主机运维应急预案简介.pdfVIP

交流之窗 59 主机运维应急预案简介  崔志昂 上海超级计算中心 上海 201203zacui@ssc.net.cn  魏玉琪 上海超级计算中心 上海 201203yqwei@ssc.net.cn 引言： 高性能计算技术及应用水平已成为显示综合国力的一种标志。高性能计算机持续不间断地 为用户提供高性能计算服务，而运维应急预案是主机运行中处理突发事件的依据和方法，是主 机系统稳定运行的保障。本文简要介绍上海超级计算中心主机运维应急预案，供同行参考。 1.主机和运维管理制度简介 房管理制度、应急预案、操作方法、运行记录共四 超级计算机是功能最强、运算速度最快、存 大类（如图1所示）。 储容量最大的一类计算机。目前只有少数国家掌握 研发技术，系统造价非常昂贵，多用于国家高科技 领域和尖端技术研究，是国家科技发展水平和综合 国力的重要标志。上海超级计算中心作为上海信息 港主体工程之一，国家和上海市政府投资先后引 进神威-I超级计算机、神威-64P集群计算机、曙光 4000A超级计算机系统并投入商业化运行。 上海超级计算中心自2001年正式开通至今， 这些高性能计算机系统已安全、稳定运行七年多时 图1 应急预案分类 间，上机用户取得了丰硕的科研成果和社会效益。 应急预案在应急系统中起着关键作用，它明确 在这七年中，为保障这些高性能计算机系统安全、 了在突发紧急情况发生之前、发生过程中以及刚刚 稳定、不间断地运行，技术支持部在中心引进第一 结束之后，谁负责做什么、何时做，以及相应的策 台高性能计算机--神威-I超级计算机系统的同时，建 略和资源准备等。它是针对可能发生的重大事故， 立了机房应急预案、运行记录、设备运行参数等基 按照其影响和后果严重程度，在应急准备、响应、 础运维制度，在二期引进曙光4000A超级计算机系统 操作各个方面预先做出的详细安排，是开展及时、 过程中，不断完善原有运维制度，并针对该主机系 有序和有效事故应急工作的行动指南。因此，应急 统特点编写了大量操作方法和应急预案。 预案在这四类运维管理文档中处于最为重要的地位。 中心自2006年获得ISO27001（BS7799）信息安 全认证以来，技术支持部根据其要求规范了文档体 3.应急预案分类 系建设，形成了机房管理制度、应急预案、操作方 应急预案按重要性和事件种类，可以划分为消 法、运行情况记录的四大类运维文档。 防预案、断电预案、空调预案、其他预案共4种，预 正是这些运维管理制度的不断完善和有效执 案各文档之间彼此独立又互为关联，具有非常强的 行，才确保了资产价值高、服务对象广、社会影 可操作性。制定预案的指导原则是尽一切可能，最 响大的中心主机系统安全、稳定运行，保障重点项 大限度地确保向用户提供的服务不中断。在紧急事 目、用户服务的连续性。 件发生的情况下，保证核心设备连续运行，避免存