數據中心機房管理效能提升的方法研究

郭天兵

（太原理工大學財經學院，山西 太原 030024）

近年來，隨著全球經濟的快速發展，數據中心機房也進入了高速建設期，大型數據中心機房的規模呈幾何倍上升趨勢。數據中心已逐漸成為現代企業之間競爭的資產，但是隨著數據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，數據中心機房管理方面的問題也隨之顯現。尤其是2017年以來，全球經歷了不少自然災害，使得數據中心機房的管理人員開始重視機房的災難恢復管理工作，數據中心機房的故障應急處理能力取得了長足進步。同時由于低碳環保理念的深入，對于數據中心機房節能、減排的要求越來越高，這對數據中心機房的管理者提出了新的挑戰，需要一套完整的方法體系用于提高數據中心機房的管理效能，幫助數據中心機房更好的運營。

1 數據中心機房管理的主要工作

數據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。每個部門均與數據中心機房管理效能的提升有著直接的關系，明確數據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方法奠定基礎。

1.1 機房運維管理

機房基礎設施的運維管理在其所有管理內容中的占比最高，涉及數據中心電力、空調、安防、服務器、存儲、網絡和綜合布線等多個系統。運維管理工作主要是針對數據中心機房的基礎設施進行監控，發現異常及時進行處理和上報，并根據設備的維保要求，制定相應的預防性維護計劃。常規作業在機房基礎設施運維管理中的占比較大，其主要涉及日常運行、維護和保養等基礎類操作。各系統功能、性能進行測試類操作。按相關標準操作程序，對機房基礎設施運行日志、記錄等數據進行記錄。另外一些作業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。對人進行相關的安全培訓，通過多維度、多方式的宣貫安全內容，讓機房管理、運維和進行機房作業的相關人員時刻繃緊安全基線，保證機房內部財和物的安全。機房安全管理包含的細節很多，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據中心機房內可能發生的問題，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。當緊急事件發生時，需要依據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、技術文件等內容，甚至還囊括了機房建設的原始圖紙。文檔管理質量的高低決定了機房管理執行的效率，可以有效減少機房人員的培訓時間，規范機房常規運維和應急處置的流程。

2 數據中心機房管理中存在的問題

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

2.1 數據中心機房的管理制度不完善

雖然不少數據中心機房已逐步建立和規范了各個系統的管理制度，但是對于一些細小的環節仍然存在制度不完善，缺乏相應的處理流程或者流程執行不到位等問題。另外機房管理制度中仍有不少規定不明確，致使部分操作無法實際執行。數據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問題時，產生無操作規程、沒有制度參考的局面，不利于問題的解決和閉環。

2.2 數據中心機房的預防性維護不到位

數據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，減少基礎設施和各類設備的故障頻次和時間。但是現在大部分數據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，維護的質量同樣大打折扣。由于事前沒有充分的準備，在故障發生后很難在第一時間找到合適的備品備件，代替品品質堪憂，造成設施、設備的穩定性不及預期。

2.3 數據中心機房的節能減排效果不佳

由于數據中心機房的設計往往設計了較大的預留，使得部分數據中心的能源效率指標與設計值相距甚遠。一些數據中心機房后期的進度遠低于設計進度，數據中心機房的機柜閑置率過高，能源效率低下，這與當前國家有關部門對于數據中心的要求差距較大。部分數據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，也是導致數據中心機房節能減排效果不佳的另一重要原因。

2.4 數據中心機房的應急演練頻次不足

由于眾多原因，現有的數據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，但是未經過真實的環境進行測試，也未進行過桌面演練等環節。這些都是因為應急演練頻次不足造成的，可能造成在突發事件發生后，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 數據中心機房管理效能提升的方法

3.1 完善數據中心機房的制度體系和考核機制

完善數據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機制。數據中心機房的制度體系種類繁多，要從頂層管理制度入手，明確數據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。當數據中心機房的設施和設備發生新增、變更或者減少時，相應的制度和操作規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合數據中心機房規模的大小和管理模式進行分類，根據系統和設施的復雜程度編寫相應的制度流程。制度流程需考慮數據中心機房的實際情況，以事實為依據，真正做到制度流程能落地。在數據中心機房管理的制度體系中，應該明確制度更新及閉環的考核機制，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，持續不斷的進行推進。

3.2 做好數據中心機房的設備維保和預防性維護工作

數據中心機房由多個系統構成，每個子系統中又有不同型號的設備，這些設備的維修、保養時間不同，需要形成專門的維修保養臺賬。臺賬中應清晰記錄設施、設備購買的時間和質保事項，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、保養并按時檢查設備的狀態。通過信息管理系統收集設施、設備的運行數據，定期與行業同類設備進行比較，得出其狀態結論。設施、設備的管理人員應該根據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，以確保數據中心機房的正常運行。數據中心機房的設備維保和預防性維護工作應該在規章制度中得到明顯的體現，制度的常態化運行能為數據中心機房管理效能提升提供較大的幫助。同時通過常態化的管理能減少許多不必要的設備故障維修活動，能盡可能的減少數據中心機房的不可用時間，最大減少數據中心機房的人員配置，提高人均工作效率。

3.3 提高數據中心機房的能耗管理能力

眾多周知，數據中心機房是能耗大戶，提高數據中心機房的能耗管理效能為其節省較大的經濟支出，同時也能為國家的低碳減排工作做出貢獻。提高數據中心機房的能耗管理能力需要從以下幾個方面入手。一是在數據中心機房建設初期，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。二是要根據設備的運行情況和外界的溫濕度狀態動態調整機房的送風溫度值，確保設備能夠正常運轉的基礎上，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，建立數據中心機房余熱回收系統，將機房空調機組的余熱進行回收，為辦公區域提供熱水。最后是利用機房室外的空余場地，新建光伏等新能源發電系統，利用太陽能等清潔能源，實現數據中心的部分自我供電，減輕當地電網的壓力。

3.4 提升數據中心機房人員的專業素養

與其他崗位相比，數據中心機房的工作人員流動性偏高，需要加強內部制度、操作規程和應急流程的宣貫和培訓工作，定期組織各系統專業知識的培訓。通過嚴格的文檔管理，讓新進員工快速熟悉數據中心的各項操作規程，提高員工個人的工作效能。同時要加大機房人員各系統交叉學習的力度，如定期組織全員的培訓，請各系統的負責人介紹所負責系統的相關知識和流程，還要加大換崗培訓的力度，通過對數據中心各崗位的學習，使數據中心機房的工作人員具備勝任兩個或者更多系統的工作能力。當前數據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。為了提高數據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 規范操作流程增加應急演練頻次

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

數據中心機房應以制度和技術手段為雙抓手，通過操作系統日志、視頻等記錄，發現操作流程中的不規范之處，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生。

同時要讓數據中心機房的應急演練方案不僅停留在紙質文檔層面，需根據制度的要求，按規定完成應急演練。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。小部分數據中心機房已經建立了自身的數字孿生系統，可根據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文檔并做好文檔管理工作，為數據中心機房管理效能的提升積累經驗。

4 結語

數據中心機房管理效能的提升需圍繞人員、設備和技術三個方面進行。在提高管理運維人員綜合素質的同時，也要加強設備的更新和技術的改造，將數據中心機房當成一個整體的系統，平衡協調各系統之間的關系，不斷尋找各系統管理運行的最佳方法，以推動數據中心機房可靠性和可用性的不斷提升。