近日，某IDC服務(wù)商機(jī)房宕機(jī)直接導(dǎo)致某商業(yè)銀行業(yè)務(wù)中斷，據(jù)了解昏鹃，此次宕機(jī)事故的原因是：機(jī)房內(nèi)電力負(fù)載過高息尺，造成配電柜開關(guān)跳閘蝗柔，供電中斷，空調(diào)停止運(yùn)行，生產(chǎn)機(jī)房溫度升高導(dǎo)致的設(shè)備宕機(jī)。
其實(shí)蹲坷，類似的事件不是第一次發(fā)生了，之前中國信息通信研究院的專家就針對數(shù)據(jù)中心機(jī)房故障的原因作出過總結(jié)邑飒，專家們表示循签，數(shù)據(jù)中心機(jī)房故障多發(fā)的原因關(guān)鍵還是在運(yùn)維管理上，所謂“三分技術(shù)幸乒，七分管理”懦底，數(shù)據(jù)中心的故障大多來自人禍。
結(jié)合事件原因及之前案例罕扎，我們不難分析，導(dǎo)致此次事故的很大一部分原因也是“運(yùn)維管理不到位”丐重。
首先腔召，在建設(shè)數(shù)據(jù)中心之前沒有對負(fù)載做出充分的預(yù)估，導(dǎo)致電閘配置不能滿足負(fù)載的需要扮惦；
其次臀蛛，在發(fā)生事故之后，應(yīng)急處置能力不足，導(dǎo)致不能及時(shí)的解決突發(fā)事件浊仆；
另外客峭，機(jī)房制冷方面僅依賴空調(diào)制冷，沒有設(shè)置高溫應(yīng)急措施抡柿，導(dǎo)致機(jī)房持續(xù)高溫舔琅。
頻繁的數(shù)據(jù)中心故障和宕機(jī)事故表明，某些數(shù)據(jù)中心在一味滿足客戶個(gè)性化需求的同時(shí)洲劣，忽略了自身運(yùn)維管理能力的提升备蚓，導(dǎo)致數(shù)據(jù)中心可靠性降低，從而發(fā)生此類事件囱稽。
在運(yùn)維過程中郊尝，數(shù)據(jù)中心其實(shí)面臨著諸多的挑戰(zhàn)：
比如數(shù)據(jù)中心的運(yùn)營費(fèi)用，這就要求在建立數(shù)據(jù)中心之前战惊，進(jìn)行預(yù)算和規(guī)劃流昏；又比如能源成本上升，這可以通過使用新技術(shù)緩解吞获，例如虛擬化和云主機(jī)托管况凉，可以大大降低能源成本；再比如維護(hù)和冷卻要求衫哥，數(shù)據(jù)中心設(shè)施和組件需要在適合的溫度下全天不間斷的工作茎刚，這需要完善的冷卻系統(tǒng)，以保持所需的溫度撤逢。
除此以外膛锭，數(shù)據(jù)中心還面臨著溝通融合、基礎(chǔ)設(shè)施要求蚊荣、缺乏資源初狰、服務(wù)器效率、數(shù)據(jù)中心安全互例、網(wǎng)絡(luò)阻塞等挑戰(zhàn)奢入。但是，數(shù)據(jù)中心最不愿意見到的事情莫過于斷電媳叨，這將會給運(yùn)維人員帶來很多的麻煩腥光。近來，不少公司因?yàn)閿?shù)據(jù)中心的電力中斷而備受困擾糊秆，比如美國達(dá)美航空公司數(shù)據(jù)中心的電力中斷武福，造成高達(dá)1.5億美元的經(jīng)濟(jì)損失，又比如美國“超級碗”賽場斷電痘番，耽誤賽事日程捉片。
那么平痰，是什么原因?qū)е聰嚯娔兀坎僮鲉T的誤操作伍纫、停電宗雇，也有可能是服務(wù)器負(fù)載過重，從而導(dǎo)致系統(tǒng)崩潰莹规。
雖然數(shù)據(jù)中心斷電是非常嚴(yán)重的問題赔蒲，但是我們還是希望有相關(guān)的解決方案。在這里访惜，我們需要確定幾個(gè)問題嘹履。
跟隨數(shù)據(jù)中心的變化，電力系統(tǒng)進(jìn)行升級
可以說數(shù)據(jù)中心的不同階段债热，對電力需求也在不停的變化砾嫉，比如增加服務(wù)器或者交換機(jī)都有可能對電力產(chǎn)生巨大的需求，所以及時(shí)掌握數(shù)據(jù)中心在這一時(shí)間段對電力的需求窒篱，變得十分重要焕刮。
此外，還需要對數(shù)據(jù)中心的供電進(jìn)行合理的評估墙杯，以免數(shù)據(jù)中心超載配并，供電不足造成停電的狀況。
知道所有互連設(shè)備和系統(tǒng)的一切情況
對于數(shù)據(jù)中心運(yùn)營至關(guān)重要的是高镐，需要電力鏈記錄在一起溉旋，從進(jìn)入建筑物的電力，再通過UPS嫉髓、PDU/提供給所有的機(jī)架設(shè)備观腊。這意味著數(shù)據(jù)中心運(yùn)營需要知道哪些與電力相關(guān)的設(shè)備，以及設(shè)備各自的相互依賴關(guān)系算行。這可以讓數(shù)據(jù)中心運(yùn)營了解某些設(shè)備故障或脫機(jī)維護(hù)時(shí)的潛在影響梧油。此外，還應(yīng)該了解每個(gè)電源鏈設(shè)備的狀態(tài)州邢。
可以通過采用數(shù)據(jù)中心基礎(chǔ)架構(gòu)管理(DCIM)實(shí)現(xiàn)對電源管理儡陨。DCIM使數(shù)據(jù)中心運(yùn)營能夠以最高的效率運(yùn)行數(shù)據(jù)中心，同時(shí)允許所有相關(guān)人員改進(jìn)整體運(yùn)營情況量淌，并識別漏洞骗村，從而保持電源鏈的安全。部署的DCIM還可以讓數(shù)據(jù)中心運(yùn)營全面了解自己的產(chǎn)品呀枢，通過共享實(shí)時(shí)數(shù)據(jù)和易于理解的圖表叙身，消除IT和設(shè)施之間的通信孤島。
確保電源系統(tǒng)沒有受到攻擊或威脅
數(shù)據(jù)中心是通過網(wǎng)絡(luò)進(jìn)行連接硫狞，當(dāng)然除了基架中包含的終端和訪問點(diǎn)之外，很多渠道可能會成為破壞數(shù)據(jù)中心的途徑，所以保護(hù)這些渠道免受破壞残吩，成為數(shù)據(jù)中心建設(shè)需要考慮的問題财忽。
在這里，網(wǎng)絡(luò)攻擊成為一種可能性泣侮，很多黑客可能不直接破壞供電系統(tǒng)即彪，而是通過網(wǎng)絡(luò)進(jìn)入到數(shù)據(jù)中心，以達(dá)到破壞數(shù)據(jù)中心供電的目的活尊。此外隶校，我們不應(yīng)該只防止通過網(wǎng)絡(luò)手段對數(shù)據(jù)中心進(jìn)行破壞的黑客，還應(yīng)該防止內(nèi)部人員的破壞蛹锰，有些工作人員因?yàn)樽陨斫?jīng)驗(yàn)不足深胳，一個(gè)小小的錯(cuò)誤，有可能導(dǎo)致數(shù)據(jù)中心供電的中斷铜犬。
所以舞终，為了防止通過以上手段進(jìn)行破壞的行為，建立運(yùn)維文檔和流程控制變得十分重要癣猾。在這里敛劝，采用更多的硬件不是防止災(zāi)難性停電的最佳選擇，不妨采用軟件層面的管理纷宇，來的更加穩(wěn)妥一些夸盟。
不妨多模擬故障安全測試，做好完整的災(zāi)難恢復(fù)計(jì)劃
數(shù)據(jù)中心在運(yùn)營過程中像捶，難免會出一些故障上陕，所謂有備而無患，在真正出bug的狀況下作岖，之前遇到過或者曾經(jīng)模擬了出錯(cuò)的場景唆垃，才更有經(jīng)驗(yàn)去應(yīng)對故障。在這里痘儡，我們建議在不影響業(yè)務(wù)環(huán)境的情況下對數(shù)據(jù)中心進(jìn)行斷電測試辕万，使用虛擬的開關(guān)設(shè)備，將允許數(shù)據(jù)中心運(yùn)營商可以應(yīng)對最壞的情況沉删，并對其進(jìn)行恢復(fù)渐尿。
數(shù)據(jù)中心工作人員總是假設(shè)他們的電源供應(yīng)鏈和電源備份系統(tǒng)是萬無一失的，但是如果沒有故障安全測試矾瑰，會認(rèn)為面臨什么樣的結(jié)果?電源故障模擬使數(shù)據(jù)中心運(yùn)營商可能找到缺乏冗余的設(shè)施砖茸，并發(fā)現(xiàn)單點(diǎn)故障。但是殴穴，這需要文檔進(jìn)行記錄凉夯。因此货葬，數(shù)據(jù)中心運(yùn)營商在災(zāi)難性的電源故障之前，建立斷電測試機(jī)制并記錄其恢復(fù)過程劲够。
數(shù)據(jù)中心建設(shè)應(yīng)該實(shí)時(shí)監(jiān)控操作
對數(shù)據(jù)中心進(jìn)行實(shí)時(shí)監(jiān)控操作震桶，是以防萬一的做法，所以數(shù)據(jù)中心運(yùn)營商必須知道設(shè)備都被放在哪里征绎，以及使用了多少電能蹲姐。雖然對于不斷增加基礎(chǔ)架構(gòu)的數(shù)據(jù)中心來說，這很困難人柿，也有可能對電池容量和電源分配產(chǎn)生巨大的影響柴墩，但是注意所有移動部件的唯一方法就是單一視圖，這種整體視圖具有實(shí)時(shí)監(jiān)控和警報(bào)的功能凫岖，使數(shù)據(jù)中心運(yùn)營商能夠減輕風(fēng)險(xiǎn)江咳，并進(jìn)行更改以避免災(zāi)難發(fā)生。
寫在最后
數(shù)據(jù)中心一旦斷電隘截，造成的經(jīng)濟(jì)損失不可估量扎阶，不妨從上述的這些方法做起，對數(shù)據(jù)中心每個(gè)環(huán)節(jié)進(jìn)行防護(hù)婶芭，這樣才能更好地對數(shù)據(jù)中心進(jìn)行運(yùn)維东臀。
ServiceHot ITSOM 平臺
持續(xù)免費(fèi)試用中>>>
www.itsmcn.com
