郭天兵

（太原理工大學財經(jīng)學院，山西 太原 030024）

近年來，隨著全球經(jīng)濟的快速發(fā)展，數(shù)據(jù)中心機房也進入了高速建設期，大型數(shù)據(jù)中心機房的規(guī)模呈幾何倍上升趨勢。數(shù)據(jù)中心已逐漸成為現(xiàn)代企業(yè)之間競爭的資產(chǎn)，但是隨著數(shù)據(jù)中心機房的快速擴張以及對于機房可靠性、可用性要求的提升，數(shù)據(jù)中心機房管理方面的問題也隨之顯現(xiàn)。尤其是2017年以來，全球經(jīng)歷了不少自然災害，使得數(shù)據(jù)中心機房的管理人員開始重視機房的災難恢復管理工作，數(shù)據(jù)中心機房的故障應急處理能力取得了長足進步。同時由于低碳環(huán)保理念的深入，對于數(shù)據(jù)中心機房節(jié)能、減排的要求越來越高，這對數(shù)據(jù)中心機房的管理者提出了新的挑戰(zhàn)，需要一套完整的方法體系用于提高數(shù)據(jù)中心機房的管理效能，幫助數(shù)據(jù)中心機房更好的運營。

1 數(shù)據(jù)中心機房管理的主要工作

數(shù)據(jù)中心機房管理的主要工作包括機房的運維管理、安全管理、應急管理和文檔管理幾個部分。每個部門均與數(shù)據(jù)中心機房管理效能的提升有著直接的關(guān)系，明確數(shù)據(jù)中心機房管理的主要工作，能為其尋找到管理效能提升的最優(yōu)方法奠定基礎(chǔ)。

1.1 機房運維管理

機房基礎(chǔ)設施的運維管理在其所有管理內(nèi)容中的占比最高，涉及數(shù)據(jù)中心電力、空調(diào)、安防、服務器、存儲、網(wǎng)絡和綜合布線等多個系統(tǒng)。運維管理工作主要是針對數(shù)據(jù)中心機房的基礎(chǔ)設施進行監(jiān)控，發(fā)現(xiàn)異常及時進行處理和上報，并根據(jù)設備的維保要求，制定相應的預防性維護計劃。常規(guī)作業(yè)在機房基礎(chǔ)設施運維管理中的占比較大，其主要涉及日常運行、維護和保養(yǎng)等基礎(chǔ)類操作。各系統(tǒng)功能、性能進行測試類操作。按相關(guān)標準操作程序，對機房基礎(chǔ)設施運行日志、記錄等數(shù)據(jù)進行記錄。另外一些作業(yè)相應也屬于運維管理的范疇，如故障響應、服務響應以及變更響應等。

1.2 機房安全管理

機房安全管理主要是針對機房中的人、財、物進行管理。對人進行相關(guān)的安全培訓，通過多維度、多方式的宣貫安全內(nèi)容，讓機房管理、運維和進行機房作業(yè)的相關(guān)人員時刻繃緊安全基線，保證機房內(nèi)部財和物的安全。機房安全管理包含的細節(jié)很多，小到機房人員進出、設備上下架的登記，大到機房用電、消防安全以及防災減災等工作。既要保證設施、設備的物理安全，還要防止社會工程學、遠程攻擊等信息事件對于機房安全的破壞。

1.3 機房應急管理

應急管理則是針對數(shù)據(jù)中心機房內(nèi)可能發(fā)生的問題，做好應急預案和應對措施，并定期組織人員開展相應的應急演練并做好紀錄。當緊急事件發(fā)生時，需要依據(jù)對應的流程進行處置，處置完成后，需要記錄應急管理的過程并上報。

1.4 機房文檔管理

文檔管理包含了機房巡檢、維護和故障處理的記錄與報告等原始記錄，也包括了機房中各類設備的檔案、技術(shù)文件等內(nèi)容，甚至還囊括了機房建設的原始圖紙。文檔管理質(zhì)量的高低決定了機房管理執(zhí)行的效率，可以有效減少機房人員的培訓時間，規(guī)范機房常規(guī)運維和應急處置的流程。

2 數(shù)據(jù)中心機房管理中存在的問題

數(shù)據(jù)中心機房由于涉及的系統(tǒng)、設備和軟件眾多，加之多數(shù)數(shù)據(jù)中心機房尚未形成有效的效能管理體系，僅將數(shù)據(jù)中心機房的管理簡單理解為不出大問題，使得數(shù)據(jù)中心機房管理中仍然存在不少細節(jié)被忽視，導致部分數(shù)據(jù)中心機房的管理效能不高。

2.1 數(shù)據(jù)中心機房的管理制度不完善

雖然不少數(shù)據(jù)中心機房已逐步建立和規(guī)范了各個系統(tǒng)的管理制度，但是對于一些細小的環(huán)節(jié)仍然存在制度不完善，缺乏相應的處理流程或者流程執(zhí)行不到位等問題。另外機房管理制度中仍有不少規(guī)定不明確，致使部分操作無法實際執(zhí)行。數(shù)據(jù)中心機房中的設備更新較快，但是管理制度的更新速度較慢，存在著一定時間的延遲，致使部分新設備出現(xiàn)問題時，產(chǎn)生無操作規(guī)程、沒有制度參考的局面，不利于問題的解決和閉環(huán)。

2.2 數(shù)據(jù)中心機房的預防性維護不到位

數(shù)據(jù)中心機房要提高其可靠性和可用性，必須要從做好日常的維保工作和預防性維護工作抓起，減少基礎(chǔ)設施和各類設備的故障頻次和時間。但是現(xiàn)在大部分數(shù)據(jù)中心機房仍然采用被動式的維護策略，不僅故障響應時間難以得到保證，維護的質(zhì)量同樣大打折扣。由于事前沒有充分的準備，在故障發(fā)生后很難在第一時間找到合適的備品備件，代替品品質(zhì)堪憂，造成設施、設備的穩(wěn)定性不及預期。

2.3 數(shù)據(jù)中心機房的節(jié)能減排效果不佳

由于數(shù)據(jù)中心機房的設計往往設計了較大的預留，使得部分數(shù)據(jù)中心的能源效率指標與設計值相距甚遠。一些數(shù)據(jù)中心機房后期的進度遠低于設計進度，數(shù)據(jù)中心機房的機柜閑置率過高，能源效率低下，這與當前國家有關(guān)部門對于數(shù)據(jù)中心的要求差距較大。部分數(shù)據(jù)中心機房由于建造時間長，機房密封器件存在不同程度的損壞，機房管理人員未認真清查原因，也是導致數(shù)據(jù)中心機房節(jié)能減排效果不佳的另一重要原因。

2.4 數(shù)據(jù)中心機房的應急演練頻次不足

由于眾多原因，現(xiàn)有的數(shù)據(jù)中心機房很難按照要求完成各項應急演練。雖然制定了不少的應急演練方案，但是未經(jīng)過真實的環(huán)境進行測試，也未進行過桌面演練等環(huán)節(jié)。這些都是因為應急演練頻次不足造成的，可能造成在突發(fā)事件發(fā)生后，機房的應急人員和流程達不到預定效果，進一步使得機房的可靠性和可用性降低。

3 數(shù)據(jù)中心機房管理效能提升的方法

3.1 完善數(shù)據(jù)中心機房的制度體系和考核機制

完善數(shù)據(jù)中心機房的制度體系并不是一句簡單的空話，必須形成長效的制度體系閉環(huán)機制。數(shù)據(jù)中心機房的制度體系種類繁多，要從頂層管理制度入手，明確數(shù)據(jù)中心機房各個崗位的職責和分工，將制度體系的完善工作落實到人。當數(shù)據(jù)中心機房的設施和設備發(fā)生新增、變更或者減少時，相應的制度和操作規(guī)程必須進行對應的改變。制度體系的分類和界限必須要有清晰的界定，如運維管理、安全管理、應急管理和文檔管理包含的制度需要結(jié)合數(shù)據(jù)中心機房規(guī)模的大小和管理模式進行分類，根據(jù)系統(tǒng)和設施的復雜程度編寫相應的制度流程。制度流程需考慮數(shù)據(jù)中心機房的實際情況，以事實為依據(jù)，真正做到制度流程能落地。在數(shù)據(jù)中心機房管理的制度體系中，應該明確制度更新及閉環(huán)的考核機制，通過考核機制提高管理人員的積極性，讓完善制度體系能夠快速推進。如通過考核機制明確制度更新的時間限制，在時限以內(nèi)完成可以給予一定的獎勵，若超出時間限制過多，就需要給予一定的懲罰，讓機房管理人員能將此當成一項重點工作，持續(xù)不斷的進行推進。

3.2 做好數(shù)據(jù)中心機房的設備維保和預防性維護工作

數(shù)據(jù)中心機房由多個系統(tǒng)構(gòu)成，每個子系統(tǒng)中又有不同型號的設備，這些設備的維修、保養(yǎng)時間不同，需要形成專門的維修保養(yǎng)臺賬。臺賬中應清晰記錄設施、設備購買的時間和質(zhì)保事項，通過設置到期提醒的方式提醒設備的管理人員，定期對設備進行維修、保養(yǎng)并按時檢查設備的狀態(tài)。通過信息管理系統(tǒng)收集設施、設備的運行數(shù)據(jù)，定期與行業(yè)同類設備進行比較，得出其狀態(tài)結(jié)論。設施、設備的管理人員應該根據(jù)其使用壽命和運行狀況，有計劃地開展設施、設備的預防性維護工作。如機房的鉛酸電池壽命一般為3～5年，電池使用3年后，應每3個月對電池進行一次全面的檢測，同時啟動預防性維護工作，分批次預防性更換各組電池，以確保數(shù)據(jù)中心機房的正常運行。數(shù)據(jù)中心機房的設備維保和預防性維護工作應該在規(guī)章制度中得到明顯的體現(xiàn)，制度的常態(tài)化運行能為數(shù)據(jù)中心機房管理效能提升提供較大的幫助。同時通過常態(tài)化的管理能減少許多不必要的設備故障維修活動，能盡可能的減少數(shù)據(jù)中心機房的不可用時間，最大減少數(shù)據(jù)中心機房的人員配置，提高人均工作效率。

3.3 提高數(shù)據(jù)中心機房的能耗管理能力

眾多周知，數(shù)據(jù)中心機房是能耗大戶，提高數(shù)據(jù)中心機房的能耗管理效能為其節(jié)省較大的經(jīng)濟支出，同時也能為國家的低碳減排工作做出貢獻。提高數(shù)據(jù)中心機房的能耗管理能力需要從以下幾個方面入手。一是在數(shù)據(jù)中心機房建設初期，精確計算機房中設備、設施的能耗，提高機房中機柜空間的利用率，對機房中的空間布局進行統(tǒng)一的設計，盡量將閑置機柜化零為整，定期對機柜的空置位置進行盤點。二是要根據(jù)設備的運行情況和外界的溫濕度狀態(tài)動態(tài)調(diào)整機房的送風溫度值，確保設備能夠正常運轉(zhuǎn)的基礎(chǔ)上，盡可能的減少機房的能耗消耗。三是對機房的管理需更加嚴格，在設備下架后，需第一時間在機柜中安裝盲板，避免機房內(nèi)部氣流受阻導致的冷量受損。同時需要對機房的照明進行控制，在保持機房照明量足夠的情況下，盡量減少能源消耗。四是通過改造的形式，建立數(shù)據(jù)中心機房余熱回收系統(tǒng)，將機房空調(diào)機組的余熱進行回收，為辦公區(qū)域提供熱水。最后是利用機房室外的空余場地，新建光伏等新能源發(fā)電系統(tǒng)，利用太陽能等清潔能源，實現(xiàn)數(shù)據(jù)中心的部分自我供電，減輕當?shù)仉娋W(wǎng)的壓力。

3.4 提升數(shù)據(jù)中心機房人員的專業(yè)素養(yǎng)

與其他崗位相比，數(shù)據(jù)中心機房的工作人員流動性偏高，需要加強內(nèi)部制度、操作規(guī)程和應急流程的宣貫和培訓工作，定期組織各系統(tǒng)專業(yè)知識的培訓。通過嚴格的文檔管理，讓新進員工快速熟悉數(shù)據(jù)中心的各項操作規(guī)程，提高員工個人的工作效能。同時要加大機房人員各系統(tǒng)交叉學習的力度，如定期組織全員的培訓，請各系統(tǒng)的負責人介紹所負責系統(tǒng)的相關(guān)知識和流程，還要加大換崗培訓的力度，通過對數(shù)據(jù)中心各崗位的學習，使數(shù)據(jù)中心機房的工作人員具備勝任兩個或者更多系統(tǒng)的工作能力。當前數(shù)據(jù)中心機房知識的更新速度也在不斷增加，對于新知識需要定期的吸收和消化。為了提高數(shù)據(jù)中心機房的管理效能，必須以新媒體作為新知識傳遞的載體，充分拓展員工的碎片化學習時間，讓其掌握新的工作方法和技能，進一步提升自身的工作效率。

3.5 規(guī)范操作流程增加應急演練頻次

由于人員流動頻繁，部分數(shù)據(jù)中心雖然建立了各系統(tǒng)和各動作的操作流程，但是執(zhí)行情況尚不能令人滿意。對于流程規(guī)范性的監(jiān)督考核機制和方法不全面，缺乏一些技術(shù)手段對不規(guī)范的操作進行實時監(jiān)控的手段。數(shù)據(jù)中心機房的管理人員更多的是追求數(shù)據(jù)中心運行的穩(wěn)定性，對于一些新的方法和手段不敢輕易嘗試，導致某些不規(guī)范的操作流程很難得到改變。

數(shù)據(jù)中心機房應以制度和技術(shù)手段為雙抓手，通過操作系統(tǒng)日志、視頻等記錄，發(fā)現(xiàn)操作流程中的不規(guī)范之處，并定期對問題進行匯總分析，在下一階段的工作中針對性的采取相應措施，防止類似問題的多次發(fā)生。

同時要讓數(shù)據(jù)中心機房的應急演練方案不僅停留在紙質(zhì)文檔層面，需根據(jù)制度的要求，按規(guī)定完成應急演練。應急演練的場景要盡量真實，人員配置需按照方案要求予以配置。小部分數(shù)據(jù)中心機房已經(jīng)建立了自身的數(shù)字孿生系統(tǒng)，可根據(jù)需求對應急事件進行模擬仿真，尤其消防安全事件采用仿真的方式進行應急演練更為合適，這樣也能對各項應急預案的完善工作起到很大的幫助作用。每次應急演練完成后應及時整理相關(guān)文檔并做好文檔管理工作，為數(shù)據(jù)中心機房管理效能的提升積累經(jīng)驗。

4 結(jié)語

數(shù)據(jù)中心機房管理效能的提升需圍繞人員、設備和技術(shù)三個方面進行。在提高管理運維人員綜合素質(zhì)的同時，也要加強設備的更新和技術(shù)的改造，將數(shù)據(jù)中心機房當成一個整體的系統(tǒng)，平衡協(xié)調(diào)各系統(tǒng)之間的關(guān)系，不斷尋找各系統(tǒng)管理運行的最佳方法，以推動數(shù)據(jù)中心機房可靠性和可用性的不斷提升。