学会接受合理的停机时间

爱撕鸡魔人

学会接受合理的停机时间

为灾难恢复解决方案设计师工作往往很困难。在经过各种广告标语，杂志文章以及现实生活的磨练之后，许多企业高管都想要实现神话般高标准的服务器正常运行时间。他们想要达到99.999%的正常运行时间--即每年的意外停机时间为5分钟零30秒，而这个数字其实是可以实现的。
但问题在于，只有在语言经过了精心审核且使用了大量的硬件和软件的情况下，系统才能达到如此高的正常运行时间标准。而现代企业主要面临着两个问题：要么是管理层不理解服务器语言，要么是他们不愿为该项目投入充足的预算。
语言是很有趣的。文字可以代表很多事情，而人们为了获得想要的含义，通常会选择忽略许多词汇。在这种情况下，问题主要围绕着两个短语“认知中的正常运行时间”和“意料之外的停机时间”--这两个词汇对于理解99.999%正常运行时间这个概念来说都非常关键。
认知和现实
认知性正常运行时间最广为接受的含义为，只要用户获得了来自服务器的正确回应，那么系统就保持在线运行状态。这意味着，一组负载平衡型的网络服务器能够为用户提供网页服务，即使其中一台服务器暂时完全脱线。尽管服务器会遭遇停机时间，但是系统不会，因为网络服务器能够暂时处理故障设备的负载。99.999%的正常运行时间是针对整个系统而言的，并不表示系统中的每一台服务器都能够独自实现99.999%的正常运行时间。
在99.999%的正常运行时间这个概念中，另一个经常被忽视的词汇就是“意料之外的停机时间”。所有的服务器都需要维护，其中包括更新，补丁，维修，更换以及其他非常普通但又非常重要的配置变动。许多维护程序，即使只是重启，都需要服务器暂时脱机一段时间。如今，每台Windows服务平均的重启时间为10分钟，但在您的操作环境中只需要大约3分钟。如果您一年对服务器重启了两次，那您的停机时间就超出了99.999%正常运行时间标准所要求的5分30秒的范围。而关键在于，所有的补丁和维护解决方案都会造成意外的停机时间，因此通常不被计入总体停机时间当中。也就是说，即使您的服务器和系统一整个周末都处于停机状态，您还是能够满足99.999%正常运行时间的标准。
另一个经常被忽视的问题在于，如果您想要实现99.999%的正常运行时间，那么您就必须准备大量的硬件和软件。为了保证正常运行时间，您必须准备充足的服务器，存储和网络冗余，而这将耗费您大量的预算成本。例如，如果生产数据集需要使用3TB的数据，那么您就需要额外再准备3TB的数据集。再加上您可能还要准备3个远程数据集，如此一来您的存储预算就翻了3倍。此外，您还需要平衡处理用户请求的各台服务器之间的负载，要么进行负载均衡，要么聚集后端服务器。这意味着您需要的服务器数量至少比非负载平衡解决方案集所需的数量高出2倍，如果还需要建立站点冗余，则您所需要的服务器数量可能还会更多。
其次，如果您所有的解决方案都需要都需要连接到网络，那么您就必须建立网络冗余。否则，网络连接的失效也会产生停机时间。这意味着您必须获取来自多个服务提供商的多条网络连接，以防止网络解决方案中的任何单点故障。此外，因为路由器或交换机也会发生单点故障，因此您还需添置多台路由器和交换机。
总结
正如您所见，实现99.999%的正常运行时间并不是不可能的，但是却会让您花费巨额成本，因此并不适用于您环境中的所有系统。由于许多解决方案都能够提供冗余，且不需要复制每一种元件（但每一个系统都需要一定的冗余），因此有时候允许一定的停机时间的发生，可能会大幅减少您的总体拥有成本。恢复时间目标--或在严重影响业务目标之前服务器下线所需要的时间，如今已经变成了您在指定灾难恢复计划时的关键部分。如果您想要达到接近于零的停机时间，那么相较于使用没有这些需求的非关键型文件服务器而言，您的服务器预算就会大幅上升。如果您在15分钟内没有系统的帮助的情况下，也能正常运营业务，那么您就能够转而使用价位更合适的解决方案。
某些系统可能会需要获得99.999%的正常运行时间，但是只要您理解了正常运行时间这个术语的真正含义，并确保这是系统真正所需要的，这样一来不仅能够让您的终端用户感到满意，而且也能够让您自己受益。因此，您应该分析每个系统，以确定正常运行时间的真正要求是什么，以及当这些系统的正常运行时间标准提升之后，是否会对您的预算产生影响。之后，您应该根据分析结果来选择能够为您提供最合适的正常运行时间的解决方案，且不需要花费额外的成本。