之前有一個很老的笑話：“是人都會犯錯，但是要真正把事情搞砸，你還缺臺計算機。” 現(xiàn)在情況正好相反了，現(xiàn)如今，數(shù)據(jù)中心設(shè)備的可靠性已經(jīng)得到了極大的提升，反而是使用設(shè)備的人員素質(zhì)沒能跟上，從而給計算機正常運行帶來了很大的威脅。

[[378367]]

正常運行時間協(xié)會(Uptime Institute)對數(shù)千名 IT 專業(yè)人員一整年發(fā)生的故障事件進行了調(diào)查，得出結(jié)論表示絕大多數(shù)的數(shù)據(jù)中心故障是由于人為錯誤造成的，人為錯誤導(dǎo)致的故障率為 70%-75%。

而且有些故障很嚴(yán)重。調(diào)查發(fā)現(xiàn)，超過 30% 的 IT 服務(wù)與數(shù)據(jù)中心運營商經(jīng)歷了他們稱之為是“嚴(yán)重服務(wù)退化”的停機事故。2019 年有 10% 的受訪者稱他們最近的事故造成的損失超過 100 萬美元。

在正常運行時間協(xié)會在 2019 年 4 月的調(diào)查中，60% 的受訪者認(rèn)為，對于最近發(fā)生的重大停機事件，他們本可以通過更好的管理/流程或配置進行防止。而對于損失超過 100 萬美元的故障事件，這一數(shù)字躍升至 74%。

正常運行時間協(xié)會認(rèn)為，導(dǎo)致故障事件發(fā)生的最終的錯誤不一定是員工，而是令人失望的管理。

“這個行業(yè)仍然嚴(yán)重依賴于人工去完成一些最基礎(chǔ)和最重要的工作，易受人為錯誤的影響，這一點無法避免，也許可做的防錯/防災(zāi)措施很有限。”正常運行時間協(xié)會期刊的主編 Kevin Heslin 在一篇 博客文章 中寫道。

“然而，對這些故障問題的快速調(diào)查發(fā)現(xiàn)，故障持續(xù)存在的主要原因不是人為失誤，而是由于管理失誤導(dǎo)致，如針對員工培訓(xùn)投資不足，相關(guān)政策執(zhí)行不力，管理程序老舊，低估一名合格員工的重要性，這一系列的管理問題導(dǎo)致了故障停機。” Heslin 繼續(xù)寫道。

正常運行時間協(xié)會指出，公司的 IT 基礎(chǔ)設(shè)施越復(fù)雜，特別是分布式特性基礎(chǔ)設(shè)施，可能會越容易增加簡單的錯誤層出不窮而導(dǎo)致業(yè)務(wù)中斷的風(fēng)險。同時指出公司需要意識到基礎(chǔ)設(shè)施越復(fù)雜所涉及的風(fēng)險就越大。

并警告說，在人員配備方面，不要以超過公司吸引和應(yīng)用資源來管理基礎(chǔ)設(shè)施的速度擴大關(guān)鍵 IT 能力，并在影響關(guān)鍵任務(wù)操作之前意識到任何人員和技能短缺。