数据中心的单点故障如何避免？

“凡事只要有可能出錯，那就一定會出錯。”—— 墨菲定律

数据中心的安全环境是由一个真实的环境和虚拟的环境构成。 

真实的环境主要是指硬件设施和相关物理配置的资源等；虚拟的环境主要是指软件设施的安全性。

数据中心环境构成示意图

在数据中心机房里，有很多我们不可避免会遇到的单点故障，它可能属于真实环境下，如电源、制冷等；也可能是虚拟环境下，如网络通信、软件系统等，为了保障数据中心的安全，这些单点故障都是值得被关注的焦点。

一、什么是单点故障？ 

单点故障，是指引发系统失效的单项故障，会给整个系统带来灾难性的破坏。 

和单个故障是看似相似实为不同的两个词语。单个故障则是不会引发整个系统失效的单项故障。

 打个比方，一部正在放映的电影，如果出现放映机短路而导致观影结束，放映机短路就是单点故障。同样是放映的电影，如果出现中央空调短路，但并不会影响整个电影的继续放映，只是会影响观影感受而已，这个故障就是单个故障。

二、如何避免单点故障？ 

在数据中心机房中，因各种原因可能会出现一些故障，但要尽力控制在单个故障范围，避免由单个故障升级为单点故障。避免单点故障可以用以下五个招式：

第一招：抓关键

在防范单点故障时不可能做到面面俱到和平均用力。

任何一个数据中心都有一些关键点。

我们要做的就是对这些关键点进行全面监控并做重点保障。如UPS电源、制冷系统、服务器等都是非常重要的关键点。之前华为云的宕机事件，就是由于服务器这个关键点遭遇风险。

第二招：留备份

对可能出现单点故障的部分做好备份。

一旦出现故障就能立马启动备用，一般是对那些比较关键的系统或设备进行备份。如对制冷系统、UPS电源等进行“N+1”的冗余。

第三招：存余量

这和留备份有些相似但不一样。存余量是指预留出一些例如人员、时间、空间等资源以应对可能出现的突发情况。

主要是针对不同场合，进行适当的考虑余量。

如在数据中心建设初期一般都会预留足够的柜位空间，满足日后扩容需求。

第四招：抓推演

通过某些工具或手段提前预制可行方案，也就是预先排除单点故障的过程。

推演越充分，方案越完善，就越可能避免单点故障的发生。

如机柜在交付前，对其进行预安装和预调试，将有可能发生的单点故障发生率降到最低。

第五招：备预案

这里说的预案有两种：一种预案是指出现可能单点故障的事故后采取的补救措施，这种预案的目的是避免单点故障的发生。还有一种预案是发生故障后的预案，这种预案的目的是最大限度减少损失。这两种预案都需要。

前者是为了避免单点故障，后者是为了把单点故障带来的损失降到最小。 

例如，拿发生市电停电来说，第一种预案是指当发现停电后迅速通过切换到UPS电源等方式进行有效供电。第二种预案则是发生严重停电事故后，除了使用UPS电源供电，还要启动后备柴油发电机，以防UPS电源无法承担长时间的供电。

双电源加发电机供电方案示意图

如开头“墨菲定律”所说的那样，就好比生活中如果有99%的好事和1%的坏事，那么这1%的坏事一定会发生。单点问题永远会存在，且一定会发生，不必太过忧虑。

只要参照上面提供的五种方式，在故障发生前学会如何降低风险，在故障发生后积极的寻求减小损失的措施。就算遇到问题了，总能解决。

本文标题：数据中心的单点故障如何避免？

本文链接：//www.hsggzxc.com/zhineng/484.html
[版权声明]除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。