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】
