系统运维人员如何解决突发性故障?

2013-10-12 09:34:52 北塔软件  点击量: 评论 (0)
任何计算机系统都有出现故障的时候,可能发生在测试阶段,也可能发生在系统刚刚上线,还可能发生在已经稳定运行很多年的系统上。这些系统出现故障所带来的负面影响可大可小,小到一个终端的软件无法使用,大
    任何计算机系统都有出现故障的时候,可能发生在测试阶段,也可能发生在系统刚刚上线,还可能发生在已经稳定运行很多年的系统上。这些系统出现故障所带来的负面影响可大可小,小到一个终端的软件无法使用,大到整个系统瘫痪……企业网络想要固若金汤是IT部门梦寐以求的目标,作为系统运维人员,应该如何解决这些突发性故障问题?

记一次突发性故障

作为一名IT运维人员,工作中最常发生的系统方面的故障是很正常的一个现象,并且你永远也不会知道下一次故障发生在什么时候,如果公司的系统运维已经做的比较成熟了,系统底层还比较强健,真正出问题的就都是系统之上的"应用",由于每种应用不同,所以并不是太好谈哪一种应用会经常出问题。

不过,在前不久,这位技术达人的公司发生了一次较大故障,故障成因很简单,就是由于空调物理机损坏,导致多台服务器过热,部分业务中断。在更换新的空调之后问题得以解决。当然,在没有更换之前,当时也采用了一些"笨办法",比如使用大功率的风扇、开启机房的排气窗等等,暂时缓解了空调损坏造成的不良影响。

故障处理那些事儿

出现故障的同时必然会造成一些业务的中断,可想而知,若是故障得不到及时的处理,那么公司网络将会处在一个"瘫痪"的状态,这将是很可怕的事情,后果不堪设想。幸好九叔所在的运维团队发现问题很及时,在机房中安装有温度报警系统,温度达到阀值后会给相关运维人员发送短信。比较棘手的是,这次故障的根本原因是空调坏了,而不是常见的断电、瞬间电流过大等情况。由于出问题的这个机房的服务器没有线上业务,因此实际造成的损失并不大,但是影响不太好。

对于类似故障处理,大概遵循以下几个大的方向。

1、收到报警或定期巡检;

2、检查是否误报;

3、确认报警内容属实进行相应处理;

4、检查是否有预案,如有则按照预案处理,如无则尽快联系厂商处理,同时对此事备案。

在处理问题环节,如果在自身团队无法处理的时候,会及时和厂商联系,获取更专业的支持。

故障后的思考与总结

俗话说,吃一堑长一智,出现故障不可怕, 可怕的是不能从故障中得到一些经验教训。九叔谈到:"对于系统运维来说,不仅仅要关注软件层面的问题以及运维,同时对于基础IT建设也要有一定的了解,最起码要知道出现问题应该找谁解决。随着现阶段技术的发展,我们不可能做到一个人对所有技术面面俱到,那么在无法解决问题的时候,如何找到解决问题的人,应该是每一个系统运维人员所必须要了解的。

空调故障的问题偶然性很强,但是依然有方法避免,那就是采取硬件服役到一定年限后更换,而不是等它彻底损坏后再更换。但是这种方法会带来很多额外的费用支出,一般来说,在企业中推行这种方法需要IT部门有一个强有力的后盾去支持才能较好的达到预期效果。

还有一点是值得注意的,不管具体是什么故障,做好预案和备案最重要,以防止这种问题再次发生,或者再次发生后,也可以极为快速地去解决问题。

大云网官方微信售电那点事儿

责任编辑:廖生珏

免责声明:本文仅代表作者个人观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
我要收藏
个赞