數(shù)據(jù)中心運維整體發(fā)展趨勢分析

全球數(shù)據(jù)中心發(fā)展重心正從規(guī)�；�建設向精細化運營轉變。隨著亞馬遜、微軟、阿里、騰訊、華為、中國移動、中國電信等巨頭的進入,國內云服務市場競爭加劇,各云服務商在市場拓展的同時會持續(xù)降低運營成本。

華為云&大數(shù)據(jù)產(chǎn)品線總裁馬力在《智能運維,云數(shù)據(jù)中心運維的未來之路》一文中指出,未來的云數(shù)據(jù)中心運維必須:

提高運維效率虛擬化技術和眾多開源技術的引入使得運維變得越來越復雜,傳統(tǒng)人工運維模式處理速度慢、出錯概率高。此外,傳統(tǒng)人均50～100臺設備的維護效率,在大規(guī)模云化環(huán)境下,需要投入大量人力。

保持低運營成本傳統(tǒng)IT的資源使用率通常小于20%,在云化后資源使用率有所提升,但是個性化、按需彈性需求導致資源碎片化、負載不平衡以及擴容規(guī)劃不精準,可能會造成整體資源利用率并沒有達到規(guī)劃目標,運維成本居高不下。

硬件即插即用,定期下線隨著數(shù)據(jù)中心規(guī)模的增長,手工為主的硬件識別與安裝方案將無法支撐資源的快速上線、擴容與下線。通過即插即用技術,只需要使用低技能人員將設備上架、上網(wǎng)和上電,運維系統(tǒng)就會根據(jù)該硬件的預期狀態(tài)自動化完成端到端硬件系統(tǒng)的部署和上線;與此同時,通過云化隔離技術,硬件出現(xiàn)故障時也不再需要立即解決,只需讓低技能人員定期替換即可。

數(shù)據(jù)中心運維技術發(fā)展的歷史與現(xiàn)狀

阻礙數(shù)據(jù)中心運維技術快速發(fā)展的歷史原因

盡管數(shù)據(jù)中心的運維如此重要,但長期以來,相關運維的技術和手段仍然比較落后,“重建設,輕運維”成為行業(yè)普遍現(xiàn)狀。甚至在很多人眼中,運維=酷炫的UI界面+超大拼接屏。數(shù)據(jù)中心的運維,尤其是基礎設施運維長期以來之所以未能得到大規(guī)模的普及,筆者分析主要以下原因:

技術落后：早期基礎設施運維軟件多來自UPS、空調等設備廠家,他們采用動環(huán)(動力設備和機房環(huán)境)管理的理念。廠家大多對IT類設備缺乏了解,相關技術也主要來自運營商對通信機房的運維要求,明顯滯后于IT技術的發(fā)展;

觀念落后：早期IDC管理脫胎于電信運營商的“機房維護”思路,偏重于設備安全和日常維護,對資產(chǎn)(ROI)的價值認識不足,做不到精細化運營與管理;

需求不明顯：早期機房數(shù)量規(guī)模較小,人工維護成本低,運營管理團隊采用自動化管理方式的意愿不強烈;早期機房設備種類不多,運行業(yè)務簡單,管理的復雜程度不高;早期數(shù)據(jù)中心本身并未成為社會生產(chǎn)與生活的核心,故障后造成的損失也較低;

系統(tǒng)架構簡單：早期IT系統(tǒng),普遍采用“煙囪式”架構,底層硬件與運行業(yè)務深度耦合,業(yè)務邏輯和物理邏輯有對應關系,故障后容易查找,定位簡單,可以快速進行維修;

除此之外,還有國內長期以來對軟件價值的低估,用戶需求不明確帶來的設計變更附加成本等。正是因為以上這些原因,在大型云數(shù)據(jù)中心出現(xiàn)之前的“互聯(lián)網(wǎng)1.0”時代,智能運維技術和實踐一直未得到用戶普遍的重視。

目前的現(xiàn)狀:數(shù)據(jù)中心數(shù)字化、精細化、自動化運營已形成行業(yè)共識

隨著大型數(shù)據(jù)中心的增多,云計算相關技術的成熟,數(shù)據(jù)中心運維技術也日益受到大家的重視。究其原因可以歸納如下:CT機房互聯(lián)網(wǎng)/物聯(lián)化趨勢受互聯(lián)網(wǎng)影響,“數(shù)據(jù)中心云化”“軟件定義數(shù)據(jù)中心”成為主流技術發(fā)展趨勢。而傳統(tǒng)CT的維護理念,也逐漸向物聯(lián)網(wǎng)化的運營理念轉變,精細化、自動化、智能化管理成為新需求。如某運營商對運維機器人的引入、互聯(lián)網(wǎng)自建數(shù)據(jù)中心對人工智能技術的引入、對U位級資產(chǎn)管理技術的實踐等。

市場需求快速增長：近年來的數(shù)據(jù)中心逐漸呈現(xiàn)“兩極分化”趨勢:即中型數(shù)據(jù)中心快速減少,一方面超大規(guī)模數(shù)據(jù)中心不斷出現(xiàn)(云數(shù)據(jù)中心需求),一方面微型數(shù)據(jù)中心快速增長(邊緣計算需求)。對于超大型數(shù)據(jù)中心,服務器規(guī)模動輒數(shù)萬甚至數(shù)十萬臺,人工方式的資產(chǎn)管理已無法滿足實際需求,急需自動化的管理方案;對于小微型數(shù)據(jù)中心(多是企業(yè)分支機構、連鎖商超等行業(yè)用戶),又大多缺乏專業(yè)運維人員,對易安裝、已維護、可實現(xiàn)遠程無人化管理的運維技術也有迫切需求。

云數(shù)據(jù)中心架構變化帶來的影響：云計算技術的出現(xiàn),使得傳統(tǒng)的“煙囪式”IT架構被打破,計算、存儲、網(wǎng)絡統(tǒng)統(tǒng)變成了資源池,上層應用和IT硬件實現(xiàn)了解耦。彈性獲取,隨需擴容、靈活應用成為業(yè)務層面對IT資源的主要訴求。

這對IT硬件的影響主要有兩方面:IT硬件的重要性下降(數(shù)據(jù)有備份),更換升級等操作更加頻繁(壞了就換)。在數(shù)據(jù)中心的全生命周期內,IT硬件資產(chǎn)管理的工作量大幅提升(同一U位可能不同時間段安裝不同設備運行不同程序),依賴人工已經(jīng)很難管理;AI、機器深度學習等技術的發(fā)展,也需要打破企業(yè)各部門之間的傳統(tǒng)物理壁壘,對數(shù)據(jù)進行融合處理與應用(如智慧城市工程,對目標對象的人臉識別,可能需要拉通交通、戶籍、刑偵、市政等多套系統(tǒng)),數(shù)據(jù)層面拉通的同時也會帶動跨領域、跨組織的物理資產(chǎn)的統(tǒng)一管理,必然需要統(tǒng)一的標準和規(guī)范來進行物理資產(chǎn)的統(tǒng)計和變更記錄。

人力成本快速升高：據(jù)統(tǒng)計,中國60歲以上人口已超過2.41億人,我國已全面進入老年化社會,勞動力成本上升是所有企業(yè)都要面對的問題。而數(shù)據(jù)中心的運維工作責任重大,通常涉及到多個領域學科知識,對人員技能和素質要求都比較高。

“人力成本太高”(一線城市)、“招不到人”(二三線城市)成了很多運維主管頭疼的問題。其他因素,比如電信運營商利潤下滑,傳統(tǒng)IDC大戶對能夠降低運營成本(維護人力、電費等)的技術興趣濃厚;各設備廠家的持續(xù)發(fā)力,對智能化基礎設施的概念推廣(主要體現(xiàn)在自動化運維、U位級精細化資產(chǎn)管理等方面);全行業(yè)數(shù)據(jù)安全意識的提升,導致越來越多用戶(尤其是高端用戶)對其IT資產(chǎn)安全的更加重視(自主可控、去IOE、國產(chǎn)化等要求),IT設備的變更、定期盤點、自動告警受到重視。

從“運維”到“運營”的觀念轉變

如上所述,數(shù)據(jù)中心的運維工作日益受到業(yè)界的重視,各種新技術也層出不窮,那么什么樣的運維技術才是好技術,如何進行評判呢?筆者認為,只有真正能為用戶創(chuàng)造價值的技術才能獲得認可并實現(xiàn)規(guī)模化應用。換言之,能省錢(甚至賺錢)的技術就是好技術。筆者認為,從運維(核心是可靠不出錯)到運營(核心是可靠還省錢/賺錢)的變化,是在數(shù)據(jù)中心從“企業(yè)成本中心”向“企業(yè)生產(chǎn)中心”轉變的過程中,運維人員必須經(jīng)歷的觀念轉變過程。

那么,什么樣的數(shù)據(jù)中心才是好(可靠又省錢)的數(shù)據(jù)中心呢?拋開“風火水電”等基礎設施的架構不談,僅從運營的層面來看,筆者認為需要考慮以下問題:

1、資產(chǎn)盤點問題:資產(chǎn)繁多、管理復雜

數(shù)據(jù)中心涉及多種產(chǎn)品和設備,對運維人員技能要求較高。同時資產(chǎn)管理和盤點工作浪費運維人員大量時間,造成數(shù)據(jù)中心運維人力開支居高不下。

2、容量管理問題:管理粗放、盈利困難

對很多運營型數(shù)據(jù)中心來說,因規(guī)模較大,人工管理方式難以根據(jù)用戶的設備數(shù)量、功耗、制冷等要求及時查詢到合適的安裝位置,造成業(yè)務不能及時上線,為企業(yè)帶來重大損失。數(shù)據(jù)中心租賃市場競爭日趨激烈,粗放的管理模式造成運營成本過高,市場競爭力下降,侵蝕投資者利益。

3、故障定位問題:故障定位、維護困難

隨著數(shù)據(jù)中心重要性的上升,由數(shù)據(jù)中心故障帶來的企業(yè)損失也逐漸升高,所以故障恢復時間變得至關重要。但傳統(tǒng)數(shù)據(jù)中心,采用人工管理方式,一旦出現(xiàn)故障需要花費大量時間進行排查(大型數(shù)據(jù)中心服務器規(guī)模高達數(shù)十萬臺)。運維人員80%時間都花費在定位故障上面,效率十分低下。

4、資產(chǎn)安全問題:U位級物理安全難以保障

因數(shù)據(jù)安全等因素,很多行業(yè)都對數(shù)據(jù)中心安全級別有嚴格要求。同時據(jù)Uptime報告顯示,數(shù)據(jù)中心超過70%的故障是由于人為操作失誤造成。所以對運維人員的分級、分區(qū)、分域授權至關重要。按空間劃分,數(shù)據(jù)中心資產(chǎn)的物理安全等級可分為機房級、模塊級(微模塊)、機柜級、U位級(見圖)。大多數(shù)的數(shù)據(jù)中心可以做到機房級物理安全(機房門禁),少部分可以做到機柜級物理安全(物理或電子門鎖等形式)。只有極少數(shù)數(shù)據(jù)中心可以做到U位級的物理安全保障,在維護人員對機柜內部等某一臺IT設備操作時及時給出安全告警信息。

機柜容量管理:實時監(jiān)控機柜空間容量信息,提升空間利用率(減少機柜租金);設備變更自動化:資產(chǎn)變動信息自動上報(降低人工開支);數(shù)據(jù)準確性:資產(chǎn)數(shù)據(jù)100%準確(減少人工排查開支);資產(chǎn)盤點自動化:大規(guī)模資產(chǎn)設備快速自動化盤點,無需人工(節(jié)省運維人力);快速定位:可以快速準確找到故障設備(減少故障排查時間);更精確的資產(chǎn)保護:提升U位級資產(chǎn)物理安全,非法事件自動告警(資產(chǎn)和數(shù)據(jù)安全)。

物聯(lián)網(wǎng)技術在數(shù)據(jù)中心的部分應用

筆者認為,相比AI、大數(shù)據(jù)等技術,物聯(lián)網(wǎng)技術或許將首先在數(shù)據(jù)中心的運營工作中得到規(guī)模化應用。比如很多人都知道,谷歌的數(shù)據(jù)中心應用了神經(jīng)網(wǎng)絡等AI技術來實現(xiàn)能耗管理,但到底是如何實現(xiàn)的,效果如何,能否推廣,卻鮮有資料流出。不可否認,大型高科技公司和互聯(lián)網(wǎng)公司本身技術和人才積累雄厚,可以在AI、大數(shù)據(jù)等方面進行嘗試和創(chuàng)新應用。但對大多數(shù)的數(shù)據(jù)中心用戶來說,物聯(lián)網(wǎng)技術可能會更早成熟并進入實際應用階段。

1、物聯(lián)網(wǎng)在資產(chǎn)安全方面的應用

通過傳感器對機房基礎設施進行監(jiān)控,如電池、UPS、空調等。通過對設備狀態(tài)的監(jiān)控對生命周期進行預測,甚至在故障發(fā)生前做到提前預警。

通過資產(chǎn)電子標簽對IT設備進行管理,可以精確定位到每臺設備所處的區(qū)域甚至U位,在未授權的設備下架或將標簽破壞的情況下,可以在現(xiàn)場和后臺系統(tǒng)發(fā)出報警提醒。

2、物聯(lián)網(wǎng)在容量和能耗方面的應用

通過傳感器實時監(jiān)控機柜U位物理空間利用率,自動監(jiān)控IT設備上架、下架與遷移,幫助用戶提高機柜空間利用率;

通過傳感器實時監(jiān)控數(shù)據(jù)中心的能耗、溫度、制冷等信息,幫助用戶合理規(guī)劃設備部署,降低數(shù)據(jù)中心的整體能耗;

甚至通過更精確的U位級設備管理,可以實現(xiàn)機柜內部微環(huán)境的監(jiān)控。

3、物聯(lián)網(wǎng)在自動化運維方面的應用

機房大量設備的上架信息錄入占用大量人力。利用手持終端可以對設備二維碼或芯片進行掃描,自動錄入設備信息,信息自動上傳到后臺,代替大量重復性手工錄入工作,解放運維人力;

當設備發(fā)生故障時,往往發(fā)生連鎖反應,產(chǎn)生大量告警,而后臺很難判斷實際故障設備。利用物聯(lián)網(wǎng)技術,可以做到自動定位故障設備,維護人員可以準確獲取故障設備所在區(qū)域、機柜、甚至U位。