資料中心運維：減少折騰就是降低故障

　　“沒有折騰，就沒有故障”這句話雖糙，但卻很有道理，尤其在運維上。據有關諮詢機構統計，資料中心的故障中有百分之七十是人為故障，也就是與人的活動強相關，可見人對於資料中心來說是多麼可怕。人為故障其中也可以分為有意的和無意的。有意的是指明知道一些操作會造成資料中心故障，仍執意去做的，這些人往往希望透過造成資料中心執行癱瘓，而達到不可告人的目的，這種故障佔到了人為故障的80%，剩餘的就是無意的。

　　資料中心本身是一個複雜龐大的系統，運維的人員不可能面面俱到都精通所有技術細節，當接觸到自己不熟悉或不瞭解的地方，操作易引發意想不到的結果。還有不少的裝置，軟體質量不高，反覆操作下發就容易引發軟體問題，從而造成業務中斷。這種情況在資料中心裡還不少見，資料中心裡裝置成千上萬，數量龐大，動一動問題就來了，所以執行穩定的資料中心不要輕易去改動，就讓它自己處於最佳狀態去執行下去。

　　眾所周知，但凡遇到一些重大節日和活動，大型的資料中心都會進行封網，停止一切操作和活動行為，目的就是為了減少故障發生，將人為操作風險降低，將觸發BUG的風險降低。這種方式行之有效，除了可能出現一些硬體故障外，幾乎很少發生其它類問題。

　　我們都知道烏龜的壽命很長，活上幾百年輕飄飄的，就是因為烏龜很少動，移動緩慢，這大大延長了它的生存壽命。資料中心運維也喜靜不喜動，少動慎動，這能最大程度減少故障發生。金融銀行業的資料中心對可靠性要求很高，為了避免出故障，銀行的資料中心內部制定了嚴格的操作制度，所有的操作都要遵守統一規範，任何命令的下發和變更都要經過行裡提前稽核，甚至在模擬環境中驗證過沒問題，才開始到現網中去實施操作，銀行業的資料中心操作最為規範，使得資料中心的可靠性也最高。

　　不過，為了快速響應業務需求和提高資源利用率，運維又不得不頻繁折騰，不動基本做不到。一個資料中心可能每週晚上都有安排變更，還有裝置軟體升級、配置最佳化、裝置替換等工作，資料中心總是有沒完沒了的變更操作，這樣不可避免地在操作過程中出現一些新問題，導致資料中心總是無法穩定下來，業務經常受到影響，這其實就違背了運維祖訓的宗旨。

　　資料中心裡需要的技術知識太多，涵蓋多個學科幾十個門類，沒有誰能全部掌握，完全掌握一門都很難，這時制定相應的操作，受限知識面，總會有考慮不周的地方，一旦有漏掉就可能在操作過程中產生問題。對於變更操作，任何人都沒有絕對的把握，凡事都可能有意外，就像是做手術，再小的手術也是有風險的，也要家屬簽字，萬一出了事故手術操作者能免責。

　　既然不能避免折騰，那就想辦法不讓折騰出問題。

　　首先要分治。分治就是把風險高的和風險低的分開、重要性高的和不高的分開、簡單的和複雜的分開、頻繁變動的和不頻繁的分開。歸根到底都在做兩件事：封裝複雜度、隔離變化。運維架構層的分治，在業界已經非常普遍了，比如應用伺服器和資料庫伺服器分離、交易資料庫和使用者資料庫分離，生產環境和測試環境隔絕。資料中心是有很多小系統組成的，相互之間要松耦合，最好是隔離的，這樣一個小系統故障，影響是區域性的，不會影響全域性。

　　其次是管人。要減少人為折騰出的故障，就要加強對人的約束和管理。不同技術等級的人能做的操作許可權是不同的，一個新手要上線操作，必須要由老工程師來指導。要制定詳細的人員管理規章制度，對運維的人員形成約束力，對運維的人員進行考核、監控、管理，增強運維人員工作的責任心，有獎有罰。制定嚴格的各項規章制度，一般的資料中心都需要24小時常年不間斷向外提供服務，所以要給資料中心人員充分的休息時間，按時的上下班，避免長時間工作、疲勞工作，減少出錯機率。

　　第三是管事。當資料中心需要變更和最佳化操作時，需要運維團隊的人員進行整體討論，對預知的風險進行分析，確保操作不會對執行業務造成影響。每個變更都是整個技術團隊的討論透過做出的決定，而不是個人的行為，這樣能將技術性人為故障降到最低。要制定好回退方案，一旦出現異常情況立即回退，事後將原因分析情況後再進行二次變更。畢竟運維的人員都不是專業搞裝置的，對裝置內部處理和實現並不見得很清楚，重大的變更操作可以邀請裝置廠家的技術人員參與和支援，降低操作錯誤的風險。每次操作都要做好充分準備，必要的模擬演練、提前的業務搬移、緊急通道的準備等都需要，這樣才能降低故障發生的風險。

　　“沒有折騰，就沒有故障”是金口良言，聽上去很有道理，實際卻很難做得到。資料中心本就是一個資料高速流動的場所，業務需求時時都在變化，為了滿足業務部署和發展的需求，不讓對資料中心變更、折騰，根本就是做不到，“沒有折騰”只是一種理想的狀態罷了。不過，的確是應該最大限度地去主動降低資料中心操作頻率，儘量少動，這樣可極大降低故障發生機率。人是資料中心活動中的最重要因素，沒有人的參與哪裡來的資料中心，而偏偏人也同時給資料中心帶來成長的煩惱，人在運維的過程中作用依然舉足輕重。作為資料中心的運維人，要時刻牢記祖訓。