📚 课程目录第4章告警系统概述

4. 告警系统概述

在EDFA（掺铒光纤放大器）监控板的设计中，告警系统是连接设备内部状态与外部网管运维的“神经中枢”。它负责把泵浦激光器、输入/输出光功率、温度、增益、通信链路等关键参数的异常，转化为可被网管识别、定位和处置的标准化事件。理解告警的定义、分类、级别、产生与清除机制，以及它在网管体系中的位置，是后续设计告警采集、上报和联动逻辑的基础。

一、告警的定义与分类

告警（Alarm）是指被监控对象在运行过程中，某项参数或状态偏离了预设的正常范围，且该偏离可能影响业务质量、设备寿命或维护操作时，由监控系统生成并上报的事件通知。告警不是简单的“出错”，它必须同时具备三个要素：可检测的异常条件、明确的告警对象、可被网管消费的结构化信息。

从EDFA监控板的角度，告警通常按以下维度分类：

按来源分类：硬件告警（如泵浦温度过高、TEC失效）、光路告警（如输入光功率丢失、输出光功率过低）、通信告警（如监控通道中断、I2C总线故障）、电源告警（如供电电压欠压）。
按影响范围分类：设备级告警（整机不可用）、单板级告警（某块EDFA盘异常）、端口级告警（某个光口或泵浦端口异常）、业务级告警（影响放大业务质量）。
按变化特征分类：突发性告警（如光路突然中断）、渐变型告警（如泵浦电流缓慢漂移导致增益下降）、间歇性告警（如接触不良引起的通信闪断）。
按可恢复性分类：可自动清除告警（条件恢复后自行消失）和需人工确认告警（必须由运维人员手动清除或复位）。

在监控板设计中，分类不是目的，而是为了决定告警的采集周期、上报优先级、是否触发保护倒换以及是否写入历史日志。分类结果会直接影响告警表的结构和状态机的设计。

二、告警级别划分

告警级别用于表达异常的严重程度和处置紧迫性。在光传输网管中，通常采用四级或五级划分。EDFA监控板常见的级别定义如下：

级别	名称	典型场景	处置要求
CR	严重告警	泵浦激光器关断、输出光功率丢失、设备通信完全中断	立即处理，可能影响业务
MJ	主要告警	输入光功率过低、增益偏离目标值、泵浦温度偏高	尽快处理，业务可能降质
MN	次要告警	监控通道误码率升高、风扇转速异常、备用电源切换	计划处理，暂不影响业务
WR	警告	参数接近门限、历史告警重复出现、维护提醒	观察记录，预防性维护

级别划分的核心依据是“对业务的影响程度”和“时间紧迫性”。同一物理量在不同阈值下可能产生不同级别的告警。例如，输入光功率低于-25dBm可能报“主要”，低于-30dBm则升级为“严重”。这种分级门限通常由网管配置下发，监控板负责比较和上报。

三、告警产生与清除机制

告警的产生与清除不是简单的“越限即报、恢复即消”，而是需要经过采集、滤波、判决、上报、确认、清除等多个环节。一个典型的告警状态机包括：正常态、告警产生态、告警确认态、告警清除态。

产生机制通常包含以下步骤：

周期采集：监控板按固定周期读取ADC值、温度传感器、泵浦状态寄存器等。
滤波与去抖：对采样值进行滑动平均或连续N次判断，避免瞬时噪声误报。
门限比较：将滤波后的值与告警门限、清除门限分别比较。产生门限和清除门限之间通常设置回差，防止临界抖动。
状态判决：满足产生条件且持续一定时间后，置位告警标志。
上报网管：通过SNMP Trap、Syslog或私有协议将告警信息发送至网管。

清除机制分为自动清除和手动清除。自动清除是当监测值恢复到清除门限以内并持续稳定后，监控板自动撤销告警并上报清除事件。手动清除则用于那些即使条件恢复也需要人工确认的告警，例如泵浦激光器保护关断后，必须由运维人员确认并复位才能重新开启。

告警判决伪代码示例：
if (filtered_value < alarm_threshold) {
    alarm_counter++;
    if (alarm_counter >= N) {
        set_alarm(ALARM_INPUT_LOW, MJ);
        report_to_nms();
    }
} else if (filtered_value > clear_threshold) {
    clear_counter++;
    if (clear_counter >= M) {
        clear_alarm(ALARM_INPUT_LOW);
        report_clear_to_nms();
    }
}

常见误区：把产生门限和清除门限设为同一个值。这会导致参数在门限附近波动时告警频繁产生和清除，形成“告警风暴”。正确做法是设置合理的回差，并配合去抖计数。

四、告警系统在网管中的位置

从网管体系看，告警系统位于“被管设备”与“网管平台”之间，是故障管理的核心输入。EDFA监控板作为被管设备的一部分，承担告警的采集、判决和上报；网管平台则负责告警的接收、呈现、存储、关联分析和派单。

告警系统在网管中的位置可以用下面的数据流关系来理解：

从图中可以看出，告警系统并不是孤立的功能模块，而是贯穿“物理层—监控板—通信接口—网管平台”的完整链路。监控板告警引擎是承上启下的关键：向下要准确采集EDFA的模拟量和状态量，向上要按网管要求的格式和协议输出告警。如果监控板的告警判决逻辑不严谨，网管端就会出现误报、漏报或告警风暴；如果通信接口不可靠，再准确的告警也无法及时送达。

五、案例与设计要点

假设某EDFA监控板检测到输入光功率从-20dBm缓慢下降到-28dBm。按照设计，-25dBm为“主要告警”产生门限，-23dBm为清除门限，去抖计数为5次。监控板连续5个采集周期检测到低于-25dBm后，置位“输入光功率过低”告警，级别MJ，并通过SNMP Trap上报网管。网管收到后，在拓扑图上将该EDFA端口标为橙色，并生成一条待处理工单。当输入光功率恢复到-22dBm并持续5个周期后，监控板自动清除告警并上报清除事件，网管端颜色恢复，工单可闭环。

设计要点总结：告警门限与清除门限必须分离；去抖计数和滤波窗口要根据信号变化速率合理设置；告警级别要能随阈值区间动态变化；上报协议要支持告警产生和告警清除两种事件；所有告警动作应写入本地历史日志，便于故障复盘。

告警系统的设计质量，最终体现在运维人员能否“看得见、看得懂、来得及”。监控板作为告警源，必须保证告警信息的准确性、及时性和完整性；网管作为告警消费端，则负责把海量告警转化为可执行的运维动作。两者之间的接口定义、状态同步和清除确认机制，是EDFA监控板告警系统设计中需要重点打磨的部分。