關(guān)于數(shù)據(jù)中心中斷需要知道的10件事

　　Uptime Institute表示，數(shù)據(jù)中心中斷的修復(fù)成本更高， 但其嚴(yán)重程度正在降低，發(fā)生的頻率也在降低。

　　數(shù)據(jù)中心中斷的嚴(yán)重程度似乎正在下降，而中斷成本繼續(xù)攀升。電源故障是“導(dǎo)致站點(diǎn)嚴(yán)重中斷的最大原因”。網(wǎng)絡(luò)故障和IT系統(tǒng)故障也會(huì)導(dǎo)致數(shù)據(jù)中心癱瘓，而人為錯(cuò)誤往往也是原因之一。

　　這些是Uptime Institute(正常運(yùn)行時(shí)間研究所)最近的數(shù)據(jù)中心中斷報(bào)告中指出的一些問(wèn)題，該報(bào)告分析了中斷的類型、頻率以及其在金錢和后果方面的損失。

　　數(shù)據(jù)不可靠是一個(gè)持續(xù)存在的問(wèn)題

　　Uptime警告道，考慮到一些中斷受害者缺乏透明度和報(bào)告機(jī)制的質(zhì)量，應(yīng)以懷疑的態(tài)度對(duì)待與中斷有關(guān)的數(shù)據(jù)。

　　“中斷信息是不透明且不可靠的，”Uptime研究執(zhí)行總監(jiān)Andy Lawrence在介紹Uptime的2023年度中斷分析時(shí)表示。

　　”雖然航空企業(yè)等一些行業(yè)有強(qiáng)制報(bào)告要求，但其他行業(yè)的報(bào)告有限。所以我們必須依靠自己的手段和方法來(lái)獲取數(shù)據(jù)。眾所周知，出于各種原因，并不是每個(gè)人都愿意分享有關(guān)中斷的詳細(xì)信息。有時(shí)會(huì)得到非常詳細(xì)的根本原因分析，而有時(shí)什么也得不到。”

　　Uptime報(bào)告從三個(gè)主要來(lái)源挑選數(shù)據(jù)：Uptime的異常事件報(bào)告(AIRs)數(shù)據(jù)庫(kù)、自己的調(diào)查和公開報(bào)告，包括新聞報(bào)道、社交媒體、中斷跟蹤器和企業(yè)聲明。每種方法的準(zhǔn)確性各不相同。例如，公開報(bào)告可能缺乏細(xì)節(jié)，來(lái)源可能不可靠。Uptime將自己的調(diào)查評(píng)為產(chǎn)生公平/良好數(shù)據(jù)，因?yàn)槭茉L者是匿名的，且其工作角色各不相同�？諝赓|(zhì)量被認(rèn)為非常好，因?yàn)槠浒�含�?shù)據(jù)中心所有者和運(yùn)營(yíng)商在同行之間共享的詳細(xì)的設(shè)施級(jí)數(shù)據(jù)。

　　中斷率略有下降

　　根據(jù)Uptime的說(shuō)法，有證據(jù)表明近年來(lái)中斷率一直在逐漸下降。

　　這并不意味著中斷總數(shù)正在減少——事實(shí)上，隨著數(shù)據(jù)中心行業(yè)的擴(kuò)張，全球范圍內(nèi)的中斷數(shù)量每年都在增加。“這可能給人一種錯(cuò)誤印象，即與IT負(fù)載相關(guān)的中斷率正在增長(zhǎng)，而事實(shí)恰恰相反。中斷頻率的增長(zhǎng)速度不及IT或全球數(shù)據(jù)中心的擴(kuò)張速度。”Uptime報(bào)道到。

　　總體而言，Uptime觀察到每個(gè)站點(diǎn)的中斷率穩(wěn)步下降，這是通過(guò)其在2020年至2022年對(duì)數(shù)據(jù)中心管理人員和運(yùn)營(yíng)商進(jìn)行的四項(xiàng)調(diào)查跟蹤得出的。到2022年，60%的調(diào)查受訪者表示其在過(guò)去三年，從2021年的69%和2020年的78%下降。

　　中斷率的情況似乎正在緩緩改善。

　　中斷嚴(yán)重程度似乎正在降低

　　雖然60%的數(shù)據(jù)中心站點(diǎn)在過(guò)去三年中經(jīng)歷過(guò)中斷，但只有一小部分被評(píng)為嚴(yán)重或嚴(yán)重。

　　Uptime以1到5的等級(jí)衡量中斷的嚴(yán)重程度，其中5是最嚴(yán)重的。1級(jí)中斷可以忽略不計(jì)，不會(huì)導(dǎo)致服務(wù)中斷。5級(jí)關(guān)鍵任務(wù)中斷涉及服務(wù)和運(yùn)營(yíng)的重大破壞性中斷，通常包括巨額財(cái)務(wù)損失、安全問(wèn)題、違反合規(guī)規(guī)定、客戶損失以及名譽(yù)損害。

　　歷史上，5級(jí)和4級(jí)(嚴(yán)重)中斷占所有中斷的20%左右。到2022年，嚴(yán)重/嚴(yán)重類別的中斷率下降到14%。

　　Uptime首席技術(shù)官Chris Brown表示，一個(gè)關(guān)鍵原因是數(shù)據(jù)中心運(yùn)營(yíng)商能夠更好地處理突發(fā)事件。只要在設(shè)計(jì)系統(tǒng)和管理操作方面做得更好，單個(gè)故障或故障不一定會(huì)導(dǎo)致嚴(yán)重或嚴(yán)重的中斷。

　　Brown表示，如今的系統(tǒng)具有冗余性，運(yùn)營(yíng)商在創(chuàng)建能夠響應(yīng)異常事件和避免中斷的系統(tǒng)方面更加自律。

　　經(jīng)濟(jì)損失正在上升

　　當(dāng)服務(wù)中斷確實(shí)發(fā)生時(shí)，其成本會(huì)越來(lái)越高——隨著對(duì)數(shù)字服務(wù)的依賴性增加，這種趨勢(shì)可能會(huì)持續(xù)下去。

　　回顧Uptime過(guò)去四年的調(diào)查數(shù)據(jù)，直接和間接成本超過(guò)10萬(wàn)美元的重大中斷所占的比例正在增加。2019年，60%的中斷恢復(fù)成本低于10萬(wàn)美元。到2022年，只有39%的中斷造成的損失低于10萬(wàn)美元。

　　同樣在2022年，25%的受訪者表示，最近一次中斷造成的損失超過(guò)100萬(wàn)美元;45%的受訪者表示，最近一次中斷造成的損失在10萬(wàn)到100萬(wàn)美元之間。

　　Brown表示，通貨膨脹是部分原因;更換設(shè)備和勞動(dòng)力的成本更高。

　　更重要的是企業(yè)在多大程度上依賴數(shù)字服務(wù)來(lái)開展業(yè)務(wù)。關(guān)鍵IT服務(wù)的損失可能直接導(dǎo)致業(yè)務(wù)中斷和收入損失。Brown表示：“任何這些中斷，尤其是嚴(yán)重和嚴(yán)重的中斷，都有能力影響多個(gè)組織和更大范圍的人群，而且必須緩解這種情況的成本不斷增加。”

　　第三方提供商是最引人注目的公共中斷的幕后推手

　　隨著越來(lái)越多的工作負(fù)載外包給外部服務(wù)提供商，第三方數(shù)字基礎(chǔ)設(shè)施企業(yè)的可靠性對(duì)企業(yè)客戶越來(lái)越重要，而這些提供商往往遭受最多的公共中斷。

　　Uptime報(bào)告稱，自2016年以來(lái)，跟蹤的所有公共中斷事件中，IT和數(shù)據(jù)中心的第三方商業(yè)運(yùn)營(yíng)商(云提供商、數(shù)字服務(wù)提供商、電信提供商)占了66%。逐年看，這一比例一直在上升。2021年，由云、托管、電信和托管企業(yè)造成的中斷比例為70%，到2022年，這一比例高達(dá)81%。

　　Brown表示：“企業(yè)越多地將其IT服務(wù)推向其他人的領(lǐng)域，就越不得不進(jìn)行盡職調(diào)查——即使在交易達(dá)成后，也要繼續(xù)做盡職調(diào)查。”

　　人為錯(cuò)誤是導(dǎo)致中斷的常見原因，也是一個(gè)相對(duì)容易解決的因素

　　根據(jù)Uptime基于25年數(shù)據(jù)的估計(jì)，雖然人為錯(cuò)誤很少是中斷的單一或根本原因，但在所有中斷中，人為錯(cuò)誤占了66%至80%。Uptime承認(rèn)分析人為錯(cuò)誤具有挑戰(zhàn)性。例如培訓(xùn)不當(dāng)、操作人員疲勞和缺乏資源等缺點(diǎn)可能難以查明。

　　Uptime發(fā)現(xiàn)，與人為錯(cuò)誤相關(guān)的中斷主要是由于工作人員未能遵守程序(47%的受訪者表示)或程序本身存在問(wèn)題(40%)造成的。其他常見原因包括服務(wù)中的問(wèn)題(27%)、安裝問(wèn)題(20%)、人員不足(14%)、預(yù)防性維護(hù)頻率問(wèn)題(12%)以及數(shù)據(jù)中心設(shè)計(jì)或遺漏(12%)。

　　從積極的方面來(lái)看，投資于良好的培訓(xùn)和管理流程，可以在不花費(fèi)太多成本的情況下減少中斷。

　　電力問(wèn)題繼續(xù)阻礙數(shù)據(jù)中心的可靠性

　　Uptime表示，其目前的調(diào)查結(jié)果與前幾年一致，并表明現(xiàn)場(chǎng)電力問(wèn)題仍然是造成現(xiàn)場(chǎng)嚴(yán)重中斷的最大原因。盡管大多數(shù)中斷都有多種原因，而且關(guān)于其報(bào)告質(zhì)量各不相同。

　　2022年，44%的受訪者表示，電力是其最近發(fā)生有影響的事件或中斷的主要原因。電力也是2021年(43%)和2020年(37%)嚴(yán)重中斷的主要原因

　　Uptime表示，網(wǎng)絡(luò)問(wèn)題、IT系統(tǒng)錯(cuò)誤和冷卻故障也是令人不安的原因。

　　網(wǎng)絡(luò)的復(fù)雜性導(dǎo)致更多的中斷

　　Uptime使用其2023年的Uptime彈性調(diào)查數(shù)據(jù)來(lái)挖掘網(wǎng)絡(luò)中斷趨勢(shì)。在調(diào)查受訪者中，44%的表示其組織在過(guò)去三年中經(jīng)歷過(guò)由網(wǎng)絡(luò)或連接問(wèn)題引起的重大中斷。另有45%的表示沒有，12%的表示不知道。

　　導(dǎo)致網(wǎng)絡(luò)和連接相關(guān)中斷的兩個(gè)最常見原因是，配置或變更管理失敗(45%的受訪者提到)，和第三方網(wǎng)絡(luò)提供商的失敗(39%)。

　　Uptime將這一趨勢(shì)歸因于當(dāng)今的網(wǎng)絡(luò)復(fù)雜性。“在現(xiàn)代、動(dòng)態(tài)切換和軟件定義的環(huán)境中，管理和優(yōu)化網(wǎng)絡(luò)的程序會(huì)不斷修改或重新配置。錯(cuò)誤變得不可避免，在如此復(fù)雜和高吞吐量的環(huán)境中，頻繁的小錯(cuò)誤可以在網(wǎng)絡(luò)中傳播，導(dǎo)致難以停止、診斷和修復(fù)的級(jí)聯(lián)故障，”Uptime報(bào)道。

　　與網(wǎng)絡(luò)相關(guān)的主要中斷的其他常見原因包括：

　　硬件故障：37%

　　線路破損率：27%

　　固件/軟件錯(cuò)誤：23%

　　網(wǎng)絡(luò)攻擊：14%

　　網(wǎng)絡(luò)/擁塞故障：12%

　　與天氣有關(guān)的事件：7%

　　防火墻/路由表問(wèn)題：6%

　　IT系統(tǒng)和軟件中斷的常見原因

　　Uptime在其彈性調(diào)查中詢問(wèn)受訪者，其組織在過(guò)去三年中是否經(jīng)歷過(guò)由IT系統(tǒng)或軟件故障引起的重大中斷時(shí)，36%的表示有，50%的表示沒有，15%的表示不知道。與IT系統(tǒng)和軟件相關(guān)的最常見中斷原因是：

　　配置/變更管理問(wèn)題：64%

　　固件/軟件故障：40%

　　硬件故障：36%

　　容量/擁塞問(wèn)題：22%

　　數(shù)據(jù)同步/損壞：14%

　　網(wǎng)絡(luò)攻擊/安全問(wèn)題：10%

　　火災(zāi)并不常見，但可能是毀滅性的

　　公開報(bào)告的中斷，包括媒體報(bào)道的中斷，揭示了廣泛的原因。原因可能與數(shù)據(jù)中心運(yùn)營(yíng)商和IT團(tuán)隊(duì)報(bào)告的不同，因?yàn)槊襟w來(lái)源對(duì)中斷的了解和理解取決于其觀點(diǎn)。

　　火災(zāi)是公開報(bào)告的中斷原因之一，但在IT相關(guān)來(lái)源中排名不高。具體來(lái)說(shuō)，Uptime發(fā)現(xiàn)公開報(bào)告的數(shù)據(jù)中心中斷中，有7%是由火災(zāi)引起的。在網(wǎng)絡(luò)簡(jiǎn)報(bào)中，Uptime研究人員將數(shù)據(jù)中心火災(zāi)的發(fā)生率與鋰離子電池的使用增加聯(lián)系起來(lái)。

　　與鉛酸電池相比，鋰離子電池占地面積更小、維護(hù)更簡(jiǎn)單、且使用壽命更長(zhǎng)。然而，鋰離子電池存在更大的火災(zāi)風(fēng)險(xiǎn)。2023年3月28日，法國(guó)Maxnod數(shù)據(jù)中心發(fā)生了一場(chǎng)毀滅性的火災(zāi)。認(rèn)為這是由鋰離子電池起火引起的。2022年10月15日，SK集團(tuán)旗下、由其C&C子公司運(yùn)營(yíng)的韓國(guó)托管設(shè)施發(fā)生重大火災(zāi)，原因也是鋰離子電池火災(zāi)。