如今，企業(yè)采取各種措施不讓意外停機(jī)時(shí)間中斷其數(shù)據(jù)中心業(yè)務(wù)。而進(jìn)行電源循環(huán)測(cè)試，以主動(dòng)監(jiān)控系統(tǒng)并以有條不紊，有序的方式識(shí)別硬件故障是一種很好的措施。

由于在數(shù)據(jù)中心日常操作期間可能不會(huì)使用IT系統(tǒng)的所有部分，因此IT組件可能會(huì)失效或軟件模塊可能崩潰，但系統(tǒng)可能會(huì)正常運(yùn)行數(shù)月甚至數(shù)年。在系統(tǒng)重新啟動(dòng)（通常意外）之前，故障可能無(wú)法顯示，從而導(dǎo)致意外的工作負(fù)載中斷和停機(jī)時(shí)間。而企業(yè)需要通過(guò)周期性電源循環(huán)測(cè)試，以識(shí)別可能出現(xiàn)的問(wèn)題并主動(dòng)解決問(wèn)題。

如果沒(méi)有看到任何問(wèn)題，為什么要執(zhí)行電源循環(huán)測(cè)試？

數(shù)據(jù)中心所采用的系統(tǒng)管理工具包括MicrosoftSystemCenter，SolarWinds，Nagios和Zabbix這些強(qiáng)大的多功能平臺(tái)。幾乎所有的系統(tǒng)管理工具都可以提供故障，配置，會(huì)計(jì)，性能和安全管理等功能，使其成為現(xiàn)代企業(yè)不可或缺的一部分。

但是，某些故障可能發(fā)生在硬件級(jí)別，但可能不會(huì)立即影響系統(tǒng)或工作負(fù)載。例如，可能在服務(wù)器的雙列直插存儲(chǔ)器模塊（DIMM）中檢測(cè)到存儲(chǔ)器故障。但是，如果沒(méi)有工作負(fù)載使用該內(nèi)存空間，或者故障DIMM采用了故障糾正技術(shù)保護(hù)，則服務(wù)器可以繼續(xù)工作，很少向系統(tǒng)管理報(bào)告其直接錯(cuò)誤。在大多數(shù)情況下，現(xiàn)代服務(wù)器的智能平臺(tái)管理界面或基板管理系統(tǒng)可以報(bào)告這些錯(cuò)誤，但是該信息通常只是記錄，系統(tǒng)及其工作負(fù)載將繼續(xù)運(yùn)行。

而那些未檢測(cè)到的和未解決的硬件問(wèn)題才是最大的問(wèn)題。如果意外的系統(tǒng)崩潰或電源中斷導(dǎo)致計(jì)劃外的系統(tǒng)重新啟動(dòng)，則系統(tǒng)的內(nèi)部固件可能會(huì)看到這些問(wèn)題并拒絕完成引導(dǎo)過(guò)程。例如，如果服務(wù)器的南橋芯片出現(xiàn)故障，并且USB或板載磁盤(pán)控制器功能未初始化或響應(yīng)，則引導(dǎo)過(guò)程將停止，即使企業(yè)可能不使用服務(wù)器的USB端口，而是通過(guò)網(wǎng)絡(luò)訪問(wèn)存儲(chǔ)�，F(xiàn)在，IT部門(mén)必須嘗試從意外中斷中恢復(fù)，并同時(shí)解決有缺陷的系統(tǒng)。

為了避免出這種情況，請(qǐng)進(jìn)行定期現(xiàn)，并主動(dòng)進(jìn)行電源循環(huán)測(cè)試，以強(qiáng)制在低級(jí)別硬件中重新啟動(dòng)系統(tǒng)。除了在計(jì)劃外中斷或停機(jī)期間進(jìn)行加擾，還可以使用計(jì)劃的重新啟動(dòng)來(lái)確保數(shù)據(jù)保護(hù)，并以有組織的方式將虛擬機(jī)或存儲(chǔ)實(shí)例遷移到目標(biāo)設(shè)備之外。接下來(lái)，循環(huán)上電，并允許硬件系統(tǒng)完全啟動(dòng)，以顯示潛在的未知或未解決的問(wèn)題。系統(tǒng)電源循環(huán)通常作為組織現(xiàn)有關(guān)閉文檔的一部分。如果在重新啟動(dòng)過(guò)程中出現(xiàn)問(wèn)題，企業(yè)將采取更好的準(zhǔn)備采取糾正措施。

應(yīng)該如何接近電源循環(huán)測(cè)試，以及應(yīng)該多久進(jìn)行一次？

具有高質(zhì)量設(shè)計(jì)的服務(wù)器可以運(yùn)行多年。當(dāng)企業(yè)在彈性配置（例如服務(wù)器集群）中部署這些服務(wù)器設(shè)計(jì)時(shí)，這些系統(tǒng)上支持的工作負(fù)載幾乎是不可破壞的。事實(shí)上，強(qiáng)調(diào)系統(tǒng)彈性和正常運(yùn)行時(shí)間常常導(dǎo)致許多組織放棄周期性的功率循環(huán)。

但是如果一個(gè)服務(wù)器或存儲(chǔ)子系統(tǒng)運(yùn)行了幾年，你怎么知道它會(huì)正常啟動(dòng)？如果不知道，那么希望系統(tǒng)能夠成功冷啟動(dòng)的唯一方法是定期進(jìn)行測(cè)試。

電源循環(huán)測(cè)試需要什么樣的依賴關(guān)系？

企業(yè)的數(shù)據(jù)中心根據(jù)需要進(jìn)行電源循環(huán)測(cè)試，以便為其業(yè)務(wù)需求達(dá)到合理的置信水平。通常，可以每幾個(gè)月或每年進(jìn)行幾次電源循環(huán)。將電源循環(huán)測(cè)試與常規(guī)災(zāi)難恢復(fù)和關(guān)閉測(cè)試保持同步，以便同時(shí)處理這兩個(gè)目標(biāo)可能是一個(gè)好主意。

有時(shí)，也有一些外部因素影響數(shù)據(jù)中心的正常運(yùn)行，例如變電站升級(jí)改造或重要的建筑物改造，迫使企業(yè)使數(shù)據(jù)中心離線一段時(shí)間。如今，計(jì)劃停機(jī)可以減少業(yè)務(wù)中斷，因?yàn)槠髽I(yè)的數(shù)據(jù)中心可以輕松地將工作負(fù)載遷移到輔助數(shù)據(jù)中心或云計(jì)算。所以任何IT團(tuán)隊(duì)準(zhǔn)備處理計(jì)劃內(nèi)的設(shè)施關(guān)閉也應(yīng)該能夠進(jìn)行常規(guī)電源循環(huán)。

服務(wù)器硬件有任何風(fēng)險(xiǎn)嗎？

當(dāng)數(shù)據(jù)中心啟動(dòng)和運(yùn)行服務(wù)器或存儲(chǔ)陣列時(shí)，總是有一定程度的電，熱和機(jī)械應(yīng)力。當(dāng)允許電子元件冷卻并再次升溫時(shí)，可能會(huì)導(dǎo)致熱應(yīng)力，可能會(huì)導(dǎo)致邊緣連接失效，并導(dǎo)致過(guò)早的系統(tǒng)故障。類似地，如果讓老化的磁盤(pán)或冷卻風(fēng)扇冷卻，它可能因潤(rùn)滑劑耗盡而卡住，并導(dǎo)致磁盤(pán)/風(fēng)扇主軸或產(chǎn)生其他微妙機(jī)制的問(wèn)題。

另外，還存在潛在的邏輯風(fēng)險(xiǎn)。意外的配置更改可能會(huì)使IT系統(tǒng)超出范圍，并導(dǎo)致由于系統(tǒng)配置管理工具的警告或應(yīng)用程序啟動(dòng)問(wèn)題。例如，如果系統(tǒng)重新啟動(dòng)并嘗試安裝意外或未批準(zhǔn)的修補(bǔ)程序，則配置管理工具可能會(huì)暫停工作負(fù)載或服務(wù)器集群?jiǎn)��?dòng)，直到系統(tǒng)的批準(zhǔn)配置恢復(fù)為止。

這樣的問(wèn)題是罕見(jiàn)的，特別是在現(xiàn)代的數(shù)據(jù)中心節(jié)能系統(tǒng)中。雖然一些IT專家認(rèn)為電源循環(huán)可以減少這種故障的可能性，但是計(jì)劃的電源循環(huán)測(cè)試正是沉淀，隔離和解決這些類型問(wèn)題的辦法。早期暴露任何問(wèn)題最好等到意外的電源故障或應(yīng)用程序崩潰，并發(fā)現(xiàn)系統(tǒng)未正常啟動(dòng)的隱患。

隨著數(shù)據(jù)中心使用虛擬化和群集，其工作負(fù)載將繼續(xù)運(yùn)行，同時(shí)識(shí)別和修復(fù)故障系統(tǒng)。