數(shù)據(jù)中心最不愿意見到的事情莫過于斷電，這將會給運維人員帶來很多的麻煩，所以很多數(shù)據(jù)機房都很樂意接受UPS電源，尤其是在線式UPS電源。近來，不少公司因為數(shù)據(jù)中心的電力中斷而備受困擾，比如美國達美航空公司數(shù)據(jù)中心的電力中斷，造成高達1.5億美元的經濟損失。又比如美國“超級碗”賽場斷電，耽誤賽事日程。

在運維過程中，數(shù)據(jù)中心面臨著諸多的挑戰(zhàn)，比如數(shù)據(jù)中心的運營費用，這就要求建立數(shù)據(jù)中心之前，進行預算和規(guī)劃，又比如能源成本上升采用云主機托管，能源成本上漲可以通過使用新技術緩解，例如虛擬化和云主機托管，可以大大降低能源成本。再比如維護和冷卻要求，數(shù)據(jù)中心設施和組件需要在適合的溫度下全天不間斷的工作，這就需要完善的冷卻系統(tǒng)，以保持所需的溫度。

[[204520]]

其實，數(shù)據(jù)中心還面臨著溝通融合、基礎設施要求、缺乏資源、服務器效率、數(shù)據(jù)中心安全、網(wǎng)絡阻塞等挑戰(zhàn)，在這其中，數(shù)據(jù)中心挑戰(zhàn)也占據(jù)著重要的位置，那么是什么原因導致斷電，操作員的誤操作、停電，也有可能是服務器負載過重，導致系統(tǒng)崩潰。雖然數(shù)據(jù)中心斷電是非常嚴重的問題，但是我們還是希望有相關的解決方案。

在這里，我們需要確定幾個問題。

跟隨數(shù)據(jù)中心的變化，電力系統(tǒng)進行升級

可以說數(shù)據(jù)中心的不同階段，對電力需求也在不停的變化，比如增加服務器或者交換機都有可能對電力產生巨大的需求，所以及時掌握數(shù)據(jù)中心在這一時間段對電力的需求，變得十分重要。此外，還需要對數(shù)據(jù)中心的供電進行合理的評估，以免數(shù)據(jù)中心超載，供電不足造成停電的狀況。

[[204521]]

知道所有互連設備和系統(tǒng)的一切情況

對于數(shù)據(jù)中心運營至關重要的是，需要電力鏈記錄在一起，從進入建筑物的電力，再通過UPS、PDU/提供給所有的機架設備。這意味著數(shù)據(jù)中心運營需要知道哪些與電力相關的設備，以及設備各自的相互依賴關系。這可以讓數(shù)據(jù)中心運營了解某些設備故障或脫機維護時的潛在影響。此外，還應該了解每個電源鏈設備的狀態(tài)。

可以通過采用數(shù)據(jù)中心基礎架構管理(DCIM)實現(xiàn)對電源管理。DCIM使數(shù)據(jù)中心運營能夠以最高的效率運行數(shù)據(jù)中心，同時允許所有相關人員改進整體運營情況，并識別漏洞，從而保持電源鏈的安全。部署的DCIM還可以讓數(shù)據(jù)中心運營全面了解自己的產品，通過共享實時數(shù)據(jù)和易于理解的圖表，消除IT和設施之間的通信孤島。

確保電源系統(tǒng)沒有受到攻擊或威脅

數(shù)據(jù)中心是通過網(wǎng)絡進行連接，當然除了基架中包含的終端和訪問點之外，很多渠道可能會成為破壞數(shù)據(jù)中心的途徑，所以保護這些渠道免受破壞，成為數(shù)據(jù)中心建設需要考慮的問題。

在這里，網(wǎng)絡攻擊成為一種可能性，很多黑客可能不直接破壞供電系統(tǒng)，而是通過網(wǎng)絡進入到數(shù)據(jù)中心，以達到破壞數(shù)據(jù)中心供電的目的。此外，我們不應該只防止通過網(wǎng)絡手段對數(shù)據(jù)中心進行破壞的黑客，還應該防止內部人員的破壞，有些工作人員因為自身經驗不足，一個小小的錯誤，有可能導致數(shù)據(jù)中心供電的中斷。

[[204522]]

所以，為了防止通過以上手段進行破壞的行為，建立運維文檔和流程控制變得十分重要。在這里，采用更多的硬件不是防止災難性停電的最佳選擇，不妨采用軟件層面的管理，來的更加穩(wěn)妥一些。

不妨多模擬故障安全測試，做好完整的災難恢復計劃

數(shù)據(jù)中心在運營過程中，難免會出一些故障，所謂有備而無患，在真正出bug的狀況下，之前遇到過或者曾經模擬了出錯的場景，才更有經驗去應對故障。在這里，我們建議在不影響業(yè)務環(huán)境的情況下對數(shù)據(jù)中心進行斷電測試，使用虛擬的開關設備，將允許數(shù)據(jù)中心運營商可以應對最壞的情況，并對其進行恢復。

數(shù)據(jù)中心工作人員總是假設他們的電源供應鏈和電源備份系統(tǒng)是萬無一失的，但是如果沒有故障安全測試，會認為面臨什么樣的結果?電源故障模擬使數(shù)據(jù)中心運營商可能找到缺乏冗余的設施，并發(fā)現(xiàn)單點故障。但是，這需要文檔進行記錄。因此，數(shù)據(jù)中心運營商在災難性的電源故障之前，建立斷電測試機制并記錄其恢復過程。

數(shù)據(jù)中心建設應該實時監(jiān)控操作

對數(shù)據(jù)中心進行實時監(jiān)控操作，是以防萬一的做法，所以數(shù)據(jù)中心運營商必須知道設備都被放在哪里，以及使用了多少電能。雖然對于不斷增加基礎架構的數(shù)據(jù)中心來說，這很困難，也有可能對電池容量和電源分配產生巨大的影響，但是注意所有移動部件的唯一方法就是單一視圖，這種整體視圖具有實時監(jiān)控和警報的功能，使數(shù)據(jù)中心運營商能夠減輕風險，并進行更改以避免災難發(fā)生。

寫在最后，數(shù)據(jù)中心一旦斷電，造成的經濟損失不可估量，倒不如從筆者上述的方法做起，對數(shù)據(jù)中心每個環(huán)節(jié)進行防護，這樣才能更好地對數(shù)據(jù)中心進行運維。