IT運(yùn)維管理是時(shí)下IT界最熱門的話題之一。眾所周知，IT運(yùn)維管理的作用就是保障IT數(shù)據(jù)的連續(xù)性及業(yè)務(wù)的正常保存。因此，數(shù)據(jù)中心的正常運(yùn)營(yíng)離不開IT運(yùn)維部門的支撐。
數(shù)據(jù)中心的正常運(yùn)轉(zhuǎn)離不開運(yùn)維，運(yùn)維在數(shù)據(jù)中心中扮演的角色越來越重要。很多人也在探討新的運(yùn)維技術(shù)，以便可以通過技術(shù)更新來進(jìn)一步提升運(yùn)維水平。傳統(tǒng)的運(yùn)維絕大部分都是被動(dòng)式地處理問題，即將系統(tǒng)建好，設(shè)備上線之后，就守著這些設(shè)備，確保不出問題，真出了問題快速響應(yīng)去解決，這種運(yùn)維方式，工作量體現(xiàn)在出現(xiàn)問題之后，解決問題的能力是運(yùn)維能力的重要體現(xiàn)方面。
但是，亡羊補(bǔ)牢，很多時(shí)候悔之晚矣，損失已經(jīng)發(fā)生，再怎么挽回也只能是盡量減少損失、止損。新運(yùn)維的技術(shù)都倡導(dǎo)將運(yùn)維的工作提前，要未雨綢繆、防患于未然，狀態(tài)運(yùn)維就是其中一種。所謂的狀態(tài)運(yùn)維技術(shù)，是一種預(yù)防性的運(yùn)維方式，以設(shè)備實(shí)時(shí)運(yùn)行狀態(tài)和技術(shù)參數(shù)為依據(jù)，對(duì)設(shè)備健康情況和所處的狀態(tài)進(jìn)行評(píng)價(jià)，隨后制定相應(yīng)運(yùn)維的行動(dòng)計(jì)劃。狀態(tài)運(yùn)維是根據(jù)設(shè)備日常運(yùn)行情況記錄、周期性檢查記錄和在線狀態(tài)監(jiān)測(cè)等提供設(shè)備當(dāng)前和歷史信息資料，通過對(duì)這些信息資料進(jìn)行分析處理，來判斷設(shè)備是否處于健康的運(yùn)行狀態(tài)和可能發(fā)生的變化趨勢(shì)，及時(shí)發(fā)現(xiàn)故障特征，在事故發(fā)生前采取合理的運(yùn)維行動(dòng)，防止故障突然發(fā)生，保證設(shè)備一直處于健康的運(yùn)行狀態(tài)。
狀態(tài)運(yùn)維是將運(yùn)維的工作做在了故障發(fā)生前，通過其故障前的一系列表現(xiàn)，提前發(fā)現(xiàn)問題。這就像是地震預(yù)測(cè)，雖說地震預(yù)測(cè)技術(shù)還不夠準(zhǔn)確，但不少時(shí)候已經(jīng)可以提前一定時(shí)間發(fā)現(xiàn)哪里有可能會(huì)發(fā)生地震，這樣就可以在地震來之前，將人員和物品轉(zhuǎn)移走，避免人員傷亡。
大數(shù)據(jù)和人工智能是狀態(tài)運(yùn)維必不可少的技術(shù)，若不是這兩種技術(shù)的出現(xiàn)和火熱，也不可能出現(xiàn)狀態(tài)運(yùn)維的概念。狀態(tài)運(yùn)維的技術(shù)要依靠大量的歷史數(shù)據(jù)，這包括設(shè)備之前運(yùn)行的所有狀態(tài)，發(fā)生過的所有故障，一臺(tái)設(shè)備的各種日志信息、告警、故障表現(xiàn)、特性等數(shù)據(jù)都不少，要將數(shù)據(jù)中心所有設(shè)備的這些信息都集中起來，那必然是海量數(shù)據(jù)，還要從這些海量數(shù)據(jù)找到一定的必然規(guī)律，這就需要借助大數(shù)據(jù)技術(shù)分析，得出一些有總結(jié)的東西出來。比如：當(dāng)設(shè)備出現(xiàn)內(nèi)部端口DOWN告警，就知道會(huì)影響到網(wǎng)絡(luò)轉(zhuǎn)發(fā)流量，就需要將這臺(tái)設(shè)備隔離，讓網(wǎng)絡(luò)流量不流經(jīng)這臺(tái)設(shè)備;比如發(fā)現(xiàn)設(shè)備CPU高，設(shè)備的狀態(tài)效率就會(huì)降低，在設(shè)備癱了之前，就要找到導(dǎo)致CPU高的原因，將CPU降下來，避免故障的發(fā)生，通過大數(shù)據(jù)技術(shù)讓狀態(tài)運(yùn)維可以做到預(yù)防運(yùn)維。狀態(tài)的運(yùn)維還要依仗人工智能進(jìn)行一定的預(yù)判，分析設(shè)備未來的工作狀態(tài)，比如設(shè)備內(nèi)部溫度每升高一度，狀態(tài)效率就要下降20%，類似這樣的預(yù)測(cè)分析。
俗話說“冰凍三尺，非一日之寒”，任何事物都是由量變到質(zhì)變的發(fā)展過程，在故障發(fā)生之前，設(shè)備多多少少都會(huì)有一些異常表現(xiàn)。有人可能會(huì)說，設(shè)備若發(fā)生硬件故障，怎么預(yù)測(cè)，天知道明天會(huì)有哪臺(tái)設(shè)備會(huì)出現(xiàn)硬件故障。其實(shí)依然有手段可以監(jiān)測(cè)，從而做到預(yù)判，只不過現(xiàn)在的監(jiān)測(cè)技術(shù)還比較初級(jí)，不夠深入。若將設(shè)備CPU的時(shí)鐘、Catch內(nèi)存、指令運(yùn)算這些過程都監(jiān)控起來，那么只要CPU運(yùn)行有偏差，就會(huì)發(fā)現(xiàn)，任何一個(gè)CPU故障都有一個(gè)過程，不可能一下子所有的模塊部件都不靈光了，在其CPU徹底死掉之前，抓到異常信息即可，這樣瞬間將業(yè)務(wù)遷移到其它設(shè)備上去，將這臺(tái)設(shè)備隔離，從而避免等到CPU徹底死掉，業(yè)務(wù)掛掉再去處理，通過人工智能技術(shù)讓狀態(tài)運(yùn)維可以做到預(yù)知運(yùn)維。
狀態(tài)運(yùn)維不僅可以保障設(shè)備持續(xù)健康運(yùn)行，減少失效時(shí)間，提高生產(chǎn)率，還大大降低了大型設(shè)備由于故障停機(jī)造成數(shù)據(jù)中心的財(cái)產(chǎn)損失和設(shè)備的運(yùn)維成本，改善庫存和供應(yīng)鏈，對(duì)增加數(shù)據(jù)中心利潤(rùn)，改善數(shù)據(jù)中心經(jīng)濟(jì)效益具有切實(shí)重要的指導(dǎo)意義。
現(xiàn)在，狀態(tài)運(yùn)維受到越來越多人的重視，數(shù)據(jù)中心已經(jīng)不允許隨意中斷業(yè)務(wù)，很多技術(shù)專家都在絞盡腦汁為數(shù)據(jù)中心的穩(wěn)定運(yùn)行出謀劃策，狀態(tài)運(yùn)維是數(shù)據(jù)中心要走的必由之路。不過，現(xiàn)在的數(shù)據(jù)中心運(yùn)維水平差距有點(diǎn)大，能夠做到預(yù)防運(yùn)維的翎毛鳳角，能做到預(yù)知運(yùn)維的恐怕還沒有，不然怎么那么多大型數(shù)據(jù)中心時(shí)不時(shí)的還在發(fā)生一些影響業(yè)務(wù)的故障呢，連亞馬遜、阿里云這類的技術(shù)型巨頭企業(yè)都避免不了。所以，基于狀態(tài)運(yùn)維的發(fā)展方向沒錯(cuò)，但還需要努力，需要大量的歷史有效數(shù)據(jù)，而不是無用的垃圾數(shù)據(jù);需要先進(jìn)的適合數(shù)據(jù)中心環(huán)境的人工智能技術(shù)，而不是隨便拿來人工智能技術(shù)硬往數(shù)據(jù)中心的設(shè)備上套，那預(yù)知結(jié)果很可能會(huì)事與愿違，反而成了開展運(yùn)維工作的絆腳石，最怕不出故障時(shí)天天預(yù)報(bào)，真出了故障又不報(bào)，這樣的技術(shù)不用也罷。
狀態(tài)運(yùn)維作為未來數(shù)據(jù)中心運(yùn)維的發(fā)展方向，必將為數(shù)據(jù)中心帶來無限好處。其實(shí)，早在二十年前1998年，美國(guó)軍方就提出故障預(yù)測(cè)與健康管理PHM這一概念，對(duì)設(shè)備由定期運(yùn)維轉(zhuǎn)變成預(yù)知性的運(yùn)維，只不過當(dāng)時(shí)的計(jì)算機(jī)技術(shù)還不夠發(fā)達(dá)，計(jì)算能力也較低，很多想法沒有技術(shù)可以實(shí)現(xiàn)?，F(xiàn)如今，云計(jì)算、大數(shù)據(jù)、人工智能計(jì)等新技術(shù)撲面而來，計(jì)算能力也得到急速提升，就算單機(jī)的計(jì)算速度有限，也可以通過云計(jì)算將多臺(tái)設(shè)備聯(lián)合起來同時(shí)計(jì)算，這樣就不存在計(jì)算能力限制的問題。狀態(tài)運(yùn)維呼之欲出，再次來到人們面前。雖很多技術(shù)仍需完善，數(shù)據(jù)中心的基礎(chǔ)水平也可能不夠，但并不妨礙這一技術(shù)的發(fā)展，為數(shù)據(jù)中心的運(yùn)維添磚加瓦。
（原標(biāo)題：談數(shù)據(jù)中心設(shè)備狀態(tài)運(yùn)維技術(shù)）
