7月24日，阿爾及利亞航空公司的一架客機(jī)從瓦加杜古飛往阿爾及利亞首都阿爾及爾中墜毀，在此之前的7月23日，臺灣復(fù)興航空一架客機(jī)在澎湖馬公機(jī)場墜毀……在飛機(jī)墜毀后的第一時(shí)間，就是尋找飛機(jī)上的黑匣子，因?yàn)楹谙蛔佑涗浿w機(jī)墜毀前的飛機(jī)各種運(yùn)行參數(shù)和飛行員的談話等錄音記錄，這些是分析飛機(jī)墜毀原因的最重要數(shù)據(jù)來源。
那么對于數(shù)據(jù)中心也一樣，如今的數(shù)據(jù)中心已經(jīng)承載著太多的重要業(yè)務(wù)，人們的生活早已經(jīng)離不開數(shù)據(jù)中心，它已經(jīng)成為了人們生活的一部分，一旦數(shù)據(jù)中心發(fā)生故障將給人們帶來很多不便和經(jīng)濟(jì)損失。因?yàn)槊慨?dāng)數(shù)據(jù)中心發(fā)生故障后，既然可以通過一些歷史記錄去還原故障的發(fā)生原貌，對數(shù)據(jù)中心的未來發(fā)展建設(shè)都會(huì)很有借鑒意義。
當(dāng)然，絕大多數(shù)的數(shù)據(jù)中心都是運(yùn)行在固定的建筑當(dāng)中，不過也有一些可以移動(dòng)的數(shù)據(jù)中心，這些移動(dòng)的數(shù)據(jù)中心在工作時(shí)也基本是在固定的位置，這就和飛機(jī)有最大的不同。飛機(jī)發(fā)生墜毀一切設(shè)備都無法再繼續(xù)工作，現(xiàn)場也會(huì)被破壞，而數(shù)據(jù)中心是在固定的位置，故障現(xiàn)場依然可以被很好地保留著，這就為故障分析提供了很好的參考依據(jù)。從以往數(shù)據(jù)中心發(fā)生的故障來看，主要有三類：自然災(zāi)害；人為故障；設(shè)備故障，這三個(gè)方面。90%以上的故障都來自于這三個(gè)方面。
對于地震、火災(zāi)、雷擊等天然災(zāi)害，從故障現(xiàn)場的受損情況就可以分析出來。比如雷擊，會(huì)產(chǎn)生強(qiáng)大的沖擊電流，打到設(shè)備上，就會(huì)引起設(shè)備器件短路，產(chǎn)生瞬間的高壓，使電路急劇生溫，輕微的可引起設(shè)備短路故障，嚴(yán)重的還能引起火災(zāi)。對于這些自然災(zāi)害，數(shù)據(jù)中心也有很多的技術(shù)手段可以最大程度上避免災(zāi)害的發(fā)生，針對每一種自然災(zāi)害數(shù)據(jù)中心都需要加以重視，才能躲避開這些自然災(zāi)害。比如增加機(jī)柜和機(jī)房地面的固定螺絲，安裝避雷針，增加放火報(bào)警系統(tǒng)和防火器材。當(dāng)出現(xiàn)這些自然災(zāi)害時(shí)，減少對數(shù)據(jù)中心的沖擊。
人為故障占到了數(shù)據(jù)中心的故障中的70%，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(huì)造成數(shù)據(jù)中心故障，仍執(zhí)意去做的，這些人往往希望通過造成數(shù)據(jù)中心運(yùn)行癱瘓，而達(dá)到不可告人的目的。常見的有黑客、情報(bào)人員、商業(yè)機(jī)密小偷等等，他們攻擊的對象往往是數(shù)據(jù)中心里的數(shù)據(jù)，通過造成數(shù)據(jù)中心故障來達(dá)到竊取或損壞數(shù)據(jù)的目的。無意的是指本意并不想破壞數(shù)據(jù)中心，但是由于自己的技術(shù)積累經(jīng)驗(yàn)不夠或者疏忽，自己的操作引發(fā)了數(shù)據(jù)中心故障，這種故障占到了人為故障的80%以上。數(shù)據(jù)中心是一個(gè)復(fù)雜龐大的系統(tǒng)，不可能一個(gè)人面面俱到都精通，當(dāng)接觸到自己不熟悉或不了解的地方，操作往往引發(fā)意想不到的結(jié)果，因此加強(qiáng)對人的管理尤為重要。在對數(shù)據(jù)中心做任何調(diào)整時(shí)，都要從全局考慮，集中最優(yōu)秀的技術(shù)人員，將人為操作風(fēng)險(xiǎn)降低。這類事故往往也很容易留下證據(jù)記錄，給事故分析帶來方便。幾乎所有的數(shù)據(jù)中心都有門禁系統(tǒng)、視頻監(jiān)控系統(tǒng)，任何人的出入都有記錄，很容易查到。有不少的數(shù)據(jù)中心提供遠(yuǎn)程的訪問，那么所有的訪問操作在數(shù)據(jù)中心后臺數(shù)據(jù)中心都有記錄，訪問者對數(shù)據(jù)中心業(yè)務(wù)調(diào)整、修改配置、甚至重起設(shè)備等任何操作都會(huì)記錄在案，只要數(shù)據(jù)中心不是全面的毀滅，這些記錄都會(huì)在后臺的數(shù)據(jù)庫中查到，通過記錄的時(shí)間和訪問的人就可以查明人為事故的原因。
設(shè)備運(yùn)行故障也是數(shù)據(jù)中心故障的一類，大型的數(shù)據(jù)中心擁有數(shù)千臺設(shè)備很普遍，這些電子設(shè)備難免運(yùn)行中出現(xiàn)故障。一旦出現(xiàn)故障，就需要對設(shè)備進(jìn)行分析，很多現(xiàn)場操作人員并不具備分析問題的能力，為了恢復(fù)業(yè)務(wù)，只能重起設(shè)備，或者將業(yè)務(wù)切割到別的備份設(shè)備上。當(dāng)故障設(shè)備上沒有業(yè)務(wù)或者已經(jīng)重起了，其上很多時(shí)時(shí)記錄都會(huì)沖掉，這樣給故障分析帶來難度。很多時(shí)候故障的表現(xiàn)也并非集中在某一臺設(shè)備上，心急的操作人員可能將所有設(shè)備全部重啟或?qū)I(yè)務(wù)全部割離，如果設(shè)備能提供詳細(xì)的歷史記錄，那么對于故障分析非常有幫助。數(shù)據(jù)中心不怕出故障，怕的是出了故障后找不到原因，這相當(dāng)于給數(shù)據(jù)中心埋了一個(gè)定時(shí)炸彈。其實(shí)在很多高端設(shè)備上已經(jīng)增加了一些可以記錄歷史信息的模塊，比如采用NVRAM、EEPROM等非憶失性器件時(shí)時(shí)記錄設(shè)備運(yùn)行的各種參數(shù)，當(dāng)設(shè)備發(fā)生故障后，哪怕是設(shè)備發(fā)生了斷電，這些器件依然可以正常運(yùn)行，記錄下來設(shè)備運(yùn)行的各種參數(shù)，這些數(shù)據(jù)往往是故障后分析參考的最重要數(shù)據(jù)來源。當(dāng)數(shù)據(jù)中心出現(xiàn)故障后，有的設(shè)備可以提供故障時(shí)設(shè)備運(yùn)行的各種數(shù)據(jù)參數(shù)，非常具有說服力，有時(shí)也是證明自己設(shè)備沒有問題的重要信息，而一旦在故障后，一些設(shè)備沒有可分析的數(shù)據(jù)記錄，根本分不清是不是自己的問題，這樣的設(shè)備很快就會(huì)被數(shù)據(jù)中心所棄用。如果通過數(shù)據(jù)分析是自己設(shè)備的問題，那么設(shè)備商依然可以根據(jù)這些數(shù)據(jù)去優(yōu)化設(shè)備設(shè)計(jì)，從而避免這類故障的再次發(fā)生，讓設(shè)備運(yùn)行更加穩(wěn)定。
數(shù)據(jù)中心也有各種各樣的監(jiān)控手段和歷史信息記錄，這些技術(shù)為數(shù)據(jù)中心的穩(wěn)定運(yùn)行提供了保障，也是不斷推動(dòng)數(shù)據(jù)中心完善的重要舉措。如同飛機(jī)上的黑匣子，數(shù)據(jù)中心也有自己的一套故障定位信息獲取方案，這些信息可以在一定程度上有效還原故障時(shí)數(shù)據(jù)中心的完貌，通過對這些數(shù)據(jù)分析，不僅可以找到故障原因，還可以根據(jù)這些故障對數(shù)據(jù)中心進(jìn)行優(yōu)化，避免發(fā)生二次故障。
