文章轉載來源《千家網》
每次數(shù)據中心中斷都代價高昂。隨著數(shù)字化步伐的加快，維持正常運行時間的壓力極具挑戰(zhàn)性?？紤]到數(shù)據中心負載的增加，僅靠人類來處理由于復雜性的增加而產生的大量問題已經不可能了。如今，IT運營團隊比以往任何時候都更需要管理復雜的IT基礎設施。再加上不斷增長的數(shù)據量，使得IT團隊的任務更加難以管理當今動態(tài)的、不斷變化的IT環(huán)境。這增加了中斷的可能性。
雖然有許多技術進步，但中斷很常見，且還在增加。Uptime Institute的2022年年度中斷分析報告強調，五分之一的組織報告在過去三年中經歷了“嚴重”或“嚴重”中斷，涉及重大財務損失、聲譽損害、合規(guī)違規(guī)，在某些嚴重情況下，還會造成人員傷亡，這標志著重大中斷的發(fā)生率略有上升趨勢。根據Uptime的2022年數(shù)據中心彈性調查，80%的數(shù)據中心經理和運營商在過去三年中經歷過某種類型的中斷，比正常情況略有增加，在70%到80%之間波動。超過60%的數(shù)據中心失敗導致至少10萬美元的總損失，遠高于2019年的39%。在同一時期，損失超過100萬美元的中斷所占比例從11%上升到15%。
數(shù)據中心中斷的原因
中斷的原因各不相同。從網絡故障到硬件或軟件故障，再到斷電、網絡攻擊和人為錯誤，導致數(shù)據中心中斷的原因有很多。
下面來看看服務中斷的主要原因，并推薦最佳實踐來緩解這些問題：
網絡問題：根據Uptime的2022年數(shù)據中心彈性調查，在過去三年中，與網絡相關的問題已經成為所有IT服務中斷事件的最大單一原因——無論嚴重程度如何。由于越來越多地使用云技術、軟件定義架構和混合分布式架構帶來的復雜性，導致軟件、網絡和系統(tǒng)問題導致的中斷正在增加。
與電源相關的問題：與電源相關的中斷占被歸類為嚴重中斷(導致停機和經濟損失)的43%。根據Uptime調查，電源事故的最大單一原因是不間斷電源(UPS)故障。
人為錯誤：同一份Uptime調查顯示，絕大多數(shù)與人為錯誤相關的中斷都涉及忽略或不適當?shù)某绦颉＝?0%的組織在過去三年中遭受過由人為錯誤引起的重大中斷。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：網絡攻擊也可能是導致中斷的主要原因。如今，由勒索軟件和DDoS攻擊引起的數(shù)據泄露很常見，可能會導致業(yè)務中斷。隨著勒索軟件變得越來越復雜和普遍，其在大企業(yè)的董事會中越來越重要。NTT Security Holdings的一份報告指出，勒索軟件的流行正在影響業(yè)務連續(xù)性，在過去24個月里，勒索軟件事件響應業(yè)務增長了240%。
防止中斷的最佳實踐
彈性是數(shù)據中心的一個關鍵屬性，每個企業(yè)都必須努力通過一系列舉措來防止中斷。首先，組織必須定期分析數(shù)據中心生態(tài)系統(tǒng)的每個重要組成部分的彈性，如電源、冷卻、連接、服務提供商。數(shù)據中心溫度與數(shù)據中心設備故障有直接關系。因此，監(jiān)測溫度對于防止任何可能的故障或設備關閉變得極其重要。
UPS系統(tǒng)的故障也可能導致中斷。由于大多數(shù)UPS系統(tǒng)在電源故障之前都沒有進行真正的測試，因此對UPS系統(tǒng)的一致遠程監(jiān)控有助于提供實時警報，并在潛在問題導致中斷之前向管理員發(fā)出警報。
軟件故障也可能導致中斷和停機。因此，有必要定期更新軟件和打補丁。為了確保定期更新補丁，人工智能可用于掃描漏洞，并在需要時進行軟件更新或補丁。AI還可用于主動識別與數(shù)據中心設備或應用程序性能或安全相關的問題。
通過結合使用主動網絡監(jiān)控和使用自動化將人為錯誤的可能性降至最低，可以防止與網絡相關的中斷。網絡冗余也是可取的，這意味著如果一個網絡出現(xiàn)故障，可以使用不同服務提供商的替代網絡。
理想情況下，雇傭第三方服務提供商，可以對彈性進行審計，并提供獨立的、無偏見的評估，以理解和對標彈性。選擇正確的DR流程還可以幫助快速從中斷中恢復。
為了確保免受勒索軟件的攻擊，企業(yè)必須減少用戶權限，消除任何終端用戶管理員，并使用多因素身份驗證(MFA)，因為這極大地限制了攻擊者橫向移動的機會。網絡分割可以減少攻擊向量，而基于策略隔離的用戶端點檢測和響應(EDR)解決方案的實現(xiàn)可以幫助防止惡意軟件的傳播。
研究表明，許多數(shù)據中心的中斷是完全可以預防和避免的。如果組織投資于正確的設備、技術和流程，則可以避免大多數(shù)中斷的發(fā)生。
