许可服务器一夜响了 47 次：先认清僵尸会话，再谈 License 优化与许可回收

02:14，NX 加工包占用 92%。02:16，95%。02:19，又回 92%。02:21，同一条再来一遍。值班那哥们三点半把群设了免打扰，早上七点采购进来一句「是不是该加几个并发」，我眼皮都没抬，没回。加了干嘛，加完下礼拜照样响，响到后来真出事那条谁也看不见了，这才是最要命的。

得先把这玩意儿是什么说清楚，不然后面全往反方向跑。许可服务器报警，是监控侧按阈值对并发占用、denial 次数、心跳、服务状态抛出来的事件，不是「授权不够了」的判决书，更不是故障单。底下那套浮动许可，NX 走 Siemens PLM License Server，底层 FlexNet Publisher，vendor daemon 是 ugslmd；CATIA V5 那边归 DSLS 管；客户端起来 checkout 借一个 feature，正常退出才 check-in，借不到吃 denial，中间靠心跳撑着。服务器就认会话在不在、心跳断没断，它不查工牌，也不知道人是不是下车间了、是不是评审前把窗口最小了。

「僵尸会话」是我们内部随口叫的，厂商手册里没这词，别拿出去当术语写。大概就那几样——客户端崩了没来得及 check-in，远程桌面断了可心跳还吊着，离线借用许可（borrow）借出去到期没还、客户端还占着，VM 快照一回滚同一台机器算出两回。它们在服务端照样算占用，可背后根本没人干活。另外还有一堆压根不是会话的事：阈值线拍得太低，采集任务重复跑了一遍，两套服务器时间戳差了几分钟并表，凭空多出个尖峰。所以一条 95% 的告警，可能是容量真满了，可能是 option 配置没放给那个组，可能是申请卡在没人批，也可能纯粹是数据质量烂，四种来路，光看控制台那张截图定不了，得把用户报错、服务器事件、合同条款、业务排期摞一块儿验。技术日志只够内部核查，合同里使用者范围怎么解释、对外那句话怎么讲，法务拿条款定，IT 别顺手替人写结论。

装了多少、买了多少、登过多少人、同一刻借了几个、最挤那一刻几个，五样各归各，谁拿一个去除另一个我连看都不看。分母、周期、例外、没采着的地方都得写，没采着就是没采着，别拿 0 补，补完那张表齐得挺好看，全是假的。

值班本后来我就歪着写了三行，没编号，想起来补一笔那种——

先分堆，服务故障、容量告警、会话异常，逐条标 已确认 / 待确认 / 不适用。不适用也算结论，空着下个班又从头翻一遍。

再回头问一句，这条响的时候，真有人被挡在门外没？群里有没有人骂、工单有没有、那天是不是归档节点。告警自己不证明影响，我见过刷了半宿 95%，第二天问了一圈，谁都没感觉。

重复和抖动单拎出来。同一波峰值刷四十条，那不叫四十次问题，叫一条问题被念了四十遍。抽十几台回源系统瞄一眼，导出来、转个格式、手工并一列，掉一行太常见了，不瞄我不认；事实底稿留版本号和导出钟点，不然后面阈值一调，前后两版结论打架，连吵都没法吵。

02:19 那条，我最后归到了「不适用」。

动起来也就那几步，别跳。分类分级先做，哪类才配叫人、哪类只进日报。去重和静默窗口跟上，我这边给同一对象同一告警设了五分钟，不是把告警关了，是别让它自己跟自己吵——静默不等于屏蔽，这俩混一块儿迟早出事。真要清理会话，只动确认无效那一小撮，先观察、再提醒、后执行，白名单、延迟、人工恢复口子三样缺一样我都不让碰，归档那两天别拿规则试水。执行前通知到人，执行后收重新申请和异常反馈，规则 v1 改到 v2 为什么改，留着。关键告警挂人名和时限，别写「IT 部」，谁认领谁背，完事回读。结果得真送到采购手里去谈续费或者开整改单，别停在报表里看了半年一个数没动。许可优化 那类也就是把软件发现、许可日志、账号分配、整改记录摞到一张视图，顺手记个平均响应时长，省得四个部门各存一份 Excel，它不签字，也不解释合同。

有效告警率、重复告警数、平均响应时长、僵尸会话关闭量，四格都摆，分子分母、异常样本、公式、纳入范围、谁复核、多久复核，一起写，能下钻到那台机器那次 checkout。哪个数忽然跳了，先查采集覆盖和阈值动没动，再判断业务是不是真变了。一个指标好看了证明不了什么，关键业务有没有被掐、异常样本还在不在、执行记录全不全，三头都能忍，少一头我都不签。单日一次报错就定性，太急。供需没算清就下单、顺手把许可回收开关打开，钱花了还可能掐了周五出图。拿淡季那条平线去谈续费，尖峰全给抹平了，我见过。没责任人、没完成时间、没回读，人一换项目一换，立马打回原形。问从哪起，就那三行，先拿有效告警率和重复告警数把现状描出来；看多久，至少一个完整业务周期，投标、出图、发版、评审那几个节点都得盖住；谁管，IT 管数据和技术策略，采购管合同续费，业务定谁优先，碰上合同解释、对外承诺扔给法务或者懂行的，别自己拍。许可优化 能集中记运营证据，替不了企业审批，也替不了专业判断。

去年冬天，华中一家做轨交牵引变流器的厂，就这动静。NX 一套、CATIA V5 一套，两台许可服务器日志各存各的，时间戳差了九分钟，阈值统一拍在 85% 还开了重复推送。一周 214 条告警，值班两个人基本放弃看了。头两周什么没买、一台没卸，只做只读留存，把日志、终端进程、工单、项目排期硬对：真影响到人的 denial 才 19 条；2 条是 DSLS 服务半夜重启，跟容量无关；会话那堆里 11 个挂四小时以上没操作，3 个远程桌面断了心跳还吊着，1 个 borrow 到期没还、客户端占着，2 台 VM 快照回滚重复计；单是同一波九点半峰值就刷了 43 条，另有 26 条是时间戳没对齐并表后凭空多出来的尖。抽样回读 20 台，又抓到导出表把一台机器上两个 NX 版本并成一行，改回去。分类分级加五分钟静默上完，只提醒不收跑了两周，攒了 3 条误判，最险一条是夜间批处理被当成没人用，幸亏那两周没动手。一个季度下来有效告警率 9% 到 76%，重复告警 214 落到 23，平均响应从四十几分钟到 7 分钟，确认无效的会话清掉 17 个，一个包没加买，许可回收那个开关到今天还是灰的。02:19 那条一直没归类，还挂在待确认那行，规则从 v1 改到 v2 的「变更理由」栏空着，等值班那个人回来签字，谁也没替他填。