容灾备份系统运维标准.docxVIP

容灾备份系统运维标准

说句实在话，我干企业信息化运维快十年，见过太多血淋淋的教训：不少企业花了几百万甚至上千万搭好容灾备份系统，就觉得买了终身保险，扔在那边不管不问，真遇到生产机房断电、黑客加密勒索、硬件集体故障的时候，才发现容灾节点数据坏了、切不出去、功能用不了，最后只能眼睁睁看着业务停摆，损失几千万都回不来。其实容灾备份系统的核心价值，从来都不是“搭起来”，而是“运维好”，只有明确清晰、可落地执行的运维标准，才能让这套系统在关键时候真的顶得上。本文就从实际运维工作出发，梳理容灾备份系统全流程的运维标准，给同行做个参考。

1日常基础运维工作标准

日常基础运维是容灾备份系统稳定运行的根基，所有标准都围绕“随时可用”这个核心目标落地，容灾系统常年处于备用状态，最容易出问题的就是没人盯着的小细节，具体标准可以分成三个部分：

1.1日常监控与巡检标准

监控巡检是最先要做的事，不能等出了问题才发现，分层级的监控标准非常重要：第一层是基础设施层，容灾站点的服务器、存储设备、网络交换机、机房环境都要纳入监控，要求7*24小时实时告警，机房温度超过25摄氏度、电源电压波动超过正常范围、硬件出现故障预警，都要在10分钟内推送到责任人手机上。人工巡检的要求是：核心业务的容灾系统，每天至少有一次人工复核告警信息，每周至少一次现场巡检，检查设备运行状态、接线有没有松动、离线备份介质存放环境合不合格；