如今的數據中心已經(jīng)承載著(zhù)太多的重要業(yè)務(wù)，人們的生活早已經(jīng)離不開(kāi)數據中心，它已經(jīng)成為了人們生活的一部分，一旦數據中心發(fā)生故障將給人們帶來(lái)很多不便和經(jīng)濟損失。因為每當數據中心發(fā)生故障后，既然可以通過(guò)一些歷史記錄去還原故障的發(fā)生原貌，對數據中心的未來(lái)發(fā)展建設都會(huì )很有借鑒意義。
絕大多數的數據中心都是運行在固定的建筑當中，不過(guò)也有一些可以移動(dòng)的數據中心，這些移動(dòng)的數據中心在工作時(shí)也基本是在固定的位置，這就和飛機有最大的不同。飛機發(fā)生墜毀一切設備都無(wú)法再繼續工作，現場(chǎng)也會(huì )被破壞，而數據中心是在固定的位置，故障現場(chǎng)依然可以被很好地保留著(zhù)，這就為故障分析提供了很好的參考依據。從以往數據中心發(fā)生的故障來(lái)看，主要有三類(lèi)：自然災害；人為故障；設備故障，這三個(gè)方面。90%以上的故障都來(lái)自于這三個(gè)方面。
對于地震、火災、雷擊等天然災害，從故障現場(chǎng)的受損情況就可以分析出來(lái)。比如雷擊，會(huì )產(chǎn)生強大的沖擊電流，打到設備上，就會(huì )引起設備器件短路，產(chǎn)生瞬間的高壓，使電路急劇生溫，輕微的可引起設備短路故障，嚴重的還能引起火災。對于這些自然災害，數據中心也有很多的技術(shù)手段可以最大程度上避免災害的發(fā)生，針對每一種自然災害數據中心都需要加以重視，才能躲避開(kāi)這些自然災害。比如增加機柜和機房地面的固定螺絲，安裝避雷針，增加放火報警系統和防火器材。當出現這些自然災害時(shí)，減少對數據中心的沖擊。
人為故障占到了數據中心的故障中的70%，其中也可以分為有意的和無(wú)意的。有意的是指明知道一些操作會(huì )造成數據中心故障，仍執意去做的，這些人往往希望通過(guò)造成數據中心運行癱瘓，而達到不可告人的目的。常見(jiàn)的有黑客、情報人員、商業(yè)機密小偷等等，他們攻擊的對象往往是數據中心里的數據，通過(guò)造成數據中心故障來(lái)達到竊取或損壞數據的目的。無(wú)意的是指本意并不想破壞數據中心，但是由于自己的技術(shù)積累經(jīng)驗不夠或者疏忽，自己的操作引發(fā)了數據中心故障，這種故障占到了人為故障的80%以上。數據中心是一個(gè)復雜龐大的系統，不可能一個(gè)人面面俱到都精通，當接觸到自己不熟悉或不了解的地方，操作往往引發(fā)意想不到的結果，因此加強對人的管理尤為重要。在對數據中心做任何調整時(shí)，都要從全局考慮，集中最優(yōu)秀的技術(shù)人員，將人為操作風(fēng)險降低。這類(lèi)事故往往也很容易留下證據記錄，給事故分析帶來(lái)方便。幾乎所有的數據中心都有門(mén)禁系統、視頻監控系統，任何人的出入都有記錄，很容易查到。有不少的數據中心提供遠程的訪(fǎng)問(wèn)，那么所有的訪(fǎng)問(wèn)操作在數據中心后臺數據中心都有記錄，訪(fǎng)問(wèn)者對數據中心業(yè)務(wù)調整、修改配置、甚至重起設備等任何操作都會(huì )記錄在案，只要數據中心不是全面的毀滅，這些記錄都會(huì )在后臺的數據庫中查到，通過(guò)記錄的時(shí)間和訪(fǎng)問(wèn)的人就可以查明人為事故的原因。
設備運行故障也是數據中心故障的一類(lèi)，大型的數據中心擁有數千臺設備很普遍，這些電子設備難免運行中出現故障。一旦出現故障，就需要對設備進(jìn)行分析，很多現場(chǎng)操作人員并不具備分析問(wèn)題的能力，為了恢復業(yè)務(wù)，只能重起設備，或者將業(yè)務(wù)切割到別的備份設備上。當故障設備上沒(méi)有業(yè)務(wù)或者已經(jīng)重起了，其上很多時(shí)時(shí)記錄都會(huì )沖掉，這樣給故障分析帶來(lái)難度。很多時(shí)候故障的表現也并非集中在某一臺設備上，心急的操作人員可能將所有設備全部重啟或將業(yè)務(wù)全部割離，如果設備能提供詳細的歷史記錄，那么對于故障分析非常有幫助。數據中心不怕出故障，怕的是出了故障后找不到原因，這相當于給數據中心埋了一個(gè)定時(shí)炸彈。其實(shí)在很多高端設備上已經(jīng)增加了一些可以記錄歷史信息的模塊，比如采用NVRAM、EEPROM等非憶失性器件時(shí)時(shí)記錄設備運行的各種參數，當設備發(fā)生故障后，哪怕是設備發(fā)生了斷電，這些器件依然可以正常運行，記錄下來(lái)設備運行的各種參數，這些數據往往是故障后分析參考的最重要數據來(lái)源。當數據中心出現故障后，有的設備可以提供故障時(shí)設備運行的各種數據參數，非常具有說(shuō)服力，有時(shí)也是證明自己設備沒(méi)有問(wèn)題的重要信息，而一旦在故障后，一些設備沒(méi)有可分析的數據記錄，根本分不清是不是自己的問(wèn)題，這樣的設備很快就會(huì )被數據中心所棄用。如果通過(guò)數據分析是自己設備的問(wèn)題，那么設備商依然可以根據這些數據去優(yōu)化設備設計，從而避免這類(lèi)故障的再次發(fā)生，讓設備運行更加穩定。
數據中心也有各種各樣的監控手段和歷史信息記錄，這些技術(shù)為數據中心的穩定運行提供了保障，也是不斷推動(dòng)數據中心完善的重要舉措。如同飛機上的黑匣子，數據中心也有自己的一套故障定位信息獲取方案，這些信息可以在一定程度上有效還原故障時(shí)數據中心的完貌，通過(guò)對這些數據分析，不僅可以找到故障原因，還可以根據這些故障對數據中心進(jìn)行優(yōu)化，避免發(fā)生二次故障。
