保持服務(wù)器的正常運(yùn)行和喚醒狀態(tài)，或者至少準(zhǔn)備好一旦有需要就立刻投入運(yùn)行，這個(gè)目標(biāo)可能是所有數(shù)據(jù)中心經(jīng)理們最渴望實(shí)現(xiàn)的目標(biāo)之一(51CTO推薦閱讀：以魔獸世界為例 網(wǎng)游服務(wù)器搭建方案圖解)。

然而很少有數(shù)據(jù)中心經(jīng)理們能夠誠實(shí)地說，他們所做的一切絕對都是為了讓系統(tǒng)的正常運(yùn)行時(shí)間最大化。專家們說，事實(shí)上很多經(jīng)理都把大量的時(shí)間和金錢浪費(fèi)在了很少或者不能對正常運(yùn)行時(shí)間產(chǎn)生積極作用的技術(shù)和實(shí)踐上去了。

美國金融數(shù)據(jù)服務(wù)商Six Telekurs負(fù)責(zé)IT運(yùn)營與后勤保障的副總裁Walter Beddoe認(rèn)為，實(shí)現(xiàn)正常運(yùn)行時(shí)間的最大化既是科學(xué)也是一門管理藝術(shù)。“需要將諸多不同的東西組合在一起，包括可勝任此項(xiàng)工作的人員，利用容錯(cuò)硬件，采納動態(tài)安全、良好的維護(hù)與變更管理實(shí)踐等。最重要的是，你必須承諾盡最大可能將一切做好。”

普林斯頓一家診斷醫(yī)學(xué)成像公司Princeton Radiology的IT部門主任Alan Howard敦促其屬下不要把時(shí)間和資源浪費(fèi)在不能直接對提高正常運(yùn)行時(shí)間有貢獻(xiàn)的行為和工具上面。比方說進(jìn)行集群的努力就是“相當(dāng)浪費(fèi)的”，還不如冗余配置再輔以工具更能實(shí)現(xiàn)全自動化。

不能自動化的集群——其中的同步需要手工完成——可能會引起更多的問題，Howard說。“某個(gè)主節(jié)點(diǎn)一旦失靈就可能是災(zāi)難性的;與其讓主節(jié)點(diǎn)失靈再去恢復(fù)它，還不如讓備用節(jié)點(diǎn)失靈更好些。”

他舉例說，他的團(tuán)隊(duì)做了一個(gè)Windows Server的集群，用作失效備援，結(jié)果卻導(dǎo)致了應(yīng)用程序的崩潰，因?yàn)樵搼?yīng)用配置文件的一個(gè)變動未能及時(shí)拷到備用服務(wù)器上去。“修復(fù)應(yīng)用崩潰故障所花費(fèi)的努力往往要比修復(fù)一個(gè)集群節(jié)點(diǎn)失靈故障的努力大多了。”

之后，他的團(tuán)隊(duì)就不再配置傳統(tǒng)意義的集群服務(wù)器了。相反，他們配置了一個(gè)“單獨(dú)的備用服務(wù)器集群”——并將該集群全部映射到一個(gè)雙控制器的Compellent存儲中心SAN上，“這樣我們就能夠基本上無縫地按需遷移虛擬機(jī)了。”

#p#

精心規(guī)劃

大多數(shù)數(shù)據(jù)中心經(jīng)理都同意，仔細(xì)地規(guī)劃所有與服務(wù)器相關(guān)的工作——從采購到管理到替換，是保障系統(tǒng)可靠性的關(guān)鍵性步驟。

華盛頓大學(xué)的IT運(yùn)營及工程設(shè)計(jì)經(jīng)理Raoul Gabiam說，生命周期管理是服務(wù)器正常運(yùn)行時(shí)間規(guī)劃的一個(gè)內(nèi)在組成部分。“知道在何時(shí)、如何更換硬件，并升級軟件是非常重要的，因?yàn)檫@會影響系統(tǒng)的性能、持續(xù)性和總體的正常運(yùn)行時(shí)間。”

比方說，如果你必須做一次軟件升級，那么了解清楚對硬件的需求，以及現(xiàn)有硬件的狀態(tài)就是至關(guān)重要的。你或許得購買硬件來滿足軟件升級的需求，以避免出現(xiàn)更多的宕機(jī)，Gabiam解釋道。

Gabiam還強(qiáng)烈地推崇標(biāo)準(zhǔn)化與協(xié)調(diào)，作為確保服務(wù)器可靠運(yùn)營的方法。“在任何人安裝任何東西或者進(jìn)行某個(gè)變動之前，必須先走一個(gè)變動管理流程。”

變動管理就是要了解“每件東西是如何配置的，并在實(shí)施變動之前對變動做出評估，”Gabiam說。“用這種方法，你就總能了解清楚哪些事情是不允許的，哪些事情可能會產(chǎn)生相互影響。”

他說，遵守變動管理的紀(jì)律，就可能預(yù)見到以某種方式配置服務(wù)器，或者將其安放在一個(gè)新環(huán)境中時(shí)會產(chǎn)生什么影響。

在線資源公司是一家為金融機(jī)構(gòu)提供交易服務(wù)的企業(yè)，其CTO Paul Franko認(rèn)為，工作態(tài)度也會產(chǎn)生巨大作用。他說，他進(jìn)行了一項(xiàng)額外的努力，以確保常規(guī)但很關(guān)鍵的服務(wù)器相關(guān)工作能夠被認(rèn)真嚴(yán)肅地對待，并及時(shí)得到處理。

“我們提出了一套系統(tǒng)檢查與平衡機(jī)制，以確保我們的各種規(guī)則能夠被遵守，”他說。按照Franko的說法，經(jīng)理們必須常規(guī)性地檢查下屬的管理工作，再輔之以其他手段的雙重檢查，就可以把人工失誤降至最低限度。“是人就會犯錯(cuò)，如果你沒有設(shè)置多個(gè)檢查點(diǎn)，事情就會滑向錯(cuò)誤的一邊。”

#p#

推行預(yù)防性維護(hù)

常規(guī)性的預(yù)防維護(hù)措施或許是支撐服務(wù)器可靠運(yùn)行最容易，也最少痛苦的方法。“系統(tǒng)的正常運(yùn)行時(shí)間只能和整個(gè)系統(tǒng)中最弱組件的正常運(yùn)行時(shí)間一樣長，”Beddoe說。長此以往地執(zhí)行各項(xiàng)基本任務(wù)——升級系統(tǒng)軟件、提供有條件的電力，保證適當(dāng)?shù)睦鋮s環(huán)境——方能在不突破預(yù)算的前提下讓數(shù)據(jù)中心的服務(wù)器無故障地運(yùn)行，才可不必從其他關(guān)鍵任務(wù)組抽調(diào)人手來修復(fù)故障。

[[17132]]

Paul Franko，在線資源公司的CTO認(rèn)為，工作態(tài)度在服務(wù)器管理中可以發(fā)揮巨大的作用。他說他他進(jìn)行了一項(xiàng)額外的努力，以確保常規(guī)但很關(guān)鍵的服務(wù)器相關(guān)工作能夠被認(rèn)真嚴(yán)肅地對待，并及時(shí)得到處理。

Franko說，為了確保所有必須要做的工作在需要時(shí)加以貫徹，就應(yīng)該確定哪些工作是服務(wù)器維護(hù)工作，并將它們組織成明確的日程表。“有些事情是必須立刻執(zhí)行的，比如安全升級，而其他一些任務(wù)批量執(zhí)行，或者每隔一段固定期限加以執(zhí)行是比較合理的。”這第二類任務(wù)就包括軟件非關(guān)鍵性功能改進(jìn)的升級等。

Franko補(bǔ)充說，服務(wù)器的維護(hù)工作應(yīng)該這樣加以處理：維護(hù)工作本身不應(yīng)占用服務(wù)器的正常運(yùn)行時(shí)間。“我們不能為了進(jìn)行某些維護(hù)工作而讓系統(tǒng)的運(yùn)行速度下降，無論如何，我們都得做到這一點(diǎn)。”

如果必須拆下某臺服務(wù)器進(jìn)行維護(hù)的話，F(xiàn)ranko的團(tuán)隊(duì)就會把這項(xiàng)維護(hù)工作安排到午夜或周末，用戶的需求量很低的時(shí)候進(jìn)行。在正常工作時(shí)間拆下一臺功能服務(wù)器的唯一理由只能是必須安裝或執(zhí)行關(guān)鍵性的軟件升級，例如需要安裝零日安全補(bǔ)丁。

#p#

自動執(zhí)行基本的服務(wù)器管理任務(wù)

在過去數(shù)年間，服務(wù)器的管理已變得越來越復(fù)雜，其中大部分原因是由于虛擬化及其相關(guān)技術(shù)的出現(xiàn);為了提升服務(wù)器的效率和使用率，必須設(shè)計(jì)各類最佳實(shí)踐。

虛擬化本身有助于保護(hù)數(shù)據(jù)中心不受服務(wù)器宕機(jī)的影響。通過對服務(wù)器進(jìn)行整合，在一個(gè)共享環(huán)境中相互連接，虛擬化允許多個(gè)虛擬機(jī)運(yùn)行在不同的主機(jī)上。任何一臺主機(jī)的失靈都會導(dǎo)致工作負(fù)載在剩余的主機(jī)間進(jìn)行重新分配。“某臺服務(wù)器或許會失靈，但這并不意味著這將會影響到整個(gè)服務(wù)的提供，”Gabiam論述道。

為了更有效地管理日益擴(kuò)張的虛擬化環(huán)境，Xenos軟件、Uptime軟件、Nimsoft和Nagios企業(yè)等公司紛紛推出了旨在幫助數(shù)據(jù)中心工作人員關(guān)注服務(wù)器性能、定位出現(xiàn)的問題，以及充分利用性能改進(jìn)機(jī)會的工具。

Beddoe覺得這樣的工具是必不可少的。“你必須要有某種讓人放心的東西，保證你的所有服務(wù)器能在任何時(shí)候做它們該做的事情。”

#p#

讓工具發(fā)布警示

Beddoe使用了Uptime軟件公司的正常運(yùn)行時(shí)間軟件，他認(rèn)為這種工具很重要，因?yàn)樗鼈兛梢栽诜?wù)器的狀況超出某個(gè)閥值時(shí)，例如內(nèi)存超載或者CPU的使用率過高時(shí)可以發(fā)出警示。

雖然大多數(shù)工具都內(nèi)置了警示功能，但Beddoe強(qiáng)調(diào)說，還是應(yīng)該尋找一種可配置警示觸發(fā)條件的產(chǎn)品，例如一旦超過預(yù)設(shè)的閥值便可發(fā)送電子郵件或手機(jī)短信的產(chǎn)品。“你需要有意義的警示信息，以便可以采取必要的措施糾正這種情況。”

[[17133]]

Walter Beddoe，Six Telekurs負(fù)責(zé)IT和后勤的副總裁，他說，“17年來，我們從未出現(xiàn)過影響到客戶利益的重大宕機(jī)事件。”

汽車服務(wù)公司Carfax的運(yùn)營經(jīng)理Jerry Gregg說，重要的是要了解，不少性能測量工具計(jì)算出的正常運(yùn)行時(shí)間只是一個(gè)近似值。“這樣的數(shù)值，充其量只能用來參考。”

Gregg觀察到，一些初步的正常運(yùn)行時(shí)間測量工具得出的數(shù)值實(shí)際上可能引起誤解，因?yàn)檫@些工具不能正確地區(qū)分如下兩種情況：周日清晨睡眠時(shí)間發(fā)生的一小時(shí)長的服務(wù)器宕機(jī)和周四下午正運(yùn)行關(guān)鍵業(yè)務(wù)進(jìn)程時(shí)的10分鐘的系統(tǒng)失靈。這也是為什么應(yīng)該購買那些可提供全時(shí)、基于事件分析能力的測量工具的原因。

為了讓正常運(yùn)行時(shí)間分析更有意義，Gregg決定選用可以顯示服務(wù)器崩潰對關(guān)鍵業(yè)務(wù)服務(wù)產(chǎn)生何種影響的測量工具。Gregg采用了BMC的ProactiveNet性能管理軟件，該軟件可直接將服務(wù)器宕機(jī)時(shí)間與銷售交易和其他類型的面向業(yè)務(wù)數(shù)據(jù)進(jìn)行關(guān)聯(lián)。“可以讓我們用美元而不只是用時(shí)間來量化服務(wù)器的宕機(jī)事件。”

該軟件所生成的信息可幫助他確定宕機(jī)事件是否會威脅到企業(yè)的盈虧底線，為購買新服務(wù)器、更好的網(wǎng)絡(luò)設(shè)備或其他可靠性增強(qiáng)技術(shù)及服務(wù)的預(yù)算做辯護(hù)。“如果沒有這樣的信息，你就只能在無法真正了解運(yùn)營成本的情況下進(jìn)行成本效益決策，”Gregg說。

#p#

別讓黑客“盜取”正常運(yùn)行時(shí)間

在保障服務(wù)器正常運(yùn)行時(shí)間方面，安全也會發(fā)揮重要的作用。假如服務(wù)器遭遇惡意軟件攻擊，或者網(wǎng)絡(luò)路徑不安全，那么服務(wù)器宕機(jī)是毫不令人驚訝的。“需要從物理安全起步——也就是數(shù)據(jù)中心的建筑開始，首先保障其物理安全，”Beddoe說。

其次，要建立服務(wù)器的訪問規(guī)則，并予以強(qiáng)制執(zhí)行，同時(shí)，還要強(qiáng)制執(zhí)行安全程序、防病毒程序、防火墻，培訓(xùn)遵紀(jì)守法的管理員，都是非常重要的。Beddoe說，“所有這些要素在服務(wù)器安全和提升正常運(yùn)行時(shí)間方面都發(fā)揮著同樣的重要作用。”

為IT咨詢及客戶軟件開發(fā)商Superior科技解決方案公司監(jiān)管服務(wù)器運(yùn)營的John Luludis說，要想真正讓服務(wù)器的正常運(yùn)行時(shí)間最大化，超越基本的安全實(shí)踐是很重要的。Luludis強(qiáng)烈推崇定期的獨(dú)立安全審計(jì)。“我監(jiān)管的網(wǎng)絡(luò)必須定期進(jìn)行滲透測試，之所以要這么做就是要讓我的網(wǎng)絡(luò)盡可能的安全，而且最好從外部看也是安全的。”

#p#

保護(hù)你的數(shù)據(jù)

盡管Princeton Radiology的Howard也強(qiáng)烈信奉定期的服務(wù)器維護(hù)，但是他也指出，經(jīng)理和員工再怎么努力也無法避免一定量故障的發(fā)生。要想防范因服務(wù)器失效而導(dǎo)致的任何數(shù)據(jù)損失，Howard建議制定數(shù)據(jù)保護(hù)計(jì)劃，并將其整合到企業(yè)全面的業(yè)務(wù)連續(xù)性戰(zhàn)略中去。

Princeton采用了來自Compellent科技的場外存儲解決方案，復(fù)制器所有已存儲的數(shù)據(jù)。“即便有一個(gè)災(zāi)難恢復(fù)數(shù)據(jù)中心，我們實(shí)際上也得在主要設(shè)施之外運(yùn)行一些服務(wù)器，所以我們需要雙向備份數(shù)據(jù)。”

[[17134]]

Raoul Gabiam，華盛頓大學(xué)的IT運(yùn)營兼工程設(shè)計(jì)經(jīng)理，他認(rèn)為生命周期管理是服務(wù)器正常運(yùn)行時(shí)間規(guī)劃的一個(gè)內(nèi)在組成部分。

華盛頓大學(xué)的Gabiam則仰仗內(nèi)置于網(wǎng)絡(luò)基礎(chǔ)設(shè)施中的負(fù)載均衡技術(shù)來防范服務(wù)器可能出現(xiàn)的突然宕機(jī)。“假如一臺服務(wù)器崩潰或者某個(gè)應(yīng)用不響應(yīng)，那么網(wǎng)絡(luò)流量就會重定向到其他服務(wù)器，相同的服務(wù)器也能處理這一工作負(fù)載。”

和Princeton的Howard不一樣，Gabiam比較看好集群，采用了Novell的集群服務(wù)來提供附加的冗余層。如果集群中的一個(gè)節(jié)點(diǎn)失靈，或者有停機(jī)維護(hù)的需要，那么在該節(jié)點(diǎn)上運(yùn)行的集群應(yīng)用或者某個(gè)服務(wù)組件便可無縫地遷移到集群的另一個(gè)節(jié)點(diǎn)上去運(yùn)行。

這個(gè)遷移進(jìn)程可以配置成手工失效備援或者自動失效備援。“一般而言，在硬件或軟件失效時(shí)，應(yīng)該讓應(yīng)用自動失效備援到下一個(gè)備選節(jié)點(diǎn)上去，”Gabiam說，不過管理員也可以在某個(gè)特定節(jié)點(diǎn)須執(zhí)行維護(hù)任務(wù)時(shí)，手動將應(yīng)用遷移到另一個(gè)節(jié)點(diǎn)去。

#p#

關(guān)注硬件質(zhì)量

購買高質(zhì)量的服務(wù)器而不使用質(zhì)量低劣的設(shè)備，是提升服務(wù)器長期可靠性的一種很明顯的方法。“這里還存在著一個(gè)決策上的差異，你是希望遷移到更長壽的硬件呢，還是希望升級到更高級的服務(wù)器，”IT服務(wù)商E-N電腦公司的運(yùn)營經(jīng)理Jeffrey Driscoll說。

不過在真實(shí)世界中，預(yù)算緊張的經(jīng)理們常常要面對這樣一種痛苦的抉擇：是要用低成本的產(chǎn)品去滿足需求呢，還是應(yīng)該購買更好、更可靠的系統(tǒng)去適應(yīng)已經(jīng)確立的一些性能指標(biāo)。到底該怎么辦?

Driscoll建議應(yīng)該聰明地購買，可以去找優(yōu)惠的產(chǎn)品，但只要有可能，就應(yīng)該去做企業(yè)管理層的工作，反映現(xiàn)實(shí)世界的運(yùn)營需求。向管理層表明質(zhì)量低劣的服務(wù)器可能導(dǎo)致財(cái)務(wù)風(fēng)險(xiǎn)是一個(gè)不錯(cuò)的主意。“這是一個(gè)可用簡單的數(shù)字和一些預(yù)測便很容易證明的觀點(diǎn)。”

#p#

知道何時(shí)該當(dāng)機(jī)立斷

有時(shí)候，了解一些簡單的常識也可能是保障服務(wù)器正常運(yùn)行時(shí)間最大化而又無須突破預(yù)算的最佳方法。“硬件就是硬件。到了某個(gè)時(shí)間，它總是會損壞的，”Gabiam說。“所以重要的是要了解發(fā)生了什么問題，然后準(zhǔn)備好一個(gè)計(jì)劃，一旦問題再次發(fā)生時(shí)就不會手忙腳亂。”

利用常識同時(shí)也意味著要知道什么時(shí)候該當(dāng)機(jī)立斷，減少損失，向新的設(shè)備轉(zhuǎn)移，而不必去管按常規(guī)是不是到了替換周期。“如果你的IT人員經(jīng)常要花費(fèi)25%的時(shí)間去忙于到處救火，支持早已過時(shí)的系統(tǒng)的話，那么誰還看不出來這是巨大的時(shí)間浪費(fèi)呢?”Beddoe反問道。

盡管讓服務(wù)器的正常運(yùn)行時(shí)間最大化會產(chǎn)生一些額外的工作量，但是大多數(shù)IT經(jīng)理都認(rèn)為最終的回報(bào)會遠(yuǎn)大于體力的支出。“很難說花在正常運(yùn)行時(shí)間上的哪些努力會是白費(fèi)的，”Luludis說。“你所做的任何事情都是會有幫助的。”

Beddoe認(rèn)為，努力爭取最大的正常運(yùn)行時(shí)間，幾乎都會保證創(chuàng)建一個(gè)更可靠的數(shù)據(jù)中心。他主張一個(gè)“積極的環(huán)境”——一個(gè)持續(xù)不斷地激勵(lì)工作人員去確認(rèn)并遏制那些可能引起任何危害的潛在問題的環(huán)境，這是保障服務(wù)器正常運(yùn)行時(shí)間最大化的關(guān)鍵。“17年來，我們從未發(fā)生過影響到客戶利益的重大宕機(jī)事件。”

#p#

最大化服務(wù)器正常運(yùn)行時(shí)間的六個(gè)步驟

1 仔細(xì)規(guī)劃。強(qiáng)力實(shí)施生命周期管理，并對這項(xiàng)任務(wù)進(jìn)行雙重檢查，包括系統(tǒng)配置和維護(hù)日程安排。服務(wù)器的采購和升級應(yīng)有詳盡規(guī)劃，并與系統(tǒng)的可用性和性能相協(xié)調(diào)。

2 實(shí)施定期的預(yù)防性維護(hù)。這也許是支撐服務(wù)器可靠性的最容易和痛苦最少的辦法。正如舊車修理業(yè)常說的那句告誡語，“現(xiàn)在掏錢維護(hù)要比將來掏錢修省多了。”

3 使用管理和監(jiān)控工具。如果沒有適當(dāng)?shù)谋O(jiān)管，你就不可能找到導(dǎo)致服務(wù)器正常運(yùn)行時(shí)間不高的根源，也不可能測量宕機(jī)對關(guān)鍵業(yè)務(wù)的影響。

4 提升安全性。不要讓攻擊者干擾你實(shí)施正常運(yùn)行時(shí)間最大化的目標(biāo)。防惡意軟件產(chǎn)品、防火墻和獨(dú)立審計(jì)是能夠?qū)Ψ?wù)器正常運(yùn)行時(shí)間產(chǎn)生正面作用的諸多安全工具和實(shí)踐中的幾種。

5 購買高質(zhì)量的硬件。質(zhì)量低劣的服務(wù)器是通往宕機(jī)之路的鋪路石。

6 尊重常識。千萬別去浪費(fèi)時(shí)間、人力和金錢，一心想從老舊的、經(jīng)常出問題的服務(wù)器上榨出最后一點(diǎn)兒利用價(jià)值來。