官网原文（免费申请演示）：【CMDB系列】CMDB模型设计落地经验

摘要：本文围绕 CMDB 模型设计落地展开，阐述 CMDB 作为 IT 运维核心数据源、工具基石与数字地图的核心价值，指出常见设计误区，明确最小化、消费场景导向等设计原则，分享梳理场景与关联关系、分层分域构建等最佳实践及落地问题应对，为高效 IT 运维提供支撑。

关键词：CMDB 模型设计、配置项（CI）、设计原则、最佳实践、落地经验

01.为什么要做模型设计？

1)先思考清楚 CMDB 本质定位 

在当今高度依赖信息技术的企业环境中，CMDB（Configuration Management Database）作为 IT 服务管理（ITSM）的重要组成部分，其核心作用在于记录和管理 IT 环境中的配置项（CI）及其相互关系。CMDB 不仅仅是简单的数据库，更是企业 IT 资产的“单一真实来源”，对于运维决策、问题解决以及变更管理具有至关重要的作用。因此，良好的 CMDB 模型设计可以帮助组织更有效地管理其 IT 基础设施和服务。

2)模型设计的作用与意义

①运维主数据：

CMDB 作为 IT 运维的核心数据源，提供了关于配置项的标准描述，包括它们的状态、位置以及相互之间的关系信息，相当于构建一套运维身份证和户籍系统，这有助于实现 IT 资源的一致性和可追溯性。

②运维工具体系基石：

CMDB 作为运维数字化转型最重要的一个环节，是运维工具体系的基石。在 IT 运维的多个层面，如监控、自动化运维、事件管理、变更管理、运营分析等，CMDB 作为底层支撑，提供了准确的数据基础，使得这些工具能够协同工作，提升整体运维效率。

③IT 运维数字地图：

通过映射出整个 IT 环境中的所有配置项及其关系，CMDB 就像一张数字地图，帮助运维人员迅速定位问题所在，加快故障恢复速度，提高效率降低成本。如果 CMDB 无法保持健康，没有最新与准确的数据，企业内部运维人员就会对 CMDB 数据质量失去信任，开始维护各自的数据源，增加企业 IT 建设与管理成本，降低 IT 协助与运维效率。

02.模型设计理念

1）模型设计的误区

①模型设计是一次性工程

模型设计是在规划阶段体系化工程，但不代表这是一次性工程。实际上，在规划阶段是难以预见所有落地执行的不同场景。另外，随着业务和技术的变化，CMDB 模型设计需要定期按管理流程进行审查和更新，以适应新的需求和技术发展。完美的模型设计是需要经过落地实践磨炼出来的，重要的是先启动并逐步优化，而不是等待一个完美的解决方案。

②模型设计是建设方的事情

由于模型设计涉及 IT 整体架构运维主数据的定义，模型设计的成功依赖于跨部门的合作，包括架构部门、业务部门、研发部门、运维团队、测试团队、安全团队等，需要梳理管理对象全生命周期活动与场景消费需求，只有多方协作才能确保模型的全面性和有效性。

③模型设计应该什么都管

不能把 CMDB 当成一个纯数据库使用，什么都往里面存储，没有任何的控制策略，这样的 CMDB 只会因为维护成本过大且管理困难，用户使用意愿低，数据质量低下。而且过多的配置项会增加管理难度，应该根据实际需要选择关键配置项进行管理。

• 以下是建议纳管的范围：

• 不建议纳管的范围

2）模型设计的原则

①最小化原则

避免不必要的复杂性，采用奥卡姆剃刀原理，“如无必要，勿增实体”，需要专注于那些对运维业务有直接影响的配置项，结合管理成本和收益的综合考虑，定义配置项准入原则。

②消费场景导向为原则

根据实际应用场景的需求来设计模型，确保它能满足用户的实际需求。

③自动化采集原则

尽量采用自动化，减少人工维护成本，无法自动化采集的属性尽量减少

④面向业务为中心原则

伴随着 IT 运维管理往 IT 运营管理发展演进，CMDB 建设也从过往的面向资产为中心—面向资源为中心—面向应用为中心—面向业务为中心持续演进过程中。

03.模型设计的最佳实践

1）梳理消费场景地图，定义管理边界

规划运维体系业务，明确消费场景内容与价值，梳理对 CMDB 依赖配置项数据，定义优先级与建设计划。

2）梳理对象关联关系，定义整体模型

通常情况下，关联类型有两大类，一种父子关系，一类连接关系，但是细分的关系类型可能会非常多，这个时候就需要先定义企业标准的关联类型。

基于分层分域的构建方法，设计整体 CMDB 模型架构。

3）梳理细化属性，定义数据标准

可以基于以下属性设计工具，对每一个属性进行如下维度的分析：

①面向消费场景，基于 3C 法则梳理对象属性

• 核心属性（Core）：通过这些属性能够识别一个对象，是这个对象的身份信息，例如：实例名、IP、端口等。

• 能力属性（Capability）：支撑场景的属性，例如：维护人属性用于支持告警通知、告警转工单等场景。

• 详细属性（Context）：这些属性是附加的可选属性，用来帮助用户能更容易地理解和使用。没有一刀切的原则，需要考虑成本和价值的平衡（即纳管这个属性我需要付出什么成本，有多少收益），例如：物理服务器的光纤接口类型。

另外，伴随着 AI 技术的持续发展，可以依赖类似 chatgpt 工具获取对象建模的推荐。

②基于资源生命周期管理过程梳理管理流程

设计从配置项的创建、使用、变更到最终退役的全过程管理方案。

③考虑数据与现有系统的集成关系

规划如何与其他系统（如监控工具、事件管理系统）集成，确保数据能够实时同步更新。

03.模型设计的最佳实践

1)标准统一宣贯的问题：

由于模型设计是重新定义数据标准的过程，会存在过往管理模式下一些概念术语、命名规范、数据统计口径等内容的重新定义，因此在模型落地实施初期，需要通过培训和文档等方式，确保所有相关人员都理解 CMDB 的标准和操作流程。

2)数据冗余存储问题：

在模型设计过程中需要合理设置数据冗余策略，这样既能加速数据导入过程，也能便于后续的数据分析工作。通常情况下线下管理台账是一个大宽表存储了不同对象的信息，在模型设计的阶段会按不同对象进行建立模型与关系，例如增加物理服务器所在机柜名称通过产品功能可以实现数据的快速关联，并且方便查询与统计。

3)易维护管理问题：

在模型设计阶级需要考虑易维护的问题，如字段名称尽量通俗易懂，尽量设置枚举类型字段供用户选择，尽量提供默认值，添加属性字段说明及示例，有逻辑关系的字段尽量在流程表单进行校验等等。 唯有把用户都当成小白看待，考虑产品的易用性，才能更好地提升 CMDB 数据质量。

4)责任分工问题：

由于不同的企业运维管理业务与组织设计有差异，通常在数据管理维护责任划分上会有些区别存在，这些角色映射的菜单功能以及数据权限息息相关。例如传统的企业一般按业务系统或专业线资源进行授权管理，集团性公司需要按单位维度进行授权管理。有些复杂的对象如系统存储了架构管理相关属性、运维管理属性、维保属性、安全管控属性等，这些信息需要不同的团队进行维护管理。另外，关联关系的维护责任方同样需要提前定义，责任不清晰最终会导致数据没人维护。

通过上述分享，我们可以看到 CMDB 模型设计的重要性以及在实践中需要注意的关键点。正确地设计和实施 CMDB 模型，将极大地提升 IT 运维效率，为企业创造更多价值。

04.配置管理 CMDB 选型推荐

嘉为蓝鲸配置管理中心・鲸石 (CMDB)以应用为中心，以配置消费为目的，构建新一代配置管理数据库系统，为企业 IT 运维体系提供可信有效的数据支撑。嘉为蓝鲸 CMDB 采用四层架构设计，深度自动发现支持各类 IT 资源的自动发现和数据采集；无缝流程联动与 ITSM 天然融合，实现流程数据自动同步；灵活数据消费提供 120+API 接口，支持多场景数据消费；闭环数据治理建立完整的数据质量保障体系。核心功能包括配置数据维护、配置数据报表、配置可视化拓扑、配置权限管控和配置数据采集五大模块，具备高性能海量实践（支持 2000W+实例管理）、异构兼容纳管、自动化覆盖率 80%以上、闭环数据治理等亮点特性。产品全面支持信创生态，接入 AI 运维大模型工具，已在广州公交集团、鹏华基金、福田汽车、北京移动、苏州市信息中心等众多行业客户中成功应用，助力企业实现数字化运维转型。