如何做好大型数据中心的运维

       什么叫数据中心？维基百科给出的定义是“数据中心是一整套复杂的设施。它不仅仅包括计算机系统和其它与之配套的设备（例如通信和存储系统），还包含冗余的数据通信连接、环境控制设备、监控设备以及各种安全装置”。在云大行其道的今天，随着数据中心建设规模的不断扩大，新技术的层出不穷，数据中心变得越来越复杂。大型数据中心往往是由很多功能不一的单元系统组成，其运维工作需要具备方方面面的知识，包括硬件、网络、服务器、存储、安全以及业务上的东西，需要一体化联动地去做好运维工作。

 

       当一个数据中心的规模非常大，其面临的技术挑战和问题也会比较多，很多在小环境小体系下不是问题的问题在这样的规模下也就凸显出来了，所以要做好大型数据中心的运维工作，对整个数据中心方方面面涉及到的技术体系都要花费较长时间来进行系统学习，只有对这个数据中心整体非常了解，才能有针对性地制定一些运维方案，自己结合特定需求进行开发一些监控运维软件，对整个数据中心进行高效管理与监控，提升整个数据中心的运行效率、减少故障的发生，从而将运维工作不断推向新的高度。

       首先从数据中心的基础运维管理方面来说，则主要有硬件配置管理、可维护性优化、监控、报警处理、自动化运维、断网，断电、机房容灾等运维工作。硬件配置管理包含机柜里每台服务器的型号和硬件配置，并清楚是哪些业务系统在使用这些服务器。即便是虚拟化运行环境，也需要知道这些虚机都在哪些物理机组成的资源池中流动。数据中心物理机和虚机数量都很庞大，使用自动化运维是非常有必要的。自动化运维不仅能提升运维的工作效率，还可以减少人为的参与，同时让数据中心自己管理自己，释放人力。并对数据中心可能发生的故障还做好监控与报警处理，以便能够在故障发生的第一时间知晓问题，往往一次大的故障都是从开始的一点小故障逐渐扩展最终引发整个大系统的崩溃的，所以在出现一些小的异常时一定要及时消除，而这些异常就要靠完善的监控和报警系统来检测。

       从数据中心的日常业务运维方面考虑，则主要有日常检查、应用变更、软硬件升级、突发故障等。具体来说：1、日常检查：“千里之堤，溃于蚁穴”。任何的故障在出现之前都可能会有所表现，小的隐患不消除，可能导致重大的故障出现，所以数据中心日常的例行检查工作枯燥，但也很重要，可以及时发现一些运行中的隐患。根据数据中心承载业务重要性的不同，要对数据中心里的所有运行的设备进行例行检查。检查服务器应用服务是否正常，CPU内存等利用率是否正常。对应用业务进行检查，看业务运行是否正常。还有对数据中心的机房环境也要进行检查，环境的温度、湿度、灰尘是否合乎要求。空调、供电系统进行运行良好，设备运行是否过热，地板、天窗、消防、监控都是检查的部分。空调漏水、设备漏电都会对数据中心正常稳定运行产生危害，千万不可大意。2、应用变更：数据中心承载的业务不会是一成不变的，随着业务的多样化和不断发展，经常要对业务进行调整，包括服务器和网络的设置。因此要对服务器和网络设备操作很熟悉，主要需要掌握Linux服务器命令和网络协议。要根据应用的需要，及时准确做出变更。3、软硬件升级：数据中心的设备一般运行周期是五年，不断地有设备需要逐渐淘汰进行更换，也有一些设备因为存在软件缺陷需要升级，因此软硬件升级也是维护工作的一部分。软硬件升级时需要做好回退机制，以防升级出现问题时无法回退，业务长时间无法恢复。当接手数据中心维护工作就会发现，怎么会有那么多的升级，几乎每个月都要有升级操作，熬夜升级工作成了维护人员的家常便饭。4、突发故障：没有任何一个数据中心是不出故障的，在数据中心运行的过程中都会出现这样那样的问题。对于突发故障，高水平的维护人员可以静下心来冷静分析故障的触发原因，迅速找到解决的方法，如果在短时间内找不到解决方法，也可以通过切换到备用设备上先恢复业务，再进行分析。这时拥有高水平的维护人员对于一个数据中心至关重要，在关键时刻就能派上用场。虽然这些工作看起来有些平常，但千万别小看它们。数据中心日常维护工作实际上非常重要，关乎着整个数据中心业务的正常运行。只有重视数据中心的维护工作，才能给数据中心一个平安。

       从数据中心网络方面考虑，则主要有网络硬件设备、ACL、OSPF、LACP、VIP、协议分析、流量、负载均衡、二三四七层情况、网络监控、万兆板卡、核心交换等。网络是数据中心的重要组成部分，是一切工作运行的基本保证，没有网络数据中心就无法运转起来，所以保证网络稳定是数据中心运维工作中的重中之重。这里不仅要关注网络的硬件问题，还要关注SDN软件定义的网络。一般传统IT架构中的网络，根据业务需求部署上线以后，如果业务需求发生变动，重新修改相应网络设备（路由器、交换机、防火墙）上的配置是一件非常繁琐的事情。而在当今互联网/移动互联网瞬息万变的业务环境下，网络的高稳定与高性能还不足以满足业务需求，灵活性和敏捷性反而更为关键。SDN所做的事是将网络设备上的控制权分离出来，由集中的控制器管理，无须依赖底层网络设备（路由器、交换机、防火墙），屏蔽了来自底层网络设备的差异，而控制权是完全开放的，用户可以自定义任何想实现的网络路由和传输规则策略，从而更加灵活和智能。进行SDN改造后，无需对网络中每个节点的路由器反复进行配置，网络中的设备本身就是自动化连通的。

       从数据中心存储方面考虑，架构更加多样和复杂化。在云计算、虚拟化、大数据等相关技术进入数据中心后，存储已经发生了巨大的改变，块存储、文件存储、对象存储支撑起多种数据类型的读取;集中式存储已经不再是数据中心的主流存储架构，海量数据的存储访问，需要扩展性、伸缩性极强的分布式存储架构来实现。在大规模系统支撑上，分布式文件系统、分布式对象存储等技术，为存储的各种应用提供了高度可伸缩、可扩展和极大的弹性支撑和强大的数据访问性能，并且因为这些分布式技术对标准化硬件的支持，使得大规模数据中心存储得以低成本的建设和运维。当然分布式存储不是要取代现有的盘阵，而是为了应付高速成长的数据量与带宽而产生的新形态存储系统。另外就是软件定义存储，它代表了一种趋势，即存储架构中软件和硬件的分离，也就是数据层和控制层的分离。。

       最后从数据中心安全方面来考虑，安全就是若干个小项：攻击保护、升级备份、抓BUG/找BUG、脚本工具、数据安全、服务巡检等项目，其中每一项拿出来其实都包含很多的内容。比如说到攻击与保护，这个主要指的是防止外来的异常入侵者对数据中心发起的恶意和无意攻击，恶意攻击就是有人故意的使用各种攻击方法，进入到数据中心内部，将重要的数据窃取或者破坏，达到其不可告人的目的。也有的是无意的攻击，因为整个数据中心是要与外界保持互联互通的，运行是动态的，变化的，不可避免会有一些异常流量攻击数据中心，有时甚至来自于数据中心内部，比如某些服务器中毒，或者硬件故障，构造出了环路，异常流量等网络故障，这些都会影响到数据中心的运行，所以如何做好数据中心的攻击与保护是一个很大的题目，这并不是在数据中心里部署几台安全设备就能解决的，需要对整个数据中心进行全面的统一规划，并有针对性地部署一些安全防护措施，而且随着各种黑客技术的提升，安全防护措施也要不断提升，这是一个不断学习与完善的过程，只要数据中心还在运行，这个完善就不会停止。为了方便运维，也要做好一些执行脚本，以便在出现突发事件时，能够快速处理问题。

       通过以上的分析您一定很惊讶，原来数据中心运维包含这么多内容，大大小小数十项，而且每一项包含的内容说起来都不那么简单，也涉及很多的技术知识。通常数据中心是一个公司、企业或政府部门的信息处理中心，几乎所有的业务都要经由数据中心才能完成，所以数据中心对于一个企业或政府部门至关重要。而一个数据中心能否稳定和高效运行，运维是真正的关键。只有将这些方方面面的运维工作做好做细做到位，数据中心才能长期稳定。
需要服务器托管的朋友记得找我~1300 8816506（陈先生）