大数据平台运维技术要求(试行).docxVIP

大数据平台运维技术要求(试行)

1基础环境运维技术要求

1.1服务器硬件运维

（1）建立每周1次的全集群硬件健康巡检机制，巡检范围覆盖CPU、内存、磁盘、电源、风扇、RAID卡、网卡等所有硬件模块，硬件告警处置响应时间不超过15分钟，故障部件更换时长不超过4小时，全集群季度硬件故障率控制在0.5%以内。对于存储密度大于36盘的冷存储节点，每两周增加一次磁盘坏道专项扫描，单块磁盘坏道数量超过10块必须强制更换，单节点双电源冗余架构下，单个电源故障不得引发节点下线或集群服务中断。

（2）核心节点必须配置冗余硬件，包括双电源、双网卡、RAID卡冗余，核心节点硬件故障导致服务中断的年度时长不得超过4分钟。

1.2网络运维

（1）集群节点核心互联带宽不低于10Gbps，跨可用区（AZ）集群互联带宽不低于25Gbps，全网网络丢包率控制在0.1%以内，节点间平均网络延迟不超过1ms，跨AZ节点间延迟不超过10ms。跨地域多活集群必须配置冗余主备互联链路，主链路故障自动切换时间不超过10秒，切换后不得影响数据传输一致性，每月开展1次主备链路切换演练。

（2）每季度开展1次全链路网络压测，验证满负载下网络带宽、延迟符合要求；每半年梳理1次访问控制列表（ACL）规则，清理过期无效规则，避免规则冗余引发性能下降。防火墙会话超时配置必须匹配大数据组件长连接要求，HDFS、YARN、HBase等核心