文章轉(zhuǎn)載來(lái)源《千家網(wǎng)》
每次數(shù)據(jù)中心中斷都代價(jià)高昂。隨著數(shù)字化步伐的加快，維持正常運(yùn)行時(shí)間的壓力極具挑戰(zhàn)性。考慮到數(shù)據(jù)中心負(fù)載的增加，僅靠人類(lèi)來(lái)處理由于復(fù)雜性的增加而產(chǎn)生的大量問(wèn)題已經(jīng)不可能了。如今，IT運(yùn)營(yíng)團(tuán)隊(duì)比以往任何時(shí)候都更需要管理復(fù)雜的IT基礎(chǔ)設(shè)施。再加上不斷增長(zhǎng)的數(shù)據(jù)量，使得IT團(tuán)隊(duì)的任務(wù)更加難以管理當(dāng)今動(dòng)態(tài)的、不斷變化的IT環(huán)境。這增加了中斷的可能性。
雖然有許多技術(shù)進(jìn)步，但中斷很常見(jiàn)，且還在增加。Uptime Institute的2022年年度中斷分析報(bào)告強(qiáng)調(diào)，五分之一的組織報(bào)告在過(guò)去三年中經(jīng)歷了“嚴(yán)重”或“嚴(yán)重”中斷，涉及重大財(cái)務(wù)損失、聲譽(yù)損害、合規(guī)違規(guī)，在某些嚴(yán)重情況下，還會(huì)造成人員傷亡，這標(biāo)志著重大中斷的發(fā)生率略有上升趨勢(shì)。根據(jù)Uptime的2022年數(shù)據(jù)中心彈性調(diào)查，80%的數(shù)據(jù)中心經(jīng)理和運(yùn)營(yíng)商在過(guò)去三年中經(jīng)歷過(guò)某種類(lèi)型的中斷，比正常情況略有增加，在70%到80%之間波動(dòng)。超過(guò)60%的數(shù)據(jù)中心失敗導(dǎo)致至少10萬(wàn)美元的總損失，遠(yuǎn)高于2019年的39%。在同一時(shí)期，損失超過(guò)100萬(wàn)美元的中斷所占比例從11%上升到15%。
數(shù)據(jù)中心中斷的原因
中斷的原因各不相同。從網(wǎng)絡(luò)故障到硬件或軟件故障，再到斷電、網(wǎng)絡(luò)攻擊和人為錯(cuò)誤，導(dǎo)致數(shù)據(jù)中心中斷的原因有很多。
下面來(lái)看看服務(wù)中斷的主要原因，并推薦最佳實(shí)踐來(lái)緩解這些問(wèn)題：
網(wǎng)絡(luò)問(wèn)題：根據(jù)Uptime的2022年數(shù)據(jù)中心彈性調(diào)查，在過(guò)去三年中，與網(wǎng)絡(luò)相關(guān)的問(wèn)題已經(jīng)成為所有IT服務(wù)中斷事件的最大單一原因——無(wú)論嚴(yán)重程度如何。由于越來(lái)越多地使用云技術(shù)、軟件定義架構(gòu)和混合分布式架構(gòu)帶來(lái)的復(fù)雜性，導(dǎo)致軟件、網(wǎng)絡(luò)和系統(tǒng)問(wèn)題導(dǎo)致的中斷正在增加。
與電源相關(guān)的問(wèn)題：與電源相關(guān)的中斷占被歸類(lèi)為嚴(yán)重中斷(導(dǎo)致停機(jī)和經(jīng)濟(jì)損失)的43%。根據(jù)Uptime調(diào)查，電源事故的最大單一原因是不間斷電源(UPS)故障。
人為錯(cuò)誤：同一份Uptime調(diào)查顯示，絕大多數(shù)與人為錯(cuò)誤相關(guān)的中斷都涉及忽略或不適當(dāng)?shù)某绦颉＝?0%的組織在過(guò)去三年中遭受過(guò)由人為錯(cuò)誤引起的重大中斷。在這些事件中，85%是由于員工未能遵守程序或程序本身存在缺陷。
勒索軟件和DDoS：網(wǎng)絡(luò)攻擊也可能是導(dǎo)致中斷的主要原因。如今，由勒索軟件和DDoS攻擊引起的數(shù)據(jù)泄露很常見(jiàn)，可能會(huì)導(dǎo)致業(yè)務(wù)中斷。隨著勒索軟件變得越來(lái)越復(fù)雜和普遍，其在大企業(yè)的董事會(huì)中越來(lái)越重要。NTT Security Holdings的一份報(bào)告指出，勒索軟件的流行正在影響業(yè)務(wù)連續(xù)性，在過(guò)去24個(gè)月里，勒索軟件事件響應(yīng)業(yè)務(wù)增長(zhǎng)了240%。
防止中斷的最佳實(shí)踐
彈性是數(shù)據(jù)中心的一個(gè)關(guān)鍵屬性，每個(gè)企業(yè)都必須努力通過(guò)一系列舉措來(lái)防止中斷。首先，組織必須定期分析數(shù)據(jù)中心生態(tài)系統(tǒng)的每個(gè)重要組成部分的彈性，如電源、冷卻、連接、服務(wù)提供商。數(shù)據(jù)中心溫度與數(shù)據(jù)中心設(shè)備故障有直接關(guān)系。因此，監(jiān)測(cè)溫度對(duì)于防止任何可能的故障或設(shè)備關(guān)閉變得極其重要。
UPS系統(tǒng)的故障也可能導(dǎo)致中斷。由于大多數(shù)UPS系統(tǒng)在電源故障之前都沒(méi)有進(jìn)行真正的測(cè)試，因此對(duì)UPS系統(tǒng)的一致遠(yuǎn)程監(jiān)控有助于提供實(shí)時(shí)警報(bào)，并在潛在問(wèn)題導(dǎo)致中斷之前向管理員發(fā)出警報(bào)。
軟件故障也可能導(dǎo)致中斷和停機(jī)。因此，有必要定期更新軟件和打補(bǔ)丁。為了確保定期更新補(bǔ)丁，人工智能可用于掃描漏洞，并在需要時(shí)進(jìn)行軟件更新或補(bǔ)丁。AI還可用于主動(dòng)識(shí)別與數(shù)據(jù)中心設(shè)備或應(yīng)用程序性能或安全相關(guān)的問(wèn)題。
通過(guò)結(jié)合使用主動(dòng)網(wǎng)絡(luò)監(jiān)控和使用自動(dòng)化將人為錯(cuò)誤的可能性降至最低，可以防止與網(wǎng)絡(luò)相關(guān)的中斷。網(wǎng)絡(luò)冗余也是可取的，這意味著如果一個(gè)網(wǎng)絡(luò)出現(xiàn)故障，可以使用不同服務(wù)提供商的替代網(wǎng)絡(luò)。
理想情況下，雇傭第三方服務(wù)提供商，可以對(duì)彈性進(jìn)行審計(jì)，并提供獨(dú)立的、無(wú)偏見(jiàn)的評(píng)估，以理解和對(duì)標(biāo)彈性。選擇正確的DR流程還可以幫助快速?gòu)闹袛嘀谢謴?fù)。
為了確保免受勒索軟件的攻擊，企業(yè)必須減少用戶(hù)權(quán)限，消除任何終端用戶(hù)管理員，并使用多因素身份驗(yàn)證(MFA)，因?yàn)檫@極大地限制了攻擊者橫向移動(dòng)的機(jī)會(huì)。網(wǎng)絡(luò)分割可以減少攻擊向量，而基于策略隔離的用戶(hù)端點(diǎn)檢測(cè)和響應(yīng)(EDR)解決方案的實(shí)現(xiàn)可以幫助防止惡意軟件的傳播。
研究表明，許多數(shù)據(jù)中心的中斷是完全可以預(yù)防和避免的。如果組織投資于正確的設(shè)備、技術(shù)和流程，則可以避免大多數(shù)中斷的發(fā)生。
