大多数人在生活或工作领域中都不希望出现连接中断的情况，尤其是在以数字生活方式为主的今天，所以数据中心基础设施变得越来越重要。对于许多消费者来说，他们希望自己的数字产品和服务能保持正常工作，所以当发生宕机事件时，他们就会开始抱怨甚至投诉。

以最近的航空数据中心宕机事件为例，如美国达美航空、西南航空和英国航空公司，由于一个简单的电气故障或不当的维修程序，导致服务器遭到灾难性损坏，航空公司损失数亿美元，数以万计的乘客被滞留在全球各地的机场。

这些大规模的宕机事件总能成为新闻头条，而且数据中心宕机事件比人们想象的更为常见。根据Uptime Institute调查显示，25％的受访企业在过去一年内都发生了数据中心宕机事件，无论是在自己的数据中心还是在服务提供商的网站上。此外，90％的数据中心和IT专业人士表示，他们的企业管理人员比一年前更加关注数据中心中断事件。

然而，并不是每次宕机事件与航空公司停运事件一样具有破坏性或公开性，但是宕机事件会对企业造成一定的经济损失。根据Uptime Institute的调查表明，只有60％的企业会测量停机成本来作为其业务指标，而在2017年，测量停机成本成为了所有企业都必须采取的措施。考虑到几分钟或几小时的停机可能带来的经济损失，IT专业人员和设施管理人员将会更加注重基础设施的维护。

当然，意识到数据中心的风险与采取措施预测潜在的风险，这是两个截然不同的问题。那么，企业该如何做才能降低数据中心宕机事件的影响呢？

效率的定义

每个数据中心管理人员都希望他们的数据中心能够高效运营。效率是指提供给数据中心IT设备的电源和冷却措施能够满足IT需求且不会产生不必要的成本。从更加商业的角度来看，数据中心必须能够在满足业务需求的同时保持这种平衡。这意味着数据中心的基础设施，计算能力和性能需要经常有效地扩展，以降低停机的风险。

然而，对于现在大多数的数据中心来说，缺少考虑数据中心环境变化带来的影响，如推出的新技术，这些都没被考虑在内。对于IT团队来说，除了知道他们部署将使用的数量，空间，网络和电源之外 ，他们对数据中心环境的影响往往不了解甚至不关心，这是数据中心管理人员的责任，如果IT配置对IT的有效性产生了负面影响，那么管理人员将会立即作出反应。问题在于IT团队和数据中心管理人员这两个团队是独立运作的，许多企业已经部署了DCIM技术，其目的是通过数据中心的业务来缩小数据和处理流程之间的差距。

模拟每种事件的可能性

从机架上安装单个挡板到将设备的功率提高到300kW，如果能够准确预测这中间的所有变化，那么将会影响数据中心的弹性。这不是想象的而是实际存在的，它采取工程仿真的形式，允许数据中心设施管理人员通过创建虚拟原型，对现有设计进行故障排除，以及分析未来数据中心配置的假设场景，并且可以在离线环境中进行实验。

这意味着当业务需求涌入时，数据中心能够以绝对的弹性处理工作负载，或者可以减少这些要求，直到基础设施升级完成。数据中心人员应该积极应对这种变化，这样可以杜绝停机事件发生，或将其减轻到无害水平。

从运营连续性的角度来看，还可以模拟运行其他事件，例如，如果电源故障启动并且由备份电池在供电，那么任何关键系统能够脱机吗？在重新启动电源系统时，工程师如果没有遵循正确的协议，会对数据中心产生不利影响吗？如果是这样的话，怎样才能减轻造成的损失呢？所有这些问题和更多的问题都可以通过仿真来解决，帮助数据中心管理人员创建战略，使关键硬件能够以这样的方式进行定位，以确保其坚持到最后。

如果90%的数据中心和IT专业人士说，他们的企业管理人员比一年前更担心宕机事件发生，那么运营弹性则是IT团队和数据中心设施管理人员最应该考虑的事情，而运营弹性通过上面提到的策略和工具就可以实现。

至于其他10％的管理层，难道他们对数据中心宕机事件不关心？如果他们的团队尽了一切努力去防止宕机事件发生，但结果还是发生了的时候，他们将会很快改变想法，因为他们了解这将会对公司声誉造成多大的影响，并且这也是其业务运营的底线。

本文转自d1net（转载）