QQ故障無(wú)法登陸-如何降低數據中心運行故障

2015年8月6日晚上，部分QQ用戶(hù)出現無(wú)法登錄故障，這直接影響到了騰訊旗下多款產(chǎn)品的連接使用，直到22:30左右才恢復正常，事后據騰訊確認是因QQ服務(wù)機房故障而導致。而在此之前的半年多時(shí)間里，多家知名互聯(lián)網(wǎng)企業(yè)因服務(wù)器、網(wǎng)絡(luò )設備產(chǎn)生的大大小小各種故障已有數十例。對于像互聯(lián)網(wǎng)公司這樣依賴(lài)優(yōu)質(zhì)的網(wǎng)絡(luò )體驗而生存的企業(yè)，如果出現故障，其產(chǎn)生的影響和后果非常嚴重。
　　
　　既然網(wǎng)絡(luò )故障帶來(lái)的負面作用如此之大，可如何消除這種故障呢？沒(méi)有任何一家企業(yè)愿意出現這種故障，而出了故障則說(shuō)明其數據中心必定存在健康問(wèn)題和隱患。因此我們有必要仔細分析數據中心運行故障高發(fā)的成因，選擇更加完善的監控管理方案，以保證數據中心的健壯穩定。
　　
　　數據中心作為提供各種數據處理的核心場(chǎng)所，對于IT系統的重要性不言而喻。尤其是對于互聯(lián)網(wǎng)公司等，包括核心業(yè)務(wù)在內的所有網(wǎng)絡(luò )業(yè)務(wù)都是通過(guò)其數據中心提供訪(fǎng)問(wèn)和處理的，數據中心的穩定運行是這些業(yè)務(wù)正常運行的前提。試想一個(gè)電商企業(yè)的數據中心如果中斷1小時(shí)，可能會(huì )帶來(lái)上千萬(wàn)元的損失，而在市場(chǎng)競爭激烈的當下，業(yè)務(wù)的中斷除了遭受經(jīng)濟損失之外，還會(huì )流失大量的客戶(hù)，這對企業(yè)未來(lái)的發(fā)展是非常不利的，所以提供連續的優(yōu)質(zhì)網(wǎng)絡(luò )服務(wù)對于一個(gè)互聯(lián)網(wǎng)企業(yè)至關(guān)重要。
　　
　　當然，企業(yè)也清楚這點(diǎn)，每年花在數據中心上的投入也非常大，除了人員方面的投入，基礎設施的建設投入占據了最大的比重，但是到頭來(lái)還是會(huì )出現這樣那樣的故障，為什么？這很大程度上是由于企業(yè)業(yè)務(wù)增長(cháng)太快，而導致數據中心的負擔愈加沉重，在不斷擴容或者改造過(guò)程中比較倉促，隱藏著(zhù)不少安全隱患，即便是像騰訊這樣的大型企業(yè)也在所難免。高速擴張的結果就是系統架構總是要改變，從而帶來(lái)運維管理上的局促，隨著(zhù)業(yè)務(wù)量的增長(cháng)，危機四伏。
　　
　　數據中心歷來(lái)都是一個(gè)對新技術(shù)渴求最強烈之地，都希望可以引入先進(jìn)的技術(shù)和設備，從而更好地為業(yè)務(wù)服務(wù)，同時(shí)在行業(yè)競爭中不落后于人。不過(guò)，引入新技術(shù)雖然解決了原有系統存在的問(wèn)題，為業(yè)務(wù)提供了有效的支撐，但往往給數據中心帶來(lái)了新的運行風(fēng)險。因為新技術(shù)、新系統可能還有很多不夠完善的地方，如果運維管理工作沒(méi)有跟上，則運行起來(lái)就容易出問(wèn)題。為了保證業(yè)務(wù)的長(cháng)期穩定運行，數據中心從應用、服務(wù)器、網(wǎng)絡(luò )、防火墻、物理鏈路等等都要有生產(chǎn)系統和備份系統，這也會(huì )將數據中心設計得過(guò)于復雜，實(shí)際運維起來(lái)非常麻煩，一旦出現問(wèn)題反而不知道問(wèn)題出在哪里。因此，再好的技術(shù)，也還是會(huì )出故障。所以必須要加強對數據中心的監控管理，如此才能降低數據中心出現故障的風(fēng)險。
　　非凡蓄電池
　　實(shí)際上，絕大部分數據中心都無(wú)法做到常年業(yè)務(wù)不中斷，但是盡可能地減少故障，確保其運行過(guò)程中隨時(shí)監控管理，預、告警任何錯誤故障，不放過(guò)任何相似的問(wèn)題，將風(fēng)險降至最低，這也是監控管理軟件的最大使命。