数据中心日常运维及应急处理方案.docVIP

数据中心日常运维及应急处理方案  数据中心要保持稳定的运行，需要大量的专业技术人员。一般承担重要业务的数据中心都是有人24小时值守，无人值守的数据中心一般只能承担不重要业务，完全无人管理运维的数据中心几乎没有。所以数据中心日常运维工作烦琐，但又很重要。随着人们的工作生活对数据的完全依赖，承载数据计算、运行的数据中心正发挥着越来越重要的作用，这更突显出运维工作的重要。 当一个数据中心建成投产后，运维工作就开始了，一直到数据中心的生命周期结束。一般我们可以将数据中心的运维工作分为四大类：一是日常检查类;二是应用变更、部署类;三是软、硬件升级类;四是突发故障处理类，下面就来详细说一说这些运维工作，让大家对运维工作有个了解。 1、数据中心日常运维工作、日常检查 “千里之堤，溃于蚁穴”。任何的故障在出现之前都可能会有所表现，小的隐患不消除，可能导致重大的故障出现，所以数据中心日常的例行检查工作枯燥，但也很重要，可以及时发现一些运行中的隐患。根据数据中心承载业务重要性的不同，要对数据中心里的所有运行的设备进行例行检查。一些数据中心设备厂商提供了检查软件，比如网管软件，安全防护软件等。可以利用这些软件对数据中心网络[注]进行检查，看日志是否有异常告警，网络是否出现过短时中断，端口是否出现UP/DOWN等。通过网络探测软件看网络质量如何。检查服务器应用服务是否正常，CPU内存等利用率是否正常。对应用业务进行检查，比如如果有搜索业务，就可以通过服务器进行单词搜索，看搜索的结果和延迟是否在正常的范围之内。这些检查每日都要重复检查，一旦有异常及时处理与消除，必要时将重要业务切换到备用环境中，然后排除后再切回。 对数据中心的机房环境也要进行检查，环境的温度、湿度、灰尘是否合乎要求。空调、供电系统进行运行良好，设备运行是否过热，地板、天窗、消防、监控都是检查的部分。不合理的地方要及时进行整改，而不应该偷懒。经常到一些数据中心，就会发现值班运维人员很多都抱着电脑在浏览网页，打游戏。对于日常检查应付一下，甚至根本不去检查，只要没有出现故障，就打游戏消耗时间，这样数据中心出现故障是迟早的事。一旦出现故障就毛手毛脚，甚至哪个业务走的哪个设备，哪个端口哪个网线都不清楚，本来一个小故障可能因为不熟悉导致大故障，因此日常检查绝不能应付，虽然需要不断重复，但却很重要，在持续的检查过程中，将会对数据中心的理解越来越深，这样每次检查都会有新的发现，在检查中进行学习。 2、数据中心日常运维工作、应用变更 数据中心承载的业务不会是一成不变的，随着业务的多样化，经常要对业务进行调整，包括服务器和网络的设置。因此要对服务器和网络设备操作很熟悉，主要需要掌握服务器命令和网络协议。要根据应用的需要，做出变更。这时就对运维人员提出了更高的要求，不仅是对数据中心原有业务要非常熟悉，还要对新上的应用业务有正确的理解，这样才能在不影响原有业务的基础上做调整。这样的应用变更每个月可能都要做几次，是数据中心运维人员的必修课，突显了一个技术人员的基本技能水平。这时要对设备操作命令比较熟悉，懂得如何实现业务，要经常和设备厂商的技术人员打交道，通过交流尽快掌握设备操作方法。同时，由于设备厂商对应用业务缺乏了解，这就需要运维人员在应用业务和设备具体实现之间做好协调，处理。以最快的时间和最小的代价完成应用业务部署。 3、数据中心日常运维工作、软硬件升级 数据中心的设备一般运行周期是五年，不断地有设备需要逐渐淘汰进行更换，也有一些设备因为存在软件缺陷需要升级，因此软硬件升级也是运维工作的一部分，尤其是软硬件出现故障时，就必须要进行更换。有时为了不影响业务，往往还需要设备厂商提供软件补丁来解决问题。数据中心的设备成百上千，出现软硬件故障很正常，所以要不断地进行软硬件升级，这类工作往往都要在业务量最少的凌晨之后进行，运维人员通宵熬夜是常有的事，运维人员要有一个良好的身体素质，否则会吃不消。软硬件升级时需要做好回退机制，以防升级出现问题时无法回退，业务长时间无法恢复。当接手数据中心运维工作就会发现，怎么会有那么多的升级，几乎每个月都要有升级操作，熬夜升级工作成了运维人员的家常便饭。 4、数据中心日常运维工作、突发故障 没有任何一个数据中心是不出故障的，在数据中心运行的过程中都会出现这样那样的问题。这时就显示出运维人员的高技能水平，根据统计百分之八十的故障都是人为故障，所以运维人员的水平高低往往决定了一个数据中心运行的稳定程度。另外对于突发故障，高水平的运维人员可以静下心来冷静分析故障的触发原因，迅速找到解决的方法，如果在短时间内找不到解决方法，也可以通过切换到备用设备上先恢复业务，再进行分析。这时拥有高水平的运维人员对于一个数据中心至关重要，在关键时刻就能派上用场。 虽然这些工作看起来有些平常，但千万别小看它