保持業務全年無中斷運行是最能體現數據中心能力的一方面。現在的數據中心系統組成復雜，要確保沒有故障出現，幾乎不可能。每年都會有很多著名的大型互聯網公司被爆出其數據中心出現故障，有的業務甚至要數個小時才能恢復，這給數據中心的業務帶來了嚴重的損失。所以一定要重視數據中心運行的高可靠性，曾經的馬來西亞航空公司也是受人尊敬的航空公司之一，然而最近兩年出了兩次的重大墜機事故后，不僅欠下了一屁股債，現在還面臨著關門的境地。對于數據中心也是一樣，以前沒有出過故障，并不代表以后都不會出，一旦出現一次嚴重的業務中斷，對數據中心業務的影響就是多方面的，不僅僅是金錢上的損失，還有數據中心承載業務的聲譽。一旦人們認為這個業務是不穩定的，有風險的，人們寧愿棄之不用，在科技如此發達的今天，沒有什么業務是不可替代的，或者找不到替代品，數據中心能否提供持續穩定的業務運行至關重要。最近，顯然發生了不少數據中心故障，影響面都比較廣，真可以稱得上是“黑色五月”了。5月11日，網易因骨干網絡遭受攻擊，導致了網易旗下部分服務暫時無法正常使用，當時還傳言是網易廣州大樓發生爆炸，導致其旗下多款游戲無法登陸，不過后來證實的確是謠傳。緊接著5月27日，支付寶因為杭州市蕭山光纖被挖斷，也出現了用戶無法正常使用的問題。這起事故，導致全國許多地方的用戶都無法使用支付寶，直到兩個小時后才恢復正常。然后是5月28日，攜程網因為部分服務器受到不明攻擊，導致官方網站及APP暫時無法正常使用，攜程網主頁里的二級頁面無法打開，這造成了攜程網業務損失一百多萬。這類數據中心故障在不斷地上演著，雖然故障已經恢復，但是卻留給了我們深深的思考。
數據中心這幾年發展非常火爆，各地都是新建或擴建數據中心，在數據中心設計上應該更加考慮運行的可靠性、冗余性的設計。如果數據中心三天兩頭地故障，擁有再多的服務器，擁有再好的網絡也是白費，沒有人愿意使用一個總也不穩定的業務系統。如果動不動網頁就無法訪問，動不動自己的保密信息就出現了丟失，這些故障對于數據中心都是致命性的。我們通常用五個九，即99.999%，來衡量一個數據中心的可靠性，如表1定義了數據中心的可靠性級別，數字9越多代表數據中心的可靠性越高：
數據中心屬于哪個級別的，主要是基于過去數據中心運行的數據得到的，所以不能代表以后。也許一個數據中心以前從來沒有出過長時間的業務中斷事故，可靠性達到了99.999%，但只要出現一次長時間故障，就可能一下子變成了99%，這對數據中心業務的打擊是非常大的。為了提升數據中心的可靠性，數據中心必須要引入一些冗余備份機制。其實我們也相信支付寶的數據中心也肯定有冗余備份，斷掉一根光纖都能讓業務中斷二小時，說明支付寶的數據中心本身設計上是有問題的，至少備份沒有起到應有的作用。通過備份確保出現故障時，業務流量依然可以有別的通道可走，保持業務的連續性。當支付寶的鏈路光纖斷掉后，應該有其它的備份鏈路轉發流量，這種通過鏈路聚合或者等價路由這種成熟的技術就可以完成備份。顯然支付寶故障不是光纖中斷那么簡單，也許是光纖中斷引發了其它方面的問題，造成了整個系統的癱瘓。數據中心是一個復雜的信息系統，冗余設計也不是通過幾個備份鏈路、等價路由就可以完成的，需要的是全面的規劃設計，確保任何一個環節都有備份機制。
當然，要實現所有地方都有備份，將大大增加系統的復雜性，反而會大大降低數據中心的處理性能。過于復雜的冗余設計就可能是畫蛇添足，起到反作用。而且引入過多的冗余機制，將消耗大量的資金和設備，給數據中心運行帶來沉重負擔，所以也不是什么地方都要備份。在業務故障可容忍的范圍內，部署高效的冗余設計，才能使得數據中心高效地運行。提升數據中心業務不間斷的處理能力，是數據中心的一項持久性工作，貫穿于數據中心的整個生命周期中。數據中心運維人員應該具有如履薄冰的心態，在日常的工作中，勇于發現系統的缺陷，及時完善，做好各種故障模擬的補救措施。在數據中心的運維工作中，也要經常進行故障模擬演練，考驗數據中心系統的冗余設計是否有不完善的地方，不斷進行優化和改善。很多的冗余備份設計可能并不符合實際，在一些異端情況下甚至起不到備份的效果，這就需要主動做一些故障演練，檢驗冗余備份設計是否滿足設計要求。以便一旦真的出現了故障，數據中心可以從容應對。對于一個擁有數萬臺設備的數據中心，軟硬件故障可能天天都在上演，在這種情況下，要保持業務的穩定運行，需要做大量的冗余設計工作。對可能出現的異常狀態，提前進行模擬規避，提升數據中心的可靠性。歷史教訓告訴我們，不能忽視數據中心的可靠性，一旦出了嚴重的故障，對于數據中心可能就是致命的，一次故障可能就會使得數據中心“一夜就回到解放前”。切記，莫忽視數據中心的可靠性，根據數據中心自身的實際情況，部署切合實際的冗余備份設計方案，將使數據中心終身獲益。
京公網安備 11010502049343號