从巴黎圣母院大火看数据中心运维

这两天最大的国际新闻莫过于巴黎圣母院大火了。据今天早上的新闻报道，大火是由于意外导致的。一个意外，致使800多年历史的人类文明遗迹付之一炬。由此可见，在灾害面前，人类的历史和所谓的瑰宝，是多么的脆弱。

话锋一转，笔者不是研究人类文明的，但是这场大火的关键词“意外”，却让我联想到了数据中心最基础，却最重要的东西，那就是运维。所有人都希望在自己的工作当中作出成绩，在公司获得地位和利益，但是作为数据中心的运维团队来说，这却也是最难的。因为这是一份隐藏在后台的工作，他们的工作鲜有人注意，甚至外行都不知道他们的存在。但如果没有他们兢兢业业的工作，不知道有多少数据中心将会变成付之一炬的巴黎圣母院，而由此带来的现实经济和业务损失，甚至要远甚于后者。

对于一个占地动辄几万平米的数据中心来说，相关设备的巡检、检修、维护等都必须在保证效率的同时，把业务的影响降低到最小。现在新技术的发展可谓是日新月异，系统的复杂程度也越来越高。这就使得数据中心对系统运行安全，效率的要求也更为苛刻。一旦出现丝毫纰漏，轻则影响业务，重则造成社会和经济的重大损失。

上图是2014年，三星韩国果川数据中心发生火灾的现场照片。不知道如今还有多少人记得？万幸的是当时这场大火没有人员伤亡，但由于火灾导致的宕机，还是使得许多用户的三星手机、平板电脑或智能电视收到了无法提供服务的讯息。事实上，不光国外，在中国每年也有很多因为人为疏漏造成的数据中心火灾。

一般人总认为数据中心都配有完善的消防器材、设施，并备有温感、烟感等报警器。如果遇到火灾隐患，会在第一时间被发现并处理。但其实这种想法是非常错误的，因为一旦数据中心失火，往往意味着事发地点的所有设备都要受到牵连，后面的影响将是巨大的。

数据中心火灾的主要特点是： 散热困难、烟气量大、用电量大、电气火灾居多、火灾损失大、扑救难度大、节点易燃烧。在数据机房发生的各类事故中，火灾事故约占80％左右。主要包括电子计算机本身起火；配套设备或附属装置起火；空调设备或电气设备起火；外来火灾侵扰等。

据日本计算机制造商对用户所作的调查表明，数据中心火灾的起因，计算机故障占3．4％；交换器与配电箱故障占6．9％；设备装配错误占10．2％；调节器故障占10．3％；火焰蔓延引起的第二次火灾占17．1％；与计算机无关的其他原因造成的火灾占52．1％。

上述这些和数据中心着火有关的节点，都是运维人员要直接面对的，最简单，也最枯燥的重复性工作。就好比这次的巴黎圣母院，据说是因为维修时候保险丝短路？多么低级的一个问题，就让一向以严谨著称的法国人丢了脸面。

话题再度回到数据中心，这里主要服务的对象是IT系统。虽然数据中心的生命周期长达十几年，甚至几十年。但是其中IT系统的变革却日新月异，而且每一次的变革，都会要求运维人员必须接受新的，更为严格的培训。他们必须随时了解业界最新的动态、技术。并应用这些技术处理问题，以减小风险。还是以最基础的IT设备上架为例，运维人员必须要提前检查腾空的容量，夏季必须关注通风和冷凝系统，防止高压报警灯。冬季则要重点关注空调加湿系统，防止相关故障报警。虽然现在的绿色技术层出不穷，甚至前段时间阿里数据中心还用机器人替代了30％的人工重复劳动，但这并不意味着基础运维可以懈怠了。

作为最基础，最容易被忽视，却又无比关键的运维岗位首先必须要注意，建立完善的巡查和维护、保养、应急处理等机制。其次，采用与时俱进的动环监控、报警系统。以减少误报、漏报的发生。最后，将相关人员的责任心、行动力作为基石。毕竟，如果没有高度负责的运维人员，一切都是空谈。