毛文杰

（中国联合网络通信有限公司上海市分公司，上海 200050）

数据中心基础设施运维风险管理技术

毛文杰

（中国联合网络通信有限公司上海市分公司，上海 200050）

本文对数据中心故障高发的基础设施运维进行分析总结，引入风险管理相关理论与方法，通过对基础设施进行风险识别、风险评估与风险应对，持续循环提高运维质量与技术，不断排除故障安全隐患，以降低事故发生的概率。

数据中心；风险识别；风险评估；风险应对；运营风险库

数据中心由于客户很多来自金融、政府、BAT等行业，其对数据中心安全可靠性要求非常高，这就对运维工作提出了更高的要求。本文引入项目管理（PM）中风险管理相关理论与技术工具，加入到日常实际运维工作中以提高数据中心风险识别能力，提前“排雷”规避风险，降低故障发生的概率，提高风险应对能力。同时引入质量控制（QC）中PDCA相关技术方法，以确保运维质量的持续改进与高效可靠。

1 数据中心基础设施运维管理现状

数据中心基础涉及供配电、空调、消防、安防、防雷接地、弱电监控等子系统，各系统之间相互关联、相互影响，对于这样一个复杂系统的运维管理，是一个多目标优化的决策过程，只有确保各系统整体最优，才能使得数据中心实现高可靠性。目前对于数据中心基础设施运维管理正在引入风险管理相关理论与技术工具进行定性分析，主要包括：根据已经制定完成的基础设施高危设备巡检清单与相关运维工具对各机房按季度开张一次类似“体检”的巡检，将现场采集来的设备运行数据及故障记录进行容量管理等分析研究，以确定哪些设备存在“生病”的征兆，即使联系设备厂家进行更换与保养；……