通常來說，自然災(zāi)害主要包括洪澇、地震、火災(zāi)、臺風(fēng)、低溫和雪災(zāi)、地質(zhì)災(zāi)害等，極有可能造成房屋受損，或水電、交通等不暢。自然災(zāi)害以前曾是導(dǎo)致數(shù)據(jù)中心出現(xiàn)宕機(jī)或停服的主要原因。比如，2021年7月那場發(fā)生在鄭州的百年未遇的大雨。2021年7月20日，鄭州一小時(shí)最大降雨量達(dá)到201.9毫米，突破歷史極值。因?yàn)榇笥?，?dǎo)致城市基礎(chǔ)設(shè)施建設(shè)受損、斷電或者建筑物進(jìn)水，一些第三方的數(shù)據(jù)中心服務(wù)商因其機(jī)房受到影響，而導(dǎo)致服務(wù)中斷。
導(dǎo)致數(shù)據(jù)中心宕機(jī)主要有兩大類情況：一是自然災(zāi)害，使得服務(wù)器、存儲等IT設(shè)備，以及相關(guān)機(jī)房物理基礎(chǔ)設(shè)受損，從而導(dǎo)致服務(wù)中斷；二是人為的原因，比如管理員誤操作、軟件故障或者是惡意破壞行為（如勒索軟件或病毒），也可能導(dǎo)致服務(wù)中斷。

從近幾年全球曝光的數(shù)據(jù)中心重大災(zāi)難性事件來看，因?yàn)樽匀粸?zāi)害，比如火災(zāi)、物理設(shè)備故障等導(dǎo)致的停服事件，我們聽說的似乎在減少。畢竟自然災(zāi)害相對來說還是小概率事件。另一方面，由于人們防災(zāi)減災(zāi)的意識不斷增強(qiáng)，無論是在提前預(yù)測災(zāi)難性事件，還是在應(yīng)急響應(yīng)方面，都做了大量努力和工作，將因自然災(zāi)害導(dǎo)致的負(fù)面影響降得更低。

此外，人們在數(shù)據(jù)中心的規(guī)劃和建設(shè)方面，越來越科學(xué)和規(guī)范化、標(biāo)準(zhǔn)化。比如在數(shù)據(jù)中心的選址方面，會選擇遠(yuǎn)離地震帶，而且水電和制冷資源豐富的地方，數(shù)據(jù)中心建筑物也是專門設(shè)計(jì)、獨(dú)立建設(shè)的，而不是在一些寫字樓的基礎(chǔ)之上改造而來。數(shù)據(jù)中心內(nèi)的設(shè)備也做了充分的冗余設(shè)計(jì)。很多企業(yè)平時(shí)也十分注重災(zāi)備演練。上述這些有效的措施，大大降低了因自然災(zāi)害導(dǎo)致的服務(wù)中斷的可能性。

但是讓我們不得不警醒的是，因人為原因造成的數(shù)據(jù)中心故障或宕機(jī)，成了影響業(yè)務(wù)連續(xù)性的最大“短板”。

NEWS

2023年1月，Kaseya旗下的IT文檔軟件廠商IT Glue報(bào)告稱，在進(jìn)行緊急數(shù)據(jù)庫維護(hù)時(shí)，導(dǎo)致服務(wù)中斷。

NEWS

2023年5月，微軟Azure DevOps服務(wù)因一個(gè)簡單的拼寫錯誤致使17個(gè)生產(chǎn)數(shù)據(jù)庫被刪除。此次事故導(dǎo)致Azure DevOps服務(wù)在巴西南部地區(qū)停運(yùn)了約10小時(shí)。

NEWS

2024年4月，國內(nèi)某知名云服務(wù)商曝出服務(wù)故障，表現(xiàn)為接口響應(yīng)報(bào)錯和網(wǎng)頁顯示504錯誤，影響范圍覆蓋全國。服務(wù)中斷近87分鐘，據(jù)說是云API服務(wù)異常所導(dǎo)致。

NEWS

2024年6月，澳大利亞養(yǎng)老金巨頭UniSuper的服務(wù)器發(fā)生中斷，原因是 Google Cloud在配置UniSuper私有云期間出現(xiàn)了錯誤，導(dǎo)致該基金的Google Cloud賬戶被大規(guī)模刪除，甚至刪除了UniSuper在其他地方的備份數(shù)據(jù)。此次宕機(jī)持續(xù)了大約一周時(shí)間。

NEWS

近日又有消息曝出，東南亞某國國家數(shù)據(jù)中心遭勒索軟件變種攻擊，由于該數(shù)據(jù)中心超98%的數(shù)據(jù)未做數(shù)據(jù)備份，導(dǎo)致數(shù)據(jù)一時(shí)無法恢復(fù)。

從這些事件中可以看出，不當(dāng)?shù)臄?shù)據(jù)刪除、系統(tǒng)維護(hù)或升級過程中的誤操作、備份不健全、勒索軟件等惡意攻擊行為等，是造成數(shù)據(jù)中心或云服務(wù)中斷的主要重要。有統(tǒng)計(jì)顯示，大約七成以上的數(shù)據(jù)中心事故都是由人為因素造成的。因?yàn)榧夹g(shù)的進(jìn)步、工作負(fù)載的增加，數(shù)據(jù)中心整個(gè)系統(tǒng)越來越龐大和復(fù)雜，這給日常的運(yùn)維運(yùn)營造成了極大的壓力。另外，以勒索軟件為代表的網(wǎng)絡(luò)安全威脅愈演愈烈，成了數(shù)據(jù)中心正常運(yùn)行的“不定時(shí)炸彈”。

找到病癥，然后對癥下藥。既然人為因素是造成數(shù)據(jù)中心和云服務(wù)中斷的最主要原因，那么在平時(shí)的系統(tǒng)運(yùn)維以及災(zāi)備系統(tǒng)建設(shè)和實(shí)施的過程中，就應(yīng)該針對各種可能造成事故的人為因素進(jìn)行深入分析，找出有效的應(yīng)對之策。

災(zāi)備意識要進(jìn)一步增強(qiáng)

企業(yè)不僅要知其然，更要知其所以然，針對有可能導(dǎo)致數(shù)據(jù)中心故障或云服務(wù)宕機(jī)的各種因素進(jìn)行充分分析，然后制定萬全之策。千萬不能有任何僥幸心理。企業(yè)管理層不僅要有極強(qiáng)的安全和災(zāi)備意識，更要督促企業(yè)各層級按照統(tǒng)一要求，將災(zāi)備和安全防御措施落實(shí)到位，責(zé)任到人。

災(zāi)備演練不能成為擺設(shè)

由于人力、成本、時(shí)間或者實(shí)施難度等問題，有些企業(yè)可能制定了災(zāi)備演練計(jì)劃，但是沒有嚴(yán)格按照既定的周期和目標(biāo)完成演練。這樣很容易導(dǎo)致在災(zāi)難或故障發(fā)生時(shí)，不敢切換或不能切換，讓災(zāi)備建設(shè)流于口頭，而不能充分發(fā)揮其實(shí)際作用。現(xiàn)在，國內(nèi)的一些災(zāi)備廠商，比如英方軟件、美創(chuàng)科技、科力銳等，在災(zāi)備一體化，尤其是災(zāi)備的管理上，做了進(jìn)一步增強(qiáng)、優(yōu)化，讓用戶可以低成本、更容易、更智能地實(shí)施災(zāi)備演練，并對整個(gè)災(zāi)備流程進(jìn)行統(tǒng)一智能高效地管理。

網(wǎng)絡(luò)韌性（網(wǎng)絡(luò)彈性），是必須補(bǔ)上的一課

如今，網(wǎng)絡(luò)攻擊越來越猖獗，尤其是勒索病毒，針對性強(qiáng)、破壞性大。許多數(shù)據(jù)保護(hù)、災(zāi)備廠商，也都開始將提升“網(wǎng)絡(luò)韌性”納入了整體戰(zhàn)略和解決方案中，比如VERITAS、Commvault、戴爾科技等。

運(yùn)維管理常態(tài)化

建設(shè)一個(gè)災(zāi)備系統(tǒng)容易，但是在長期的系統(tǒng)日常運(yùn)營維護(hù)中，少出錯、不出錯，最大程度地保證業(yè)務(wù)連續(xù)性，這是每個(gè)企業(yè)必須直面的挑戰(zhàn)。企業(yè)不僅要在思想上重視起來，更要在公司制度、人才培養(yǎng)和使用、技能提升，甚至在外包服務(wù)的選擇上，都要認(rèn)真思考并嚴(yán)格執(zhí)行。