隨著數(shù)據(jù)中心建設(shè)規(guī)模的不斷擴(kuò)大，新技術(shù)的層出不窮，數(shù)據(jù)中心變得越來越復(fù)雜。大型數(shù)據(jù)中心往往是由很多規(guī)模龐大的集群系統(tǒng)組成，其運(yùn)維工作需要具備方方面面的知識，包括硬件、網(wǎng)絡(luò)、服務(wù)器、存儲、安全以及業(yè)務(wù)上的東西，需要上下打通地去做運(yùn)維工作。

當(dāng)一個(gè)數(shù)據(jù)中心的規(guī)模非常大，面臨的挑戰(zhàn)和問題也比較超前，很多在小環(huán)境小體系下不是問題的問題在這樣的規(guī)模下也就凸顯出來了，所以要做好大型數(shù)據(jù)中心的運(yùn)維工作，對整個(gè)數(shù)據(jù)中心技術(shù)體系的系統(tǒng)學(xué)習(xí)就要花費(fèi)比較長的時(shí)間，只有對這個(gè)數(shù)據(jù)中心整體非常了解，才能有針對性地制定一些運(yùn)維方案，甚至可以二次開發(fā)一些監(jiān)控運(yùn)維軟件，對整個(gè)數(shù)據(jù)中心進(jìn)行有效管理與監(jiān)控，提升整個(gè)數(shù)據(jù)中心的運(yùn)行效率、減少故障的發(fā)生，從而將運(yùn)維工作推向新的高度。一個(gè)大型的數(shù)據(jù)中心內(nèi)部往往都包含了很多小系統(tǒng)，運(yùn)維工作都是圍繞著這些具體的應(yīng)用系統(tǒng)展開的，具體的可以分為基礎(chǔ)運(yùn)維管理、日常業(yè)務(wù)運(yùn)維、網(wǎng)絡(luò)、服務(wù)器、存儲、安全六大部分，本文就來說一說一般大型的數(shù)據(jù)中心應(yīng)該具備的哪些運(yùn)維方法和能力。

首先從數(shù)據(jù)中心的基礎(chǔ)運(yùn)維管理方面來說，則主要有硬件配置管理、可維護(hù)性優(yōu)化、監(jiān)控、報(bào)警處理、自動(dòng)化運(yùn)維、斷網(wǎng)，斷電、機(jī)房容災(zāi)等運(yùn)維工作。硬件配置管理包含機(jī)柜里每臺服務(wù)器的型號和硬件配置，并清楚是哪些業(yè)務(wù)系統(tǒng)在使用這些服務(wù)器。即便是虛擬化運(yùn)行環(huán)境，也需要知道這些虛機(jī)都在哪些物理機(jī)組成的資源池中流動(dòng)。數(shù)據(jù)中心物理機(jī)和虛機(jī)數(shù)量都很龐大，使用自動(dòng)化運(yùn)維是非常有必要的。自動(dòng)化運(yùn)維不僅能提升運(yùn)維的工作效率，還可以減少人為的參與，同時(shí)讓數(shù)據(jù)中心自己管理自己，釋放人力。并對數(shù)據(jù)中心可能發(fā)生的故障還做好監(jiān)控與報(bào)警處理，以便能夠在故障發(fā)生的第一時(shí)間知曉問題，往往一次大的故障都是從開始的一點(diǎn)小故障逐漸擴(kuò)展最終引發(fā)整個(gè)大系統(tǒng)的崩潰的，所以在出現(xiàn)一些小的異常時(shí)一定要及時(shí)消除，而這些異常就要靠完善的監(jiān)控和報(bào)警系統(tǒng)來檢測。

從數(shù)據(jù)中心的日常業(yè)務(wù)運(yùn)維方面考慮，則主要有資源、機(jī)器分配、資源使用、網(wǎng)絡(luò)吞吐、故障恢復(fù)、備份應(yīng)用，集群搭建、流量，壓力，遷移擴(kuò)容，升級、上下級業(yè)務(wù)關(guān)聯(lián)情況、資源利用率、異常處理、應(yīng)急預(yù)案等等。這些日常運(yùn)維工作實(shí)際上要花費(fèi)大量的人力和時(shí)間，是運(yùn)維工作的主體，也最煩瑣，但卻最不能體現(xiàn)業(yè)績的部分。一個(gè)數(shù)據(jù)中心能夠長久安全穩(wěn)定運(yùn)行，就是靠這些日常的工作積累，只有平時(shí)注意這些細(xì)微的變化，才能不斷優(yōu)化。壓力測試、軟件升級、業(yè)務(wù)部署、異常處理等幾乎成為了運(yùn)維工作的日常必修課，只有將這些工作做好，才能避免出現(xiàn)大的故障，并能夠快速部署新的業(yè)務(wù)，根據(jù)資源使用情況及時(shí)擴(kuò)容設(shè)備。

從數(shù)據(jù)中心網(wǎng)絡(luò)方面考慮，則主要有網(wǎng)絡(luò)硬件設(shè)備、ACL、OSPF、LACP、VIP、流量、負(fù)載均衡、二三四七層情況、網(wǎng)絡(luò)監(jiān)控、萬兆板卡、核心交換等。網(wǎng)絡(luò)是數(shù)據(jù)中心的重要組成部分，是一切工作運(yùn)行的基本保證，沒有網(wǎng)絡(luò)數(shù)據(jù)中心就無法運(yùn)轉(zhuǎn)起來，所以保證網(wǎng)絡(luò)穩(wěn)定是數(shù)據(jù)中心運(yùn)維工作中的重中之重。這里主要關(guān)注的就是網(wǎng)絡(luò)的硬件問題，ACL部署還有流量監(jiān)控情況。網(wǎng)絡(luò)可以說是包羅萬象，涉及太多的設(shè)備和協(xié)議技術(shù)，所以也需要不斷地學(xué)習(xí)，加深對網(wǎng)絡(luò)技術(shù)的理解，這樣才能做好網(wǎng)絡(luò)運(yùn)維工作。

從數(shù)據(jù)中心服務(wù)器方面考慮，則主要有文件系統(tǒng)、內(nèi)核參數(shù)調(diào)優(yōu)、各種硬盤驅(qū)動(dòng)、內(nèi)核版本、Kernelpanic等。Linux系統(tǒng)不僅在服務(wù)器，在網(wǎng)絡(luò)操作系統(tǒng)也占據(jù)著主流地位，掌握Linux系統(tǒng)的使用才能更好地處理服務(wù)器和網(wǎng)絡(luò)設(shè)備的運(yùn)維工作，Linux是運(yùn)維工作的一項(xiàng)基本技能。除了熟悉Linux系統(tǒng)的操作，還要對服務(wù)器的運(yùn)行狀態(tài)和內(nèi)核運(yùn)行狀態(tài)進(jìn)行監(jiān)控與管理，減少服務(wù)器故障的發(fā)生。一般大型的數(shù)據(jù)中心都包含有成千上萬臺的服務(wù)器，幾乎每天都會(huì)有服務(wù)器出現(xiàn)各種各樣的問題，只有對服務(wù)器有深入理解才能很好地消除問題。為了防止服務(wù)器故障引發(fā)業(yè)務(wù)中斷，所以一般在服務(wù)器上都要部署虛擬化技術(shù)或者集群技術(shù)，當(dāng)一臺服務(wù)器物理硬件故障時(shí)，業(yè)務(wù)可以平滑切換到其它服務(wù)器上，業(yè)務(wù)不會(huì)受到任何影響。這些虛擬化技術(shù)增加了運(yùn)維的難度，也需要對虛擬化技術(shù)進(jìn)行不斷深入學(xué)習(xí)。

從數(shù)據(jù)中心存儲方面考慮，架構(gòu)更加多樣和復(fù)雜化。在云計(jì)算、虛擬化、大數(shù)據(jù)等相關(guān)技術(shù)進(jìn)入數(shù)據(jù)中心后，存儲已經(jīng)發(fā)生了巨大的改變，塊存儲、文件存儲、對象存儲支撐起多種數(shù)據(jù)類型的讀取;集中式存儲已經(jīng)不再是數(shù)據(jù)中心的主流存儲架構(gòu)，海量數(shù)據(jù)的存儲訪問，需要擴(kuò)展性、伸縮性極強(qiáng)的分布式存儲架構(gòu)來實(shí)現(xiàn)。在大規(guī)模系統(tǒng)支撐上，分布式文件系統(tǒng)、分布式對象存儲等技術(shù)，為存儲的各種應(yīng)用提供了高度可伸縮、可擴(kuò)展和極大的彈性支撐和強(qiáng)大的數(shù)據(jù)訪問性能，并且因?yàn)檫@些分布式技術(shù)對標(biāo)準(zhǔn)化硬件的支持，使得大規(guī)模數(shù)據(jù)中心存儲得以低成本的建設(shè)和運(yùn)維。當(dāng)然分布式存儲不是要取代現(xiàn)有的盤陣，而是為了應(yīng)付高速成長的數(shù)據(jù)量與帶寬而產(chǎn)生的新形態(tài)存儲系統(tǒng)。另外就是軟件定義存儲，它代表了一種趨勢，即存儲架構(gòu)中軟件和硬件的分離，也就是數(shù)據(jù)層和控制層的分離。對于數(shù)據(jù)中心用戶而言，通過軟件來實(shí)現(xiàn)對存儲資源的管理和調(diào)度，實(shí)現(xiàn)存儲資源的虛擬化、抽象化、自動(dòng)化，能夠完整的實(shí)現(xiàn)數(shù)據(jù)中心存儲系統(tǒng)的部署、管理、監(jiān)控、調(diào)整等多個(gè)要求，使得存儲系統(tǒng)具備靈活、自由和高可用等特點(diǎn)。企業(yè)及互聯(lián)網(wǎng)數(shù)據(jù)以每年50%的速率在增長，新增數(shù)據(jù)中結(jié)構(gòu)化數(shù)據(jù)總量有限，多數(shù)為非結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)中心存儲架構(gòu)隨著業(yè)務(wù)發(fā)展也需要極強(qiáng)的彈性適應(yīng)能力，低成本、海量擴(kuò)展、高并發(fā)性能是面向大型云數(shù)據(jù)中心運(yùn)營存儲架構(gòu)的基本技術(shù)屬性。如何進(jìn)行數(shù)量龐大且雜亂無章的數(shù)據(jù)存儲與深度應(yīng)用處理，并迅速提取有價(jià)值的信息，形成商業(yè)決策將成為各類型企業(yè)生存基礎(chǔ)，也是今后存儲以及圍繞存儲架構(gòu)不斷衍生的業(yè)務(wù)發(fā)展方向。

最后從數(shù)據(jù)中心安全方面來考慮，安全就是十幾個(gè)小項(xiàng)：攻擊保護(hù)、升級備份、抓BUG/找BUG、腳本工具、數(shù)據(jù)安全、服務(wù)巡檢等項(xiàng)目，其中每一項(xiàng)拿出來其實(shí)都包含很多的內(nèi)容。比如說到攻擊與保護(hù)，這個(gè)主要指的是防止外來的異常入侵者對數(shù)據(jù)中心發(fā)起的惡意和無意攻擊，惡意攻擊就是有人故意的使用各種攻擊方法，進(jìn)入到數(shù)據(jù)中心內(nèi)部，將重要的數(shù)據(jù)竊取或者破壞，達(dá)到其不可告人的目的。也有的是無意的攻擊，因?yàn)檎麄€(gè)數(shù)據(jù)中心是要與外界保持互聯(lián)互通的，運(yùn)行是動(dòng)態(tài)的，變化的，不可避免會(huì)有一些異常流量攻擊數(shù)據(jù)中心，有時(shí)甚至來自于數(shù)據(jù)中心內(nèi)部，比如某些服務(wù)器中毒，或者硬件故障，構(gòu)造出了環(huán)路，異常流量等網(wǎng)絡(luò)故障，這些都會(huì)影響到數(shù)據(jù)中心的運(yùn)行，所以如何做好數(shù)據(jù)中心的攻擊與保護(hù)是一個(gè)很大的題目，這并不是在數(shù)據(jù)中心里部署幾臺安全設(shè)備就能解決的，需要對整個(gè)數(shù)據(jù)中心進(jìn)行全面的統(tǒng)一規(guī)劃，并有針對性地部署一些安全防護(hù)措施，而且隨著各種黑客技術(shù)的提升，安全防護(hù)措施也要不斷提升，這是一個(gè)不斷學(xué)習(xí)與完善的過程，只要數(shù)據(jù)中心還在運(yùn)行，這個(gè)完善就不會(huì)停止。為了方便運(yùn)維，也要做好一些執(zhí)行腳本，以便在出現(xiàn)突發(fā)事件時(shí)，能夠快速處理問題。比如一個(gè)數(shù)據(jù)中心的業(yè)務(wù)出現(xiàn)異常，為了快速恢復(fù)業(yè)務(wù)，需要將路由進(jìn)行調(diào)整，將流量全部引到其它的數(shù)據(jù)中心，這就需要在核心路由器上進(jìn)行調(diào)整，這時(shí)有個(gè)現(xiàn)成的腳本就可以自動(dòng)執(zhí)行，達(dá)到快速切換的目的。數(shù)據(jù)中心還應(yīng)該準(zhǔn)備很多其它工作的腳本，以便緊急的時(shí)候快速使用。

通過上面的分析您一定很驚訝，原來數(shù)據(jù)中心運(yùn)維包含這么多內(nèi)容，大大小小數(shù)十項(xiàng)，而且每一項(xiàng)包含的內(nèi)容說起來都不那么簡單，也涉及很多的技術(shù)知識。一個(gè)數(shù)據(jù)中心能否穩(wěn)定運(yùn)行，能夠高效運(yùn)行，運(yùn)維是關(guān)鍵。只有將這些運(yùn)維工作很好地部署和執(zhí)行下去，數(shù)據(jù)中心才能長期穩(wěn)定。