某机房运维方案

第1页机房运行维护工作建议书第2页为加强********单位数据中心机房各系统的运行维护和管理工作，保证系统长期稳定、高效运行。根据**************信息化工作管理规定，编制适合于******机房运维方案。1.运维现状分析******数据中心机房目前由*******部门管理，由指定的外协公司承接基本运维工作，其职能限定于出入安全、配件管理、设备管理、运行物理环境管理。对于设备本身及其运行维护、软件运行维护等工作，仍由各个供应商按项目签订的协议提供免费服务，目前这些免费服务大部分处于过期或者即将到期的状态。目前机房运维没有涵盖桌面终端、大楼综合布线、楼层配线间与设备间等，未构成一个完整的运维体系。1.1.故障连带现象多方运维导致机房出现中断或者服务不良的情况时有发生。********公司机房由于始终未能受到规范统一的运维管理，加上机房作为数据核心，由各种外部单位组成的运维团队无论在数据安全性、人员责任感、技术全面性等方面，都难以保持机房的持续性运转。我们没有精确的数据来说明机房的运行情况，这也是目前运维工作尚未达标的一种表现，同样，这也导致我们对现状无法进行精确描述。但是，通过一些现象仍然可以发现机房运维工作应该大幅第3页度改进。1.1.1.长时间断网具体原因不详，但由于机房服务器大部分无法接通，成都地区的二级单位网络依赖的DHCP服务无法使用等现象持续多个小时，发现晚，响应慢。1.1.2.上班时间网速慢具体原因不详，但简单归结为SEP或者人多并不能完全的解释网速慢的问题，由于网络是信息化建设的基础，充分发挥机房内部与外部的资源是运维工作的重要职责。1.1.3.服务意外退出当虚拟机系统开始引入后，我们时常发现挂载在虚拟机系统上的一些服务器无故宕机且不知道任何原因，当用户需要使用时，由于无法自动恢复，影响正常工作。1.1.4.不易寻找责任人机房是一完整的整体，涉及到环境、网络、服务器、存储、操第4页作系统、数据库、应用软件等，当一个故障发生时，难以判定故障原因，而目前机房是各个外协单位各施其责，最终造成故障排除时间缓慢，相互推诿的情况时有发生。1.2.半自动化运维现状目前许多企业的IT运维已经实现从人工运维到计算机管理，但延展咨询在同客户的交流中发现其中很多企业的IT运维管理还只是处在“半自动化”的运维状态。因为这种IT运维仍然是等到IT故障出现后再由运维人员采取相应的补救措施。这些传统式被动、孤立、半自动式的IT运维管理模式经常让IT部门疲惫不堪，主要表现在以下三个方面:1.2.1.运维人员被动、效率低在IT运维过程中，只有当事件已经发生并已造成业务影响时才能发现和着手处理，这种被动“救火”不但使IT运维人员终日忙碌，也使IT运维本身质量很难提高，导致IT部门和业务部门对IT运维的服务满意度都不高。目前绝大多数的企业IT运维人员日常大部分时间和精力是处理一些简单重复的问题，而且由于故障预警机制不完善，往往是故障发生后或报警后才会进行处理，,使到IT运维人员的工作经常是处于被动“救火”的状态，不但事倍功半而且常常会出现恶性连锁反应。第5页1.2.2.缺乏一套高效的IT运维机制目前许多企业在IT运维管理过程中缺少自动化的运维管理模式，也没有明确的角色定义和责任划分，使到问题出现后很难快速、准确地找到根本原因，无法及时地找到相应的人员进行修复和处理，或者是在问题找到后缺乏流程化的故障处理机制，而在处理问题时不但欠缺规范化的解决方案，也缺乏全面的跟踪记录。1.2.3.缺乏高效的IT运维技术工具随着信息化建设的深入，企业IT系统日趋复杂，林林总总的网络设备、服务器、中间件、业务系统等让IT运维人员难以从容应对，即使加班加点地维护、部署、管理也经常会因设备出现故障而导致业务的中断，严重影响企业的正常运转。出现这些问题部分原因是企业缺乏事件监控和诊断工具等IT运维技术工具，因为在没有高效的技术工具的支持下故障事件很难得到主动、快速处理。现在随着IT运维管理工作的复杂度和难度的大大增加，仅靠过去几个“运维英雄”或“技术大拿”来包打天下已经行不通了，企业开始需要运用专业化、标准化和流程化的手段来实现运维工作的自动化管理。因为通过自动化监控系统能及时发现故障隐患，主动的告诉用户需要关注的资源，以达到防患于未然。例如，全天候自动检测与及时报警能实现IT运维的“全天候无人值守”，大大降低IT运维人员的工作负担。而且，通过自动化诊断能最大限度地减少维修时间,提高服务质量。因此,对于越来越复杂的IT运维来第6页说，将纯粹的人工操作变为一定程度的自动化管理是一个重要发展趋势。1.3.规范制度不健全IT系统三分建、七分管，运维管理十分复杂，技术要求高，涉及范围广，实施难度大，突出有“三难”。1.3.1.职责难明IT系统运维管理离不开使用、建设、运维三方的共同努力。不能将所有运维责任归于运维部门，运维部门与其他部门相互配合程度低，导致运维人员压力大，处理事务多。哪些由使用部门负责，哪些由运维部门负责，难有明确的职责界定。1.3.2.资料难全网络设备价格和系统集成复杂度不断降低，部门自建“网中网”、“小系统”现象愈加普遍，资料准确性和完整性不断降低，给清查设备和排查故障带来很大困难，运维部门掌控系统资源越来越难，运维管理资料难求完整。1.3.3.绩效难估运维部门有个“两难”境界：系统问题越多，工作量越多，但有人认为维护水平越低；维护水平越高，问题越少，但别人认为工作量越少。第7页运维部门绩效评估难以用业务部门类似的指标来衡量，不能受到公平评估。因此运维人员积极性越来越低，人员流失率高。2.总体目标2.1.机房运维管理规范化、流程化、制度化鉴于最终用户对信息化服务持续性供应的要求，******数据中心机房运维工作急需由被动式变更为主动式，针对以下内容进行规范化管理，确保其持续运行时间与工作性能满足生产需求。机房环境，包括温度、湿度、供电、防雷、消防、承重等;机房设备，包括服务器、交换机、存储、网络安全、通讯等设备;机房链路，包括骨干光缆、机房跳线、收发与中继等;机房应用软件的运行监控，包括门户、办公、生产、财务、网络等应用软件等;机房软性资源，包括IP地址、VLAN等。对于以上各个项目类别，基本上都包括监察、报警、故障排除、优化等工作，由于应用软件等受到供应商的限制，其故障排除与优化往往只能由供应商提供，但对其运行进行实时监控仍然是机房运维职责范围内的工作。第8页2.2.统一管理和集中授权机房运维目前存在的诸多问题，导致工作较为混乱，职责不清，相互推诿时有发生，这与运维本身所需要的快速排除事故，综合性根本性的解决潜在问题的要求是不一致的。除了技术上需要一个中央平台以外，显然管理上也应该形成一个统一的运维团队，这个团队应该对机房内各项内容都承担相应的职责，这种职责是深入的，而不仅仅是简单的遇到事故时一个通知者的角色。设备厂商、应用软件开发商都是在不断变化中的，而运维管理团队却是不变的。地研院信息中心认为，运维管理团队应该保障运维行为的合理性。不允许在事故排除、问题诊断、持续改进的过程中，出现互不承担责任，尤其在一些业务交叉点上；对运维配置项的识别方法是统一的，工作单、知识库等的格式是标准一致的；对石油钻探行业的知识理解是一致的，包括不同应用的重要性等级、不同部室数据的安全性等级等;团队内应共同对运维服务工作的推进承担责任；内部区分不同的安全等级，比如管理员账号与密码属于高安全级，而外部人员的工作则是适度授权的。在业务与管理上达到集中统一的要求后，就形成了“******数据中心机房运维一体化”的工作模式，由于这种模式加强了运维内第9页部凝聚力，因此易于在运维流程、技术等方面进行持续改进，从而不断提高********公司在信息化运维工作上的能力，也就为********公司信息化建设解除了后顾之忧。那么，我们再看一看现在的现状，可以反射出多方运维所形成的一些后果。2.3.集中监控平台机房是公司的信息化核心，无论是应用服务、核心网络、骨干链路，都将牵动全公司的信息化使用。而机房的软硬件通常都是由不同的渠道采购的，这就造成了多厂商与多供应商共同维护的局面，由于不同厂商有不同的管理平台，不同集成商有不同的运维方式，运维队伍良莠不齐，在运维的及时性、有效性、安全性上，都无法满足********公司的业务需要。事实上，我们需要如下所述的一个平台。统一而且固化可执行的流程，保证无论何人来都可以按标准执行，以减少运维风险;集中的监控预警系统，通过集成机房环境、网络、服务器等系统，任何系统出现故障，都将在第一时间发现并报警，同时，管理人员也只需在一个统一门户上进行操作管理，而无需面对各种各样的管理体系，在减缓学习曲线的同时也提高运维品质；1)集中的知识库，知识包括历史实施过程、技术方案、原始资料等，第10页由于运维的延续性非常重要，因此，具有高度参考价值的历史运维资料是一笔相当宝贵的财富;2)集中的运维队伍管理；3)统一规范的基础配置项数据库。4)只有通过一个中心平台，封装不同厂商与集成商所提供的不同内容，最终达到运维工作可执行，业务延续而不受到厂商或者集成商的过度牵制。5)但是，业务上或者说技术上只是提供了一个系统，而运维要落地仍然需要各类人员来完成，那么，保证运维工作的实施与落地就需要统一的管理。2.4.运维自动化首先，IT运维流程自动化能够提高流程的可控性，可以基于业务需求来制定个性化的流程，使企业领导有机会看见他们的业务流程，对企业流程有一个深刻的分析和理解，进而改造和优化流程。其次，IT运维流程的自动化能提高透明度。因为随着业务需求的变化可能会有多个版本出现，手工流程的不透明将会给流程定制和优化带来相当大的困难，而自动化流程可以使用户能够一目了然的看到整个流程的各个节点运转情况，自动化工具潜移默化地提升业务保障能力。再者，运维系统实行了自动化监控以后，通过工具自动监控对人的工作是一种减负，也是一种降低成本的表现。第11页3.建设方案******数据中心机房的运维是一个整体化的工作，无论在电信、金融等信息化程度较高的行业，都是由一个运维团队来承担运维工作，鉴于行业信息安全的需求，通常是由一个内部服务机构进行统一管理，外协单位辅助来统一开展工作。地研院信息中心作为距离******数据中心机房较近，信息化人员有一定运维经验，有足够的意愿为******数据中心机房运维提供良好的支持，目前地研院信息中心与一些有经验的外协单位通力合作，正在努力向ISO/20000标准所要求的运维服务规范化流程化的方向前进，并根据自身对机房运维工作的理解，已经开发出一些流程与制度，为机房运维奠定足够的基础。3.1.自顶向下设计机房运维涉众自顶向下牵系到各个层面的诉求，******数据中心机房的运维是一种分层次的服务，整个运维过程将会涉及多类人员。根据********公司的现状与实际情况，我们分析以下人员将构成整个运维生命周期中的干系人，并行使各自的角色权利。第12页3.1.1.终端用户终端用户是我们的最终客户，其满意度是我们运维工作是否良好的主要评判标准。终端用户不局限于大楼内的办公用户，也包括骨干网络联通的对端用户、机房服务器上各类应用的使用者、集团公司的远程网络管理者，等等。终端用户也是运维费用的承担者，我们的职责就是让其满意度逐步提升。3.1.2.内部服务管理部门公司信息管理部作为内部服务管理部门，承担了保证终端用户第13页满意度的责任。由于内部服务管理部门承担了大量的管理工作，再承担运维服务工作事实上不具有可行性。因此，信息管理部应承担运维的管理工作，包括选择运维工作承担单位、审批管理流程、传递集团公司管理规范或者制定公司内部的企业规范，等等。内部服务管理部门也是运维费用的评定方与支付方，为整个运维工作履行管理职责。3.1.3.运维承接单位地研院将作为运维工作的承接单位，将贯彻落实服务管理部各项指标，并为终端用户提供服务界面。运维承接单位必须是中石油内部单位，其一是由于信息安全的要求，其二是为了更好的遵循企业规范，其三是不断提升内部队伍的运维水平。运维承接单位本质上还是一个