數(shù)據(jù)中心要保持穩(wěn)定的運(yùn)行，需要大量的專(zhuān)業(yè)技術(shù)人員。一般承擔(dān)重要業(yè)務(wù)的數(shù)據(jù)中心都是有人24小時(shí)值守，無(wú)人值守的數(shù)據(jù)中心一般只能承擔(dān)不重要業(yè)務(wù)，完全無(wú)人管理維護(hù)的數(shù)據(jù)中心幾乎沒(méi)有。所以數(shù)據(jù)中心日常維護(hù)工作煩瑣，但又很重要。隨著人們的工作生活對(duì)數(shù)據(jù)的完全依賴(lài)，承載數(shù)據(jù)計(jì)算、運(yùn)行的數(shù)據(jù)中心正發(fā)揮著越來(lái)越重要的作用，這更突顯出維護(hù)工作的重要。
當(dāng)一個(gè)數(shù)據(jù)中心建成投產(chǎn)后，維護(hù)工作就開(kāi)始了，一直到數(shù)據(jù)中心的生命周期結(jié)束。一般我們可以將數(shù)據(jù)中心的維護(hù)工作分為四大類(lèi)：一是日常檢查類(lèi);二是應(yīng)用變更、部署類(lèi);三是軟、硬件升級(jí)類(lèi);四是突發(fā)故障處理類(lèi)，下面就來(lái)詳細(xì)說(shuō)一說(shuō)這些維護(hù)工作，讓大家對(duì)維護(hù)工作有個(gè)了解。
日常檢查
“千里之堤，潰于蟻穴”。任何的故障在出現(xiàn)之前都可能會(huì)有所表現(xiàn)，小的隱患不消除，可能導(dǎo)致重大的故障出現(xiàn)，所以數(shù)據(jù)中心日常的例行檢查工作枯燥，但也很重要，可以及時(shí)發(fā)現(xiàn)一些運(yùn)行中的隱患。根據(jù)數(shù)據(jù)中心承載業(yè)務(wù)重要性的不同，要對(duì)數(shù)據(jù)中心里的所有運(yùn)行的設(shè)備進(jìn)行例行檢查。一些數(shù)據(jù)中心設(shè)備廠商提供了檢查軟件，比如網(wǎng)管軟件，安全防護(hù)軟件等?？梢岳眠@些軟件對(duì)數(shù)據(jù)中心網(wǎng)絡(luò)進(jìn)行檢查，看日志是否有異常告警，網(wǎng)絡(luò)是否出現(xiàn)過(guò)短時(shí)中斷，端口是否出現(xiàn)UP/DOWN等。通過(guò)網(wǎng)絡(luò)探測(cè)軟件看網(wǎng)絡(luò)質(zhì)量如何。檢查服務(wù)器應(yīng)用服務(wù)是否正常，CPU內(nèi)存等利用率是否正常。對(duì)應(yīng)用業(yè)務(wù)進(jìn)行檢查，比如如果有搜索業(yè)務(wù)，就可以通過(guò)服務(wù)器進(jìn)行單詞搜索，看搜索的結(jié)果和延遲是否在正常的范圍之內(nèi)。這些檢查每日都要重復(fù)檢查，一旦有異常及時(shí)處理與消除，必要時(shí)將重要業(yè)務(wù)切換到備用環(huán)境中，然后排除后再切回。
對(duì)數(shù)據(jù)中心的機(jī)房環(huán)境也要進(jìn)行檢查，環(huán)境的溫度、濕度、灰塵是否合乎要求。空調(diào)、供電系統(tǒng)進(jìn)行運(yùn)行良好，設(shè)備運(yùn)行是否過(guò)熱，地板、天窗、消防、監(jiān)控都是檢查的部分。不合理的地方要及時(shí)進(jìn)行整改，而不應(yīng)該偷懶。經(jīng)常到一些數(shù)據(jù)中心，就會(huì)發(fā)現(xiàn)值班維護(hù)人員很多都抱著電腦在瀏覽網(wǎng)頁(yè)，打游戲。對(duì)于日常檢查應(yīng)付一下，甚至根本不去檢查，只要沒(méi)有出現(xiàn)故障，就打游戲消耗時(shí)間，這樣數(shù)據(jù)中心出現(xiàn)故障是遲早的事。一旦出現(xiàn)故障就毛手毛腳，甚至哪個(gè)業(yè)務(wù)走的哪個(gè)設(shè)備，哪個(gè)端口哪個(gè)網(wǎng)線都不清楚，本來(lái)一個(gè)小故障可能因?yàn)椴皇煜?dǎo)致大故障，因此日常檢查絕不能應(yīng)付，雖然需要不斷重復(fù)，但卻很重要，在持續(xù)的檢查過(guò)程中，將會(huì)對(duì)數(shù)據(jù)中心的理解越來(lái)越深，這樣每次檢查都會(huì)有新的發(fā)現(xiàn)，在檢查中進(jìn)行學(xué)習(xí)。
應(yīng)用變更
數(shù)據(jù)中心承載的業(yè)務(wù)不會(huì)是一成不變的，隨著業(yè)務(wù)的多樣化，經(jīng)常要對(duì)業(yè)務(wù)進(jìn)行調(diào)整，包括服務(wù)器和網(wǎng)絡(luò)的設(shè)置。因此要對(duì)服務(wù)器和網(wǎng)絡(luò)設(shè)備操作很熟悉，主要需要掌握Linux服務(wù)器命令和網(wǎng)絡(luò)協(xié)議。要根據(jù)應(yīng)用的需要，做出變更。這時(shí)就對(duì)維護(hù)人員提出了更高的要求，不僅是對(duì)數(shù)據(jù)中心原有業(yè)務(wù)要非常熟悉，還要對(duì)新上的應(yīng)用業(yè)務(wù)有正確的理解，這樣才能在不影響原有業(yè)務(wù)的基礎(chǔ)上做調(diào)整。這樣的應(yīng)用變更每個(gè)月可能都要做幾次，是數(shù)據(jù)中心維護(hù)人員的必修課，突顯了一個(gè)技術(shù)人員的基本技能水平。這時(shí)要對(duì)設(shè)備操作命令比較熟悉，懂得如何實(shí)現(xiàn)業(yè)務(wù)，要經(jīng)常和設(shè)備廠商的技術(shù)人員打交道，通過(guò)交流盡快掌握設(shè)備操作方法。同時(shí)，由于設(shè)備廠商對(duì)應(yīng)用業(yè)務(wù)缺乏了解，這就需要維護(hù)人員在應(yīng)用業(yè)務(wù)和設(shè)備具體實(shí)現(xiàn)之間做好協(xié)調(diào)，處理。以最快的時(shí)間和最小的代價(jià)完成應(yīng)用業(yè)務(wù)部署。
軟硬件升級(jí)
數(shù)據(jù)中心的設(shè)備一般運(yùn)行周期是五年，不斷地有設(shè)備需要逐漸淘汰進(jìn)行更換，也有一些設(shè)備因?yàn)榇嬖谲浖毕菪枰?jí)，因此軟硬件升級(jí)也是維護(hù)工作的一部分，尤其是軟硬件出現(xiàn)故障時(shí)，就必須要進(jìn)行更換。有時(shí)為了不影響業(yè)務(wù)，往往還需要設(shè)備廠商提供軟件補(bǔ)丁來(lái)解決問(wèn)題。數(shù)據(jù)中心的設(shè)備成百上千，出現(xiàn)軟硬件故障很正常，所以要不斷地進(jìn)行軟硬件升級(jí)，這類(lèi)工作往往都要在業(yè)務(wù)量最少的凌晨之后進(jìn)行，維護(hù)人員通宵熬夜是常有的事，維護(hù)人員要有一個(gè)良好的身體素質(zhì)，否則會(huì)吃不消。軟硬件升級(jí)時(shí)需要做好回退機(jī)制，以防升級(jí)出現(xiàn)問(wèn)題時(shí)無(wú)法回退，業(yè)務(wù)長(zhǎng)時(shí)間無(wú)法恢復(fù)。當(dāng)接手?jǐn)?shù)據(jù)中心維護(hù)工作就會(huì)發(fā)現(xiàn)，怎么會(huì)有那么多的升級(jí)，幾乎每個(gè)月都要有升級(jí)操作，熬夜升級(jí)工作成了維護(hù)人員的家常便飯。
突發(fā)故障
沒(méi)有任何一個(gè)數(shù)據(jù)中心是不出故障的，在數(shù)據(jù)中心運(yùn)行的過(guò)程中都會(huì)出現(xiàn)這樣那樣的問(wèn)題。這時(shí)就顯示出維護(hù)人員的高技能水平，根據(jù)統(tǒng)計(jì)百分之八十的故障都是人為故障，所以維護(hù)人員的水平高低往往決定了一個(gè)數(shù)據(jù)中心運(yùn)行的穩(wěn)定程度。另外對(duì)于突發(fā)故障，高水平的維護(hù)人員可以靜下心來(lái)冷靜分析故障的觸發(fā)原因，迅速找到解決的方法，如果在短時(shí)間內(nèi)找不到解決方法，也可以通過(guò)切換到備用設(shè)備上先恢復(fù)業(yè)務(wù)，再進(jìn)行分析。這時(shí)擁有高水平的維護(hù)人員對(duì)于一個(gè)數(shù)據(jù)中心至關(guān)重要，在關(guān)鍵時(shí)刻就能派上用場(chǎng)。
雖然這些工作看起來(lái)有些平常，但千萬(wàn)別小看它們。數(shù)據(jù)中心維護(hù)工作實(shí)際上非常重要，關(guān)乎著整個(gè)數(shù)據(jù)中心業(yè)務(wù)的正常運(yùn)行。目前市場(chǎng)上這類(lèi)專(zhuān)業(yè)人才非常搶手，尤其對(duì)于具有較深故障排查水平的人才比較缺乏。只有重視數(shù)據(jù)中心的維護(hù)工作，才能給數(shù)據(jù)中心一個(gè)平安。
