机房运维技术及服务方案

第一章、机房运维技术及服务方案第一节、日常运维软件维护软件设备可分为操作系统软件、典型应用软件（如:数据库软件、中间件软件等）、业务应用软件等维护：常用应用软件的安装、调试、管理、更新、升级、故障检测及排除。操作系统的调试、管理、更新，升级，故障检测及排除。建立常用应用软件及驱动程序库。（视客户情况而定）硬件维护硬件设备包括：网络设备、安全设备、主机设备、存储设备等维护：计算机硬件设备的维护、保养、更新、升级、故障检测及排除。建立电脑硬件配置档案，实行标准化管理。（视客户情况而定）网络交换机维护提供网络交换机的调试、故障诊断、日常维护保养、更换升级建议。对于突发的紧急硬件故障可以提供匹配的设备进行临时替代，保证用户网络的正常运转。路由器维护提供用户端路由器的调试、故障诊断、日常维护保养、更换升级建议。对于突发的紧急硬件故障可以提供匹配的设备进行临时替代，保证用户网络的正常运转安全维护安装、管理、维护客户端计算机的病毒防护系统。培训用户计算机病毒的防护知识以及防病毒软件的使用，建立用户的防病毒意识。升级、更新、优化用户已有的病毒防治系统。定期提供病毒检测、告警及最新预防措施。提供紧急病毒故障处理服务，对突发的新计算机病毒进行及时响应。对用户的网络防病毒系统进行维护，升级版本，更新病毒库从而确保网络、系统及数据资料的安全。物理环境维护综合布线系统维护利用专业测试仪器提供对铜缆、光纤的布线故障检测处理。对现有综合布线系统中存在的缺陷、问题提供合理化改造或升级方案，并可提供专业水平的工程施工（工程费用另计）。主机、存储系统运维服务主机、存储系统的运维服务包括：主机、存储设备的日常监控，设备的运行状态监控，故障处理，操作系统维护，补丁升级等内容。设备的增加内存和硬盘的增加是服务器最常见的，安装的应用软件、资源库越来越多，服务器需要更多的内存和硬盘容量。增加内存前需要认定与服务器原有的内存的兼容性，最好是同一品牌的规格的内存。如果是服务器专用的ECC内存，则必须选用相同的内存，普通的SDRAM内存与ECC内存在同一台服务器上使用很可能会引起系统严重出错。在增加硬盘以前，需要认定服务器是否有空余的硬盘支架、硬盘接口和电源接口，还有主板是否支持这种容量的硬盘。尤其需要注意，防止买来了设备却无法使用。设备的卸载和更换卸载和更换设备时的问题不大，需要注意的是有许多品牌服务器机箱的设计比较特殊，需要特殊的工具或机关才能打开，在卸机箱盖的时候，需要仔细看说明书，不要强行拆卸。另外，必须在完全断电、服务器接地良好的情况下进行，即使是支持热插拔的设备也是如此，以防止静电对设备造成损坏。除尘尘土是服务器最大的杀手，因此需要定期给服务器除尘。尤其是在炎热的夏季，对于服务器来说，灰尘甚至是致命的。除尘方法与普通PC除尘方法相同，尤其要注意的是电源的除尘。其它维护机房环境检查就是对机房的温度、湿度、照明、防鼠、防水、防尘、消防、卫生、门窗的关闭进行检查，主要通过检查以下设备或项目去完成：机房空调※检查空调是否正常运行、制冷温度是否在规定范围内※检查空调设备断电后再通电的自动投运状况※检查空调是否有漏水现象※检查空调电源插头是否稳固、是否出现老化现象※检查空调设备卫生情况※填写巡检记录照明设备※检查照明设备是否都能正常运行、照明光度是否足够※检查机房事故照明断电后的工作情况※检查照明设备是否出现老化迹象※检查照明设备的控制开关是否能正常使用、灵敏度※填写巡检记录消防设备※检查消防设备合格证、是否通过安全定检※消防设备是否配备足够※消防设备是否完好（外观）※检查机房消防系统是否能正常运行※清洁消防设备※填写巡检记录抽湿机※检查机房抽湿机是否正常运行※检查机房抽湿机设定的湿度是否在规定范围内※填写巡检记录机房防鼠※检查机房所有与外界有联系的孔洞是否已严密封堵※检查机房门窗是否已关闭※检查机房门的防鼠板是否已装上并安装稳密※填写巡检记录机房防水、防尘※检查机房空调是否有漏水现象※检查机房墙壁是否有渗水现※检查机房门窗是否已关闭※填写巡检记录机房卫生※检查机房是否有垃圾、杂物※清洁门窗、地柜；整洁办公用品，清洁地面※负责施工后机房地面清洁工作※填写巡检记录电池※检查蓄电池外观完好性※检查蓄电池是否有变型、渗液等状况※清洁蓄电池※填写巡检记录防雷设备※检查防雷设备运行是否正常，能否实现防雷功能※检查、测试设备运行的相关参数是否正常并记录※检查设备的外观完好性※检查设备是否出现老化迹象※检查防雷设备接线是否牢固，线缆是否出现老化迹象※清洁防雷设备※填写巡检记录UPS系统UPS主机一般是智能型的，它对环境温度要求不高，但要求室内清洁卫生否则灰尘遇潮湿会引起主机工作紊乱；主机中的参数在使用中不能随意改变；在断电时，应避免带负载启动UPS电源，应先关掉负载，等UPS启动后再开启负载，否则会有多负载的冲击电流和供电电流造成UPS电源瞬间过载，严重时会损坏变换器；不能让UPS电源经常处于满载或过载。蓄电池的维护及注意事项尽管使用的是免维护蓄电池，但从广义来说一定的维护还是必要的。首先它对环境温度要求较高，工作环境一般要求在20°C—25°C之间，低于15C时，其放电容量下降，温度每降低1C，其容量下降1%，而温度过高（大于30%C）其寿命就会缩短；其次，要防止电池短路或深度放电，深度放电会造成电池内阻增大或充电电压过低从而导致降低甚至失去充电能力，放电程度越深，循环寿命越短；第三，要避免大电流充放电，否则会造成电池极板膨胀变形，使得极板活性物质脱落，内阻增大，容量下降，寿命缩短；第四，由于组合电池电压很高，存在电击危险，因此装卸导电联接条、输出线时应有安全保障；第五，对于不经常停电的地区，建议用户每隔一个月对UPS进行一次人为的断电，让UPS电源在逆变状态下工作一段时间，防止电解液沉淀，以便让蓄电池维持良好的充放电特性，延长使用寿命；第六，搬运电池时不要触动极柱和安全排气阀；第七，不能用二氧化碳灭火器，一旦发生火灾，可用四氧化碳之类的灭火器;第八，不能把不同容量、不同厂家、不同性能的电池联在一起，否则会影响整组蓄电池的性能。同时，要定期对电池进行检查、测量，并做好记录。检查项目包括：整组电池的浮充电压，单体电池浮充电压，测单体电池电压时，应在电池放电状态下进行，否则测得的结果会是假电压，经验作法是在测量时，万用表两端并联一个1—3欧母的电阻丝；检查电池是否损坏，壳、盖间有无泄漏，表面是否有灰尘等杂物，电池架、连接线、端子是否有松动或锈蚀等。雾溢出主要是排气阀附近。第二节、安全与应急机制1机房系统故障处理通则凡系统发生故障时，网管运行监控负责人必须立即组织抢修，不得拖延。运行监控人员均应熟悉故障紧急处理流程，熟练掌握操作步骤和方法。运行监控管理人员应如实上报故障情况，故障报告应当做到时间清、原因清、结果清。重大故障和严重故障要报上级业务主管领导。对已处理的重大故障和严重故障，事后必须做故障分析，查清故障原因，确定故障性质和责任，采取防范措施，避免同类故障再次发生。故障处理基本原则：先重点后一般；先调通后维修。1.1故障等级网管系统的故障等级共分三类：1、重大故障在系统运行期间，关键设备（包括传输或其它专业所属设备）、软件故障造成所有网管业务中断超浊4小时。2、严重故障在系统运行期间，关键设备（包括传输或其它专业所属设备）、软件故障造成下列情况之一的系统故障：（1）所有网管业务中断超过12小时但不超过24小时；（2）网管个别业务中断超过24小时；3、一般故障除重大故障和严重故障外的其他故障。1.2故障处理与通报制度网管中心应建立相关设备故障处理联系制度，并将联系人和联系方法张贴在醒目位置。网管中心应建立设备操作手册和故障处理流程，并存放在固定地点。网管中心应建立设备运行情况统计和登记表并存放在固定地点。故障处理：1、 在系统发生故障时，值班人员应对照运行维护手册进行简单的故障处理和准确定位，对无法处理的故障应立即通知系统维护主管工程师，并逐级上报。系统维护主管工程师组织相关人员现场处理，故障处理完毕后，马上通知故障发起点，并进行详细记录。当系统发生故障时，网管中心运行维护负责人必须立即组织抢修，不得拖延。2、 在处理故障时，应严格按照故障处理流程进行整个流程强调闭环管理，按先重点后一般；先调通后维修的原则进行。3、 在系统和设备故障处理的过程中，若出现较为严重或一时无法解决的问题，及时通知故障发起点，并立即向主管领导汇报，同时与厂家联系，及时争取技术支持，填写故障报告。4、 在系统设备故障处理过程中，若使用了备件单元或备用电路板，应按规定分别详细登记故障发生的工作单元、故障现象或故障代码、换用备件名称、编号，有条件时应附上当时的打印记录，向主管报告，并及时与备件管理人员取得联系，按正确的手续发送返修。5、 在相关专业部门或设备供应商进行抢修的过程中，网管中心应负责协调相关专业部门，采取其它措施对网络进行监控。6、 在相关专业部门或设备供应商进行抢修的过程中，网管中心应负责协调相关专业部门，采取其它措施对网络相关数据进行保存和统计。7、网管中心在相关故障排除扁8小时内提交故障分析报告。报告将视故障级别上报所在公司运行维护部和上级网管中心。运行维护人员均应熟悉故障紧急处理流程，熟练掌握操作步骤和方法。故障通报：发生严重故障和重大故障时，由地（市）级网管维护部门直接向省级分公司网管中心和运行维护部报告。对重大故障，分别由省级分公司网管中心和运行维护部上报至总部运行维护部网管中心。如遇特殊情况也可越级上报。各分公司必须严格按照规定时限执行。重大故障和通信事故，由总部运行维护部通报总部相关部门和各省级分公司。当出现值班人员不能解决的故障时，值班人员应立即上报系统维护主管工程师和部门主管故障处理完毕一天内，系统主管工程师写出故障报告，上报部门主管，重大故障和严重故障要报上级业务主管部门。当发生故障时，机房当班人员应将故障发生经过详细填写进《值班日志》。如果网管系统出现严重故障，在故障发生后应在第一时间向上一级网管中心通报相关情况。出现故障后，由网管中心指定专人向相关部门通报故障影响范围和处理情况等。运行维护负责人应如实上报故障情况，故障报告应当做到时间清、原因清、结果清。2机房动力应急预案2.1机房停电故障：2.1.1准备工作：1、 停电后第一时间电话咨询供电公司95598）询问停电原因及停电时长。2、 电话通知相关领导停电状况，如果在值班过程中停电需同事共同处理的也及时通知，在停电期间要保持通信畅通有问题及时联系。准备扳手、六棱起、数字万用表、"+”字“一”字螺丝刀各两把（大、小）等常用电工工具，准备好高压绝缘手套、绝缘鞋、专用扳手。以及油机房钥匙以上3点工作尽量在最短时间内结束，然后针对故障原因作出相应处理。2.1.2停电情况下处理方式：由于IDC机房为一路高压市电引入如出现市电停电变压器故障等原因造成停电现象出现只能采用应急油机发电现应急油机发电步骤如下：1、 维护人员赶至IDC机房后，首先确认是否需要发电若赶至现场后,发现市电已经恢复供应只需要将低压配电系统中P1柜和P6柜的断路器合闸即可恢复机房市电供应2、 确认需要发电将位于油机出风口打开3、 打开出风口后首先打开油机房玻璃移窗方便油机进风检查油机油位，水位等.检查无误后，启动油机.4、启动固定柴油发电机，观察油机工作状态，正常，运行-10分钟后将油机负载开关合闸。此时，油机电送至机房低垃12发电机柜，由于断路器未合闸,机房尚未恢复供电油机空载运行.5、 在油机空载运行期间分别切断负载电流比较大的用电设备，以减小合闸电流对油机的冲击。依次切断：开关电源的主K用分路开关，2楼空调配电箱和办公空调的电源开关，1#、2用PS的市电输入开关，6、 摇出P1进线柜断路器确认与市电网络断开后将P12油机断路器摇至运行位置将P11进线柜断路器摇至运行位置合P12断路器，合P11断路器.合P6断路器.机房照明恢复再分别合上：开关电源的主用，备用分路开关，2楼空调配电箱和办公空调的电源开关，1#、2#UPS的市电输入开关等负载较大的开关。7、 此时所有负载由油机供电，油箱内＞00L柴油预计能带载运行7小时左右。如果停电时间超过4小时应联系供油车添加柴油，加油工作必须停柴油发电机后进行。电池放电时间估计在0分钟左右，加油工作必须在停机20分钟内结束，如果不能加满可等电池充满电后再次添加。2.2UPS故障处理核心机房UPS系统为2台梅兰日兰80KVAUPS的并机系统如80KVAUPS系统中一台UPS故障，系统自动将负载倒到另一台JPS上，如何关闭故障的UPS，如何再次开启UPS,如下：关机：1、先将旁路转换开关打到’ON”的位置：2,#UPS输出开关打到“OFF”位置3、 分别关掉UPS的S1,F1和F2开关，这时UPS停止运行；4、 关掉UPS输入开关，系统关机完毕。开机：1、 首先确认UPS的S1,F1和F2开关都打到“OFF”位置，配电柜的UPS输出开关也在“OFF”位置。2、 先把旁路转换开关打到’ON”的位置3、 分别将UPS的F1,F2开关合闸，再瘠1开关合闸；4、 当UPS面板指示为旁路供电状态时，再把旁路转换开关打到’OFF”位置这时，UPS转到正常工作模式，启动完成。5、 最后合上UPS输出开关，系统供电正常。当关掉其中一台UPS再启动的方法：1、 先把旁路转换开关打到PN”的位置2、 再把已关掉的UPS的S1,F1,F2开关分别打到“ON”的位置；3、 当两台UPS面板指示为旁路供电状态时，再把旁路转换开关打到“OFF”位置这时，两台UPS转到正常工作模式，启动完成2.3开关电源整流模块故障的紧急处理方案开关电源整流模块故障的更换操作步骤：以IDC机房的整流柜为例：开关电源系统总共有10个整流模块，实际运行3个，4个备用。假设第5个整流模块故障，无直流输出，现场检查后无法修复，需要更换备用的模块。1、 关闭该模块的交流输入开关，2、 将背面的交流输入电源线、直流输出电源线和通讯线依次拔下，3、拧下前面板的固定螺丝，将故障模块抽出，4、 将备用模块插入故障模块原来的位置，拧紧固定螺丝，5、 然后将背面的交流输入电源线、直流输出电源线和通讯线依次插上，6、 调整此备用模块的地址编码为：4，7、 合上此模块对应的交流输入开关，此时，备用模块更换完毕，查看模块输出是否正常。注意：更换整流模块时要注模块前面板的地址码，必须要和故障模块的一致，否则会产生模块通讯中断告警。2.4机房空调及局部过热故障的紧急处理方案2.4.1机房空调故障的应急处理步骤发生机房空调故障，会使机房的温度升高，危害设备正常运行。所以发生此类故障后，要积极维修，如果一时无法修复，必须采取应急措施，保障机房环境符合要求。现在的机房空调都是2主1备份或一主一备，一台空调故障，其他空调可以正常工作。1、首先判断机房空调什么故障，如果压缩机故障，送风机工作正常，此时，要把邻近的空调的温度设定值调低1-2度即可。这样，故障空调的风机可以形成空气对流，对故障空调区域的设备影响不大。或者尽量将机房防静电地板掀开增将出风口.如果是空调的送风机故障，不能正常送风，此时，就要把邻近的空调的温度设定值调低2-3度，然后把邻近空调的送风口的格栅尽量调整到故障空调前面的区域，这样才能的保障机房温度不至于上升。或者尽量将机房防静电地板掀开增将出风口.或者拿普通的电风扇在故障空调的影响区域吹风，打开机柜门，冰块局部降温等措施防止局部升温过快。2.4.2机房局部设备温升过快或过热的处理步骤首先将此设备的机柜门打开，让热空气充分散出，也可以用电风扇对此设备吹风，加快散热速度，购买冰块，放在大盆里，置于局部过热部位，利用冰块融化吸收热量，或者同时放置冰块并用电风扇吹。2.5应急方案处理过程中非常事件的处理1、 当倒闸过程中出现可尽快恢复的操作错误时，机房负责人要及时制止，并立刻安排恢复操作。2、 当停电倒闸或油机带载过程中发生不可预见的非常情况时，全体现场人员应采取适当的应急措施保护通信设备供电安全并立即报告相关领导，召开紧急会议，研究处理方案。3机房防汛应急预案3.1防汛应急预案内容3.1.1第一预案当受台风或强热带风暴影响风力达8级以上，暴雨日雨量达50.1毫米以上或气象等有关部门发布暴雨将达起始标准后，各机房负责人、机房代维负责人必须到位，加强值班，严格执行报告制度，做到上情下达，下情上报。值班领导和人员遇到突发事件或灾情，及时下达临时紧急处置指令，并迅速向公司上级分管领导汇报。各值班人员要做好防汛值班记录，并检查机房防汛值班到岗到位情况。3.1.2第二预案当气象台发布暴雨警报时，防汛应急工作小组成员全部到位。并及时向公司分管领导通知防汛信息，通报风情、水情、雨情。各机房防汛应急工作小组成员要根据各自的职责，加强值班，进一步检查落实各项防汛应急措施，组建各类防汛抢险队伍，落实抢险物资。3.1.3第三预案当暴雨袭击或县有关部门发布紧急警报时，防汛应急工作小组成员要按各自的职责进入指挥岗位。并立即进行紧急部署要把防汛作为压倒一切工作的头等大事来抓，并落实各项防汛应急措施。3.1.4第四预案遇暴雨突发性灾害天气时，防汛应急工作小组成员要迅速组织人员及时检查疏通地下排水管道，做到排水畅通；要组织专门力量，对易积水的机房进行监测，及时报告灾情，小组领导要监督各校园有关人员到位、到岗，确保机房排涝设施全过程、满负荷运转，必要时及时组织足够的临时排涝设施进行强排。确保人员生命、公司财产安全。当遇到暴风雨袭击时，各小组成员应及时把机房汛情在第一时间报告公司分管领导，公司根据灾情，联系有关部门及时赶赴现场，做好抢救、转移和安置工作。4机房防火应急预案4.1应急保障原则一、 当发生火灾事故时，抢险工作应遵循如下原则：坚持“统一领导、分级负责、严密组织、密切配合、快速反应、保障有力”的原则。坚持快速恢复生产、减少经济损失的原则。坚持原则性与灵活性相结合的原则，注意讲究策略和方法。二、 消防安全管理基本原则：坚持“预防为主，防消结合”的原则。坚持“谁主管、谁负责”的“两谁”原则。

4.2火灾事故应急处理流程及措施第三节、现场技术支持与培训1、远程智能控制管理软件可实现对IDC数据机房的实时监控、故障检测、批量备份、一键开关机重启、一键安装应用软件、远程分配资源、机房空调控制等。机房、机柜内每台设备都会在远程只能控制管理软件上面一对一映射，可进行全方位远程监测和控制管理，远程智能控制软件最大限度地诠释绿色机房和高效便捷管理的新概念。随着现在机房的不断发展，人为机房管理模式将被淘汰，远程智能控制软件为绿色机房提供了更加安全、可靠、智能的末端电脑管理理念。在新一代数据机房中，远程控制软件，结合现代机房数字值平台，随时随地远程监控、远程控制异琏C的模式，能及时发现机房设备异常，预防故障发生，并能迅速排除故障，降低人力成本，最终实现无人值守的机房或基站。可需要通过登录管理软件即可实现对远程电脑的开关机和重启操作。这样的话，即使数据机房设备繁多，分布无序，通过使用远程智能控制软件，也可以更加合理、高效地分配机房资源。远程智能控制软件，可依托2P连接方式，可以在远程迅速提取到机房末端设备的运行情况，为数据机房管理员提供精准的机房设备相关数据。帮助管理员了解整体机房的运行情况，从而使管理员能对数据机房的进行全面监测和管理，更加合理地分配人力物力资源。2、IDC机房信息资产统计IDC数据机房资产统计应包含在日常运行维护中，帮助我们对用户现有的信息资产情况进行了解，更好的提供系统的运行维护服务。统计内容包括：A硬件设备型号、数量、版本等信息统计记录；A软件产品型号、版本和补丁等信息统计记录；A网络结构、网络路由、网络IP地址统计记录；A综合布线系统结构图的绘制；A其它附属设备的统计记录；3、IDC机房值班方案(1)用户现场技术人员值守IDC数据机房现场应安排技术人员值守，保证网络的实时连通和可用，保障接入交换机、汇聚交换机和核心交换机的正常运转。现场值守的技术人员每天记录网络交换机的端口是否可以正常使用，网络的转发和路由是否正常进行，交换机的性能检测，进行整体网络性能评估，针对网络的利用率进行优化并提出网络扩容和优化的建议。现场值守人员还进行安全设备的日常运行状态的监控，对各种安全设备的日志检查，对重点事件进行记录，对安全事件的产生原因进行判断和解决，及时发现问题，防患于未然。同时能够对设备的运行数据进行记录，形成报表进行统计分析，便于进行网络系统的分析和故障的提前预知。具体记录的数据包括：A配置数据A性能数据A故障数据(2)现场日常巡检现场日常巡检需要对设备及网络进行全面检查的服务项目，通过该巡检，可最大可能地发现存在的隐患，保障设备稳定运行。同时，将有针对性地提出预警及解决建议，使客户能够提早预防，最大限度降低运营风险。巡检包括的内容如下:编号巡检内容 |1硬件运行状态检查项Ei单板状态检查电源模块状态检查风扇状态检查整机寸弥灯状态检查机框防尘网检查机房温度、湿度检查设备地统检查2软件运行情况检查项E1设备运行情俱检查网络报文分析设备对接运行状况检查路由运行情况检查3网络整体运行情况调查网络运行间题调查网络殳更情况调查网络历史故障调查第四节、应急故障响应时限系统运维应急方案是对中断或严重影响业务的故障，如宕机、数据丢失、业务中断等，进行快速响应和处理，在最短时间内恢复业务系统，将损失降到最低。在系统维护过程中，突发事件的出现将是很难完全避免的，针对这种情况，公司应设计完善的突发事件应急策略。系统巡检人员要定期规范检查各硬件设备的运转情况和应用软件运行情况，同时做好日常的数据增量备份和定期全备份。对发现的问题在报各级负责人的同时，要协调相关资源分析问题根源，确定解决方案和临时解决措施，避免造成更大的影响。问题得到稳定或彻底解决后，要形成问题汇报，避免以后类似重大紧急情况的发生。对发现的问题在报负责人的同时，要协调相关资源分析问题根源，确定解决方案和临时解决措施，避免造成更大的影响。问题得到稳定或彻底解决后，要形成问题汇报，避免以后类似重大紧急情况的发生。技术支持工程师，需根据长期的机房工作经验，建立常用知识库，其中包括多种常见技术故障和突发事件的应急策略。当获悉出现突发事件时，技术支持人员可以立即从知识库中获取相应的应急策略，并综合用户方的具体情况，给出相关解决方案，然后在第一时间以电话、邮件支持或现场服务的方式帮助用户解决问题，尽最大努力减小突发事件对用户日常应用的影响。第五节