系統(tǒng)管理自測32問之23:故障處理體系
譯文【51CTO精選譯文】本文是《Limoncelli的測試:有助于提高系統(tǒng)管理員團(tuán)隊工作效率的32個問題》當(dāng)中的第23題:當(dāng)某塊硬盤發(fā)生問題時,你的整套服務(wù)器體系能否繼續(xù)運(yùn)作?
服務(wù)器上的所有數(shù)據(jù)都應(yīng)該處于RAID 1/5/6/10或其它類似機(jī)制的保護(hù)之下。服務(wù)器的設(shè)計應(yīng)該嚴(yán)格遵從“生存能力架構(gòu)”,也就是說能夠在某些組件發(fā)生故障時維持正常的運(yùn)行狀態(tài)。
曾幾何時,計算機(jī)中的任何部件出了問題,整套體系只能徹底崩盤。事實上,組件的故障就相當(dāng)于整體的故障。一塊硬盤掛掉了,花是備份資料、恢復(fù)數(shù)據(jù)、更換硬盤就要花上一整天的時間。悲劇啊,如果這會兒你正打算把某項接近尾聲的工作一口氣忙完;悲劇啊,如果公司正好組織了一次激動人心的戶外活動??傊脖P出了毛病,一整天就肯定得搭進(jìn)去。
如今一切都不同了。我們有“生存系統(tǒng)”作為堅強(qiáng)的后盾。如果每塊硬盤都具備另一塊鏡像硬盤作為替補(bǔ),那么矩陣中的任何個體發(fā)生故障都不會導(dǎo)致整體中斷。如此一來,發(fā)生服務(wù)中斷的可能性只有一種——硬盤及其替補(bǔ)同時損壞。據(jù)統(tǒng)計,這套體系能夠在用戶感受到之前給予我們寶貴的數(shù)小時甚至一天時間進(jìn)行破損硬盤更換。這種限時處理當(dāng)然要比花一天時間恢復(fù)數(shù)據(jù)要好得多。
現(xiàn)在好了,“業(yè)務(wù)中斷”變成了“組件故障”,管理員的生活是多么美好?。?/p>
過去RAID成本高昂,因此也不常見,可以說是有錢人才會考慮的奢侈方案。但現(xiàn)在這種處理方式已經(jīng)非常普遍,價格不貴,甚至常常是免費(fèi)的(指通過軟件實現(xiàn))。哦,其實常見還不準(zhǔn)確,我其實想說這是必須的?;ㄒ惶鞎r間中斷服務(wù)搞什么數(shù)據(jù)恢復(fù),這不僅意味著預(yù)先規(guī)劃的疏漏,更是種極端低效的時間管理觀念。斷了就斷了,拿一天時間去安慰瞬間損失了數(shù)小時、數(shù)月乃至數(shù)年工作成果的客戶,這種行為不叫貼心,而是純粹的浪費(fèi)時間。
我個人的經(jīng)驗很簡單:啟用硬盤鏡像,其它硬盤組成RAID 1或者更高級別的矩陣。
【眾所周知,RAID 6最少要由2T容量的硬盤組成,對吧?因此只把這種大容量硬盤組成RAID 5實在是種浪費(fèi)。就從RAID 6或者RAID 10入手吧,現(xiàn)在的主流硬件都能滿足要求;不過好像有點跑題了…】
下面要提到一些特例情況。
特例一:“總?cè)萘炕蚺R時空間不足”。這話說得沒啥技術(shù)含量哈。
特例二:整套備份機(jī)制處于更高的實施水平,例如:
1. 使用類似谷歌文件系統(tǒng)這樣的冗余文件方案。此類系統(tǒng)會將數(shù)據(jù)至少同時存儲三份。而IBM公司的GPFS本地RAID(簡稱GNR)也采取類似的解決辦法。
2. 本地保存的只是從其它位置傳輸過來的數(shù)據(jù)的只讀副本。但如果要保證復(fù)制速度,RAID 5能夠提供令人滿意的性能表現(xiàn)。
3. 一次性設(shè)備。舉例來說,一臺表態(tài)圖像網(wǎng)頁服務(wù)器或者DNS“二級緩存”——這類服務(wù)器能夠在極短時間內(nèi)自動重新建立。如果大家手頭要用到數(shù)百套此類系統(tǒng),但又沒采購RAID卡,那除了悲劇我很難找到其它形容詞。
【51CTO.com譯文,轉(zhuǎn)載請注明原文作譯者和出處?!?/p>
原文:http://everythingsysadmin.com/the-test.html
Limoncelli的測試:有助于提高系統(tǒng)管理員團(tuán)隊工作效率的32個問題:
- A.面向公眾的處理方式:
- B. 現(xiàn)代化團(tuán)隊處理方式:
- C. 業(yè)務(wù)操作方式:
- D. 自動化處理方式:
- E. 團(tuán)隊管理方式:
- F. 硬件發(fā)生故障時的處理方式:
- G. 安全性處理方式:
【編輯推薦】