保持業(yè)務(wù)全年無中斷運行是最能體現(xiàn)數(shù)據(jù)中心能力的一方面。現(xiàn)在的數(shù)據(jù)中心系統(tǒng)組成復(fù)雜，要確保沒有故障出現(xiàn)，幾乎不可能。每年都會有很多著名的大型互聯(lián)網(wǎng)公司被爆出其數(shù)據(jù)中心出現(xiàn)故障，有的業(yè)務(wù)甚至要數(shù)個小時才能恢復(fù)，這給數(shù)據(jù)中心的業(yè)務(wù)帶來了嚴(yán)重的損失。所以一定要重視數(shù)據(jù)中心運行的高可靠性，曾經(jīng)的馬來西亞航空公司也是受人尊敬的航空公司之一，然而最近兩年出了兩次的重大墜機事故后，不僅欠下了一屁股債，現(xiàn)在還面臨著關(guān)門的境地。對于數(shù)據(jù)中心也是一樣，以前沒有出過故障，并不代表以后都不會出，一旦出現(xiàn)一次嚴(yán)重的業(yè)務(wù)中斷，對數(shù)據(jù)中心業(yè)務(wù)的影響就是多方面的，不僅僅是金錢上的損失，還有數(shù)據(jù)中心承載業(yè)務(wù)的聲譽。一旦人們認(rèn)為這個業(yè)務(wù)是不穩(wěn)定的，有風(fēng)險的，人們寧愿棄之不用，在科技如此發(fā)達(dá)的今天，沒有什么業(yè)務(wù)是不可替代的，或者找不到替代品，數(shù)據(jù)中心能否提供持續(xù)穩(wěn)定的業(yè)務(wù)運行至關(guān)重要。最近，顯然發(fā)生了不少數(shù)據(jù)中心故障，影響面都比較廣，真可以稱得上是“黑色五月”了。5月11日，網(wǎng)易因骨干網(wǎng)絡(luò)遭受攻擊，導(dǎo)致了網(wǎng)易旗下部分服務(wù)暫時無法正常使用，當(dāng)時還傳言是網(wǎng)易廣州大樓發(fā)生爆炸，導(dǎo)致其旗下多款游戲無法登陸，不過后來證實的確是謠傳。緊接著5月27日，支付寶因為杭州市蕭山光纖被挖斷，也出現(xiàn)了用戶無法正常使用的問題。這起事故，導(dǎo)致全國許多地方的用戶都無法使用支付寶，直到兩個小時后才恢復(fù)正常。然后是5月28日，攜程網(wǎng)因為部分服務(wù)器受到不明攻擊，導(dǎo)致官方網(wǎng)站及APP暫時無法正常使用，攜程網(wǎng)主頁里的二級頁面無法打開，這造成了攜程網(wǎng)業(yè)務(wù)損失一百多萬。這類數(shù)據(jù)中心故障在不斷地上演著，雖然故障已經(jīng)恢復(fù)，但是卻留給了我們深深的思考。

數(shù)據(jù)中心這幾年發(fā)展非?；鸨?，各地都是新建或擴建數(shù)據(jù)中心，在數(shù)據(jù)中心設(shè)計上應(yīng)該更加考慮運行的可靠性、冗余性的設(shè)計。如果數(shù)據(jù)中心三天兩頭地故障，擁有再多的服務(wù)器，擁有再好的網(wǎng)絡(luò)也是白費，沒有人愿意使用一個總也不穩(wěn)定的業(yè)務(wù)系統(tǒng)。如果動不動網(wǎng)頁就無法訪問，動不動自己的保密信息就出現(xiàn)了丟失，這些故障對于數(shù)據(jù)中心都是致命性的。我們通常用五個九，即99.999%，來衡量一個數(shù)據(jù)中心的可靠性，如表1定義了數(shù)據(jù)中心的可靠性級別，數(shù)字9越多代表數(shù)據(jù)中心的可靠性越高：

數(shù)據(jù)中心屬于哪個級別的，主要是基于過去數(shù)據(jù)中心運行的數(shù)據(jù)得到的，所以不能代表以后。也許一個數(shù)據(jù)中心以前從來沒有出過長時間的業(yè)務(wù)中斷事故，可靠性達(dá)到了99.999%，但只要出現(xiàn)一次長時間故障，就可能一下子變成了99%，這對數(shù)據(jù)中心業(yè)務(wù)的打擊是非常大的。為了提升數(shù)據(jù)中心的可靠性，數(shù)據(jù)中心必須要引入一些冗余備份機制。其實我們也相信支付寶的數(shù)據(jù)中心也肯定有冗余備份，斷掉一根光纖都能讓業(yè)務(wù)中斷二小時，說明支付寶的數(shù)據(jù)中心本身設(shè)計上是有問題的，至少備份沒有起到應(yīng)有的作用。通過備份確保出現(xiàn)故障時，業(yè)務(wù)流量依然可以有別的通道可走，保持業(yè)務(wù)的連續(xù)性。當(dāng)支付寶的鏈路光纖斷掉后，應(yīng)該有其它的備份鏈路轉(zhuǎn)發(fā)流量，這種通過鏈路聚合或者等價路由這種成熟的技術(shù)就可以完成備份。顯然支付寶故障不是光纖中斷那么簡單，也許是光纖中斷引發(fā)了其它方面的問題，造成了整個系統(tǒng)的癱瘓。數(shù)據(jù)中心是一個復(fù)雜的信息系統(tǒng)，冗余設(shè)計也不是通過幾個備份鏈路、等價路由就可以完成的，需要的是全面的規(guī)劃設(shè)計，確保任何一個環(huán)節(jié)都有備份機制。

當(dāng)然，要實現(xiàn)所有地方都有備份，將大大增加系統(tǒng)的復(fù)雜性，反而會大大降低數(shù)據(jù)中心的處理性能。過于復(fù)雜的冗余設(shè)計就可能是畫蛇添足，起到反作用。而且引入過多的冗余機制，將消耗大量的資金和設(shè)備，給數(shù)據(jù)中心運行帶來沉重負(fù)擔(dān)，所以也不是什么地方都要備份。在業(yè)務(wù)故障可容忍的范圍內(nèi)，部署高效的冗余設(shè)計，才能使得數(shù)據(jù)中心高效地運行。提升數(shù)據(jù)中心業(yè)務(wù)不間斷的處理能力，是數(shù)據(jù)中心的一項持久性工作，貫穿于數(shù)據(jù)中心的整個生命周期中。數(shù)據(jù)中心運維人員應(yīng)該具有如履薄冰的心態(tài)，在日常的工作中，勇于發(fā)現(xiàn)系統(tǒng)的缺陷，及時完善，做好各種故障模擬的補救措施。在數(shù)據(jù)中心的運維工作中，也要經(jīng)常進(jìn)行故障模擬演練，考驗數(shù)據(jù)中心系統(tǒng)的冗余設(shè)計是否有不完善的地方，不斷進(jìn)行優(yōu)化和改善。很多的冗余備份設(shè)計可能并不符合實際，在一些異端情況下甚至起不到備份的效果，這就需要主動做一些故障演練，檢驗冗余備份設(shè)計是否滿足設(shè)計要求。以便一旦真的出現(xiàn)了故障，數(shù)據(jù)中心可以從容應(yīng)對。對于一個擁有數(shù)萬臺設(shè)備的數(shù)據(jù)中心，軟硬件故障可能天天都在上演，在這種情況下，要保持業(yè)務(wù)的穩(wěn)定運行，需要做大量的冗余設(shè)計工作。對可能出現(xiàn)的異常狀態(tài)，提前進(jìn)行模擬規(guī)避，提升數(shù)據(jù)中心的可靠性。歷史教訓(xùn)告訴我們，不能忽視數(shù)據(jù)中心的可靠性，一旦出了嚴(yán)重的故障，對于數(shù)據(jù)中心可能就是致命的，一次故障可能就會使得數(shù)據(jù)中心“一夜就回到解放前”。切記，莫忽視數(shù)據(jù)中心的可靠性，根據(jù)數(shù)據(jù)中心自身的實際情況，部署切合實際的冗余備份設(shè)計方案，將使數(shù)據(jù)中心終身獲益。