未來可以通過我們技術讓我們從量的客戶享受到更多的基於傳統業務之上的增值服務，我認為這是增值服務。
主持人：想瞭解一下詳細的案例，讓大家從表面來瞭解OLM。
李文京：舉例，我們在南方有一個股份制銀行，這個銀行有50個甚至超過50個應用，他們最開始有一個難題，這些應用之間業務梳理。如果我應用A指出問題到底會會哪些應用產生影響，產生什麼影響？這是他們比較困惑的。我們方案第一點就是實現業務梳理，而且我們可以做到自動的業務梳理。
第二點，用戶其實定位問題的時候，我們是做了協議的解碼，這個解碼有什麼好處？我們可以幫助銀行去梳理一下它主要有多少系統，每個系統一天大概有多少業務或者主要的交易發生，我們幫它去做全量分析，一天當中有哪幾個系統發生多少種交易，利用散點圖展示出來，我們可以分析一天當中的忙時和閑時。具體說我們如果發現在這個圖裏面某些點是異常的，我可以直接告訴用戶，他們這個時間裏面，作為用戶它的回應時間是怎麼樣的。用回應時間去進一步定位它的性能問題時，我們可以通過本身我們自己的分析技術再加上客戶給我開放的所有系統日誌和核心應用人士進行責任分析，我可以為這家銀行提供快速排障的方式。
另外，無論做業務梳理還是關聯分析，我們用到基於圖電腦制。用戶覺得很滿意，所以我們進一步為他做了很有意思的事情。我們通常一些大數據應用都會規則建模，實際上從性能來說，很多性能問題在出現以前都會有些徵兆，這些徵兆有可能是在網路層面有可能是在落實的實踐層面，我們把這些應用做了詳細的分析，主要是提取歷史數據形成一些的指標，當這些指標我所設定的一二三四五指標符合指標，就先報警。以前我們發現問題進行排障，現在是問題發生以前我們就有個機制，這類問題容易發生，我們有預期的幾個步驟去幫助解決，可以預防這類問題的發生。所以這幾點我相信無論是哪一點用到的都是大數據的技術，用戶是想借大數據平臺，這個平臺是建在運維層面。我們整個基於性能管理方案既承載性能管理的任務而且也給用戶提供了大數據分析平臺。
主持人：我覺得講個詳細的案例讓大家更清楚咱們性能管理實施的過程，如果單憑咱們講技術很多人都聽不太懂，今天的採訪就到此結束了，感謝兩位的到來。
奎建生：謝謝賽迪網，謝謝各位網友和觀眾，我們希望在未來可以有機會跟大家合作，也希望通過賽迪網，通過我們自己的努力為社會培養人才，為客戶提供解決方案，希望我們的轉型有你們的一份貢獻，謝謝你們。