BT

如何利用碎片时间提升技术认知与能力? 点击获取答案

世纪互联交付中心总监李少春:数据中心基础与服务探讨

| 作者 李少春 关注 0 他的粉丝 发布于 2018年3月6日. 估计阅读时间: 9 分钟 | QCon上海2018 关注大数据平台技术选型、搭建、系统迁移和优化的经验。

近日,TGO 鲲鹏会广州分会会员、世纪互联交付中心总监李少春作为 TGO 线上分享第五季的嘉宾,以直播的形式向大家分享了数据中心基础与服务探讨。本文根据当天直播内容整理。更多精彩内容请关注公众号:TGO 鲲鹏会

大家好,我是来自世纪互联的李少春。之前在一家大型上市家电公司从事网络管理及 IT 规划工作。现在在世纪互联做了十年,担任过网络、机房、解决方案等相关工作,现任世纪互联交付中心总监,负责数据中心交付与服务体系。

今天我主要分享三个内容:

  • 数据中心简介 —— 了解 IDC 的架构;
  • 运维服务与人员配置探讨;
  • 案例讨论,外包服务怎样才能更好的做到双赢?

数据中心基础架构

谈到数据中心,一般都会谈及风火水电;谈到数据中心的配置,一般会谈到 N 、N+1 、2N+1 等,这些关系到数据中心的投资成本和客户的高可用性。

配电系统

大家可以看到,上图顶部有两个变电站。好的数据中心一般最少都会从两个变电站,拉两路高压,当任何一路出问题的时候,另一路都能够撑起整个数据中心,确保高可用。中间的是高压柴油发电机组,这是数据中心的发电机,当多路市电同时出现问题时,可以由柴机代替市电来给 UPS供电。

上图倒数第二行的是 UPS 机组和蓄电池组,这块的作用是当市电出现问题切换到油机时,UPS 可以给数据中心的服务器提供持续的电力供应,设计一般是可以维持 15 - 30 分钟。其实市电切换到发电机组正常的电力切换,一般会在一分钟内完成,多路市电、柴油发电机加 UPS 机组的三层设计,保证了数据中心用电的高可用性。

这里跟大家讲一下 N 。当电的容量和设备的用电量刚刚好的情况下,就是 N ;当数据中心要提供冗余时,最少需要 N+1 。所以大家在选数据中心时,可以看几个参数:

  • 它是否有多路的市电、它的容量是否足够?
  • 柴油发电机组是否冗余?
  • UPS 有没有冗余?

空调系统

空调系统中规中矩,数据中心提供的都是恒温、恒湿的空调,但实际上国外有些也会把机房的温度、湿度调高,这个与节能息息相关。同时,空调也跟电子设备一样,会提供 N+1 、N+2 的冗余。这里面有一点要跟大家说明:一般数据中心的 UPS ,仅仅给我们的 IT 设备提供供电。

当真正断电,油机还没来得及切换时,就会出现设备没有断电,但是空调停了的状况。这时数据中心的温度就会急速上升,从而导致服务器不断重启,这时候我们就要关注数据中心有没有提供空调持续的供冷、电路是否是有配备 UPS 等,如右下角这个图,这是一个蓄冷罐,它的作用,是 UPS 供电时,即使冷水机组没有提供工作,通过蓄冷罐,数据中心依然可以提供供冷,是高可用性不可或缺的一环。

消防系统

数据中心有两点需要特别注意:

  • 当听到声光报警时,一定要第一时间撤出机房;
  • 不要去随便触碰数据中心。

但国外的数据中心有可能不采用气体灭火,直接用水喷淋。他们认为,人的安全比设备的安全要更重要,所以采用了传统的水喷淋,这是第一点。第二点就是他们在 IT 架构上比较完善,由于机房在初期的冗余设计做的比较好,即使单个 IDC 出问题了,也不会影响业务的运转。这可能也是国内外的理念不同,国内的主要还是通过气体来进行灭火。

监控系统

监控系统,包含了多个方面的监控,如视频监控,一般现在会保留 90 天的数据,同时也有相应的门禁防卫系统、指纹掌纹识别等,都是基础配置。

运维工作与服务、人员优化探讨

大家可能不知道,数据中心运维工作起码有 100 - 200 项。那么如何确保运维的标准化?如何进行运维服务的优化提升?数据中心的运维人员如何进行配比?

我们探讨下面几个场景:

  • BAT 客户。比如腾讯,一般现场有驻场团队,都是由腾讯场驻场团队来完成;
  • 现在很多成熟的互联网公司,大多数都集中在北京、上海等地。这类公司不一定有现成的驻场团队,但是他们有专业的运营团队,同时部署规划做得非常好;
  • 南方的一些地方。南方其实是创业比较好的地方,所以也有很多草根公司是在这里成长起来。南方的公司比较实在,会有多点部署。同时,针对业务部署和业务发展情况,他们更希望把这部分服务交给现场的服务方来实施。

大家可以看到,上图是基础运维服务的一部分。服务的标准化,我们用一个案例来分析:

重启大家可能会认为是比较简单的操作,但其实也可以把每项工作细化,然后形成标准。上图是经过我们细化后的重启服务,总共有 10 个步骤。在形成最佳实践后,你可以把每项工作都按照这样细分,再打乱让员工排序。通过一段时间的训练,当员工接到一个操作单时,自然而然就会形成条件反射,用最标准的流程去操作授权。

在标准之后,就要开始考虑优化,这里我们有引进两个概念:

  • 标准工时 —— 通过 20 年的运维数据加权得出的合理值,我们认为员工能够在一定时间完成的用时;
  • 实际用时 —— 员工在完成每一项工作后的实际时间。

上图的表格是一个示例,比如一个员工的工作记录汇总。根据这些我们就能看出员工的工作项目、工作量、以及工作饱和度,并可参考此项来确定员工相应的绩效和需要优化的地方。

有趣的外包服务

大家对数据中心的了解,大部分集中在所托管的数据中心里。但我们服务的不仅仅是现有客户,其实还要做一些服务输出。我想在这里跟大家分享一个对多节点、分布式部署用户比较有借鉴意义的案例 —— 这项服务定义为人员输出的云服务。

案例中的公司在全国有 80 多个数据中心,在全国 20 个省份有 94 个节点,那么如果这家公司想在短期内完成多节点的调整和部署,需要面临很多问题。比如在短时间内和多家合作的公司进行沟通,需要把团队派到各地去实施,整体的人员参与成本非常高,人力压力也非常大。而问题在于,这家公司根本就没那么多人,满足不了这么大的部署。

而对于有全国部署的公司来说,就有以下几点好处:

  • 可以在一周内同时完成几十个数据中心的人员调配部署。整个服务标准统一、部署质量一致、部署效率高,既便捷又高效;
  • 就近派人节约时间成本、差旅成本;
  • 拥有数据最新的同步数据,不用担心人员流失而造成部署的延误。

接口非常简单,用户只需要对口这边一个项目经理,项目经理会对口各个区域负责人,各个区域负责人会协调各个区域的支撑团队完成工作,所以整个下来就会非常的顺畅。

上图是客户提出的一些需求。比如客户不用自己设库房,所有的服务器统一都会寄到指定的地方,会在用户有需求的时候,做设备的初始化配置。然后用户只需要填预上架表,就可以通过指定的合作物流把设备发到指定地点,同时进行设备的上架跟梳理。做完后,工程师会实时填写上架的图表并将信息验收表转交给客户。

Q & A

Q:运维部分踩过坑吗?

A:踩过。每个公司都踩过各种各样的坑,不过还好我们的 SOP 流程是比较合理的。专业的公司都会把一项专业的工作拆分成多个细节或部门完成,配置更多的人员,和单独做事情相比,会较好的避免一些风险。

Q:多人确认效率会下降,如何考虑效率提升?

A:多人确认的项目,一定需要有专家团队一起审核确认之后才可以实施。我们一般都会在电力值守岗位配置两名员工,因为用户跟员工的安全才是首位的。

Q:小公司建立数据中心,人员配备如何设置?

A:小公司的数据中心最好交给专业的 IDC来做,无需自建数据中心。自建数据中心会存在几个问题:

  • 没有那么大的出口带宽,被攻击的时候一下就会被打死;
  • 运维人员没那么专业,出问题时应变、应急能力不足;
  • 不节约成本。

Q:你们的 KPI 考核是如何做的?

A:考核是多维度的,当一项工作标准化的时候,其实出错的概率就会很低。考核更多的是激励作用。

Q:大机房的 DDOS 都是怎么防护的?

A:大机房的 DDOS 防御分两种:一种是通过类似电信云堤的技术做防御,另一种分几个层面,1.自有机房,拼的是出口;2.跟运营商合作,允许添加权限,可以自己操作;不过如果是重点业务,我建议最好还是购买相应的流量清洗产品。

另外,DDOS 其实有真正的动态 BGP 会非常好,动态 BGP 的好处是可以只跟某一运营商合作防 DDOS ,之后把攻击的流量通过 BGP 导到大出口的池子里,就可以实现防御。

评价本文

专业度
风格

您好,朋友!

您需要 注册一个InfoQ账号 或者 才能进行评论。在您完成注册后还需要进行一些设置。

获得来自InfoQ的更多体验。

告诉我们您的想法

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我
社区评论

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

讨论

登陆InfoQ,与你最关心的话题互动。


找回密码....

Follow

关注你最喜爱的话题和作者

快速浏览网站内你所感兴趣话题的精选内容。

Like

内容自由定制

选择想要阅读的主题和喜爱的作者定制自己的新闻源。

Notifications

获取更新

设置通知机制以获取内容更新对您而言是否重要

BT