数据中心故障大多源自于人祸

　　任何活动只要有人的参与，就不可避免地存在出现人为差错的可能性，而机器出错的概率要比人低得多。远的不说，就在近期几起重要的断网事件都和人有关。2017年2月28日晚8点39分，百度移动端搜索发生故障，搜索请求无法显示结果，至晚9点21分恢复，历时42分钟。故障期间导致手机用户上亿次的搜索受到影响。事后，工信部立即紧急约谈百度公司，了解相关情况，要求互联网公司日后尽量防止类似问题再次发生。故障源自于软件更新中存在BUG(漏洞)，导致服务器停止服务。在数据中心里运行着大量的软件系统，不可避免存在软件BUG，即使能够达到CMM5级别的单位，其代码缺陷率也不会低于千分之一，也就是一千行代码里至少有一个BUG，那些拥有上千万行代码的软件系统，BUG量可想而知。当然，一般人不会恶意在这些软件系统中增加BUG，大多是在无意识、经验不足、精力不集中等情况下造成的，但这就是人的因素导致的，说白了是人祸。这几天，全球最大的公有云服务商亚马逊的应用服务出现持续数小时故障。故障起因是AWSS3(云存储)团队在进行调试时输入了一条错误指令，本应该将少部分的S3计费流程服务器移除，可是最终意外地移去了大量的服务器，这一服务水平协议违约可能造成数百万乃至数千万美元的损失，这又是一例严重的人为故障。回想了从2011年到现在亚马逊出现了7次大规模的故障，大部分原因也都是来自人为。就在刚刚，微软大量的Xbox、Skype和Outlook用户抱怨他们的账户无法登录，提示账户不存在，这又是一次影响全球的大规模登录问题，虽然微软还未公布原因，但已经承认存在问题，说不定又是人为因素导致的。所以，一旦有人为参与较多的数据中心时，大多都不靠谱。

　　我们对比无人值守的数据中心和有人数据中心，不难发现，虽无人值守数据中心扩容业务，安装设备时经常人手不够，但整体运行稳定度要比有人的数据中心高得多，这些无人数据中心在首次业务上线之后，很少有人去修改或调整系统运行的各种参数，让数据中心自己运行，设备按照预定的程序指令运行，很少出错。相反，在那些运维人力强大的数据中心，经常遇到这样那样的故障，多和人为因素有关。不少数据中心已经意识到了这一点，所以将数据中心的控制权放在技术实力最强的总部，轻易不做变更，如因业务部署需要做变更，变更手续和申请过程非常严格，经常要经过设备厂家的确认、实验网模拟以及高层领导批准，再进行充分的方案讨论，最终才能去实施，这样数据中心的业务运行非常稳定，少有出错。很多数据中心很喜欢软件定义数据中心，就是希望可以通过软件来统一控制和管理整个数据中心，将所有的控制权集中，由少数几个技术实力雄厚的老专家控制，避免其它人胡乱改一通，引发一些未知故障。再或者直接将控制权交由软件，将人的操作和方案交给软件设备来执行，设备出错的概率要比人小得多，由软件自行管理整个数据中心，这样不仅可以降低人力成本，还可以减少人为出错的概率。

　　正所谓“成也萧何，败也萧何”，人是数据中心活动中的最重要因素，没有人的参与哪里来的数据中心，而偏偏人也同时给数据中心带来成长的烦恼。要想拥有一个运营良好的数据中心，必须重视运行系统或与系统交互的人。如果数据中心能投入时间在员工技术水平、培训、维护和运营等方面做出谨慎决策，往往能够避免多数灾难，让数据中心长期稳定运行。很多针对数据中心发起的攻击，都利用了人为的安全意识缺失而系统被攻破的。比如：2011年3月索尼公司遭黑，引发史上最严重的消费者资料“泄露”事故，超过7000万玩家的邮箱、密码、信用卡号等资料遭窃取。泄露的原因是索尼负责信息安全的员工，他没及时给跑着过期ApacheWebserver软件的服务器打补丁，也没有安装防火墙，结果门户大开，引狼入室，黑客轻而易举地盗取了内部数据。所以数据中心要通过有效的管理，规范的ITIL和IT服务实施，才能有效降低运维中的人为隐患。数据中心管理针对的重点应是人，而不是设备。

　　不难看出，数据中心的故障大多源自于人祸。运行中的数据中心，应减少人为参与的机会，要对人为行为进行充分的管理和评估。“三分技术，七分管理”，大量的事实表明，数据中心的好与差评判标准都是由管理水平的高低所决定的，而管理主要就是针对运维人的。加强运维人员的管理，提升运维人员的技能水平，才能减少人为犯错的机会，避免产生人祸。数据中心是一个非常复杂的IT系统，难免会出现这样那样的问题，从而引发故障，若能够通过有效管理减少其中人祸部分的因素，将能有效提升数据中心的运行稳定性。当前，随着数据中心技术的发展和对基础设施要求的提高，供配电系统存在的实际问题及面临的现实挑战也日益凸显。对此，艾默生网络能源大中华区PDU产品部总监李晓东，在“思无界•设享非凡—艾默生网络能源2016年华南区设计院专家高端论坛”上，予以了系统阐述，并针对性给出了解决之道，同时全面介绍了艾默生网络能源最新推出的PTMS供电系统前沿解决方案。

　　需求促成电力模块化的普及

　　首先，李晓东结合运营现状，具体而深入地剖析了数据中心供配电系统所面临的问题和挑战。

　　李晓东明确指出，在数据中心设计采用一次性投资的前提下，很难对未来的用量及客户做出准确预估。而面对不断变化的发展趋势，需求的不确定性是数据中心规划设计中一个很大的困扰。在实际运行中，低负载率是目前数据中心供配电系统亟待解决的现实问题之一，这不仅意味着效率偏低，而且导致实际运行PUE与设计PUE之间存在较大差异。

　　同时，更复杂的运维管理，也是数据中心供配电系统普遍面临的一个挑战。李晓东表示，客户业务随时处于变化之中，基于客户业务不同的重要程度，数据中心往往有跨区现象，而且目前客户对基础设施的独占性要求也非常高，在此情况下，数据中心供电等级变更具有很大难度。

　　此外，基于及时满足业务需求的需要，快速部署和整体交付成为数据中心建设的一个显著特征。复杂的工程化产品及界面、现场安装调试、交付标准和工程周期，都给数据中心建设带来巨大压力

　　在深入剖析数据中心供配电系统所面临的实际问题和挑战之后，李晓东也基于多年的业界深度实践经验，并结合业内的创新举措给出了解决之道。他强调，电力模块化是解决目前数据中心供配电系统问题及挑战的有效方法，并且已经成为主流趋势。

　　供配电系统架构和部署更加灵活多变

　　李晓东表示，电力模块化的应用价值在于不需要一次性投资，能够根据实际负载灵活扩容和设备迁移，同时工程量大大降低，可实现工厂预制化，所见即所得，其机电设备完全独立，分类维护，更有利于提升IT系统的可靠性，并且采用统一界面，实现集中管理。

　　预制式电力模块化方案实例

　　强大功能与最佳实践的极致演绎

　　在系统阐述电力模块化应用价值的同时，李晓东深刻诠释了电力模块容量颗粒度的划分原则。他指出，电力模块容量颗粒度的划分，需要考虑输入侧的容量边界、业务应用的基本模型、单位容量的最优成本等多个关键因素。

　　电力模块容量颗粒度的划分原则

　　面对数据中心供配电系统的挑战，如何用最佳的电力模块颗粒度设计，满足不同场景，不同条件的数据中心需求?李晓东结合艾默生网络能源服务包括BAT在内的各领域客户的成功实践，分享了公司最新推出的供配电系统前沿解决方案——PTMS功率链集成管理系统。

　　PTMS功率链系统集成与管理

　　李晓东介绍，PTMS是为数据中心提供灵活的监控解决方案的产品，对接入的各类供配电设备进行统一的监控管理，保障功率链的正常连续运行，以方便用户查看数据中心接入设备的运行状态、告警情况、系统的运行效率。

　　传统的配电柜，其智能化程度、管理的有效性都有待提高，PTMS就是专为满足这种需求开发的，其优势体现在多个方面。首先可以统一信息接口，方便信息集中采集，形成完整功率链路，避免信息孤岛，其次针对配电的管理大大提高了专业性和有效性。不仅如此，PTMS能够对产品的配置进行优化，在保留元件基础功能的基础上减少冗余配置，优化投资结构。另外，PTMS具备各种仪表功能，包括支路参数测量、电压电流波形抓取、供电链路可靠性分析等等，并且动态可视化的单线图显示，让系统运行状态一目了然。