世纪互联交付中心总监李少春：数据中心基础与服务探讨

近日， TGO 鲲鹏会广州分会会员、世纪互联交付中心总监李少春作为 TGO 线上分享第五季的嘉宾，以直播的形式向大家分享了数据中心基础与服务探讨。本文根据当天直播内容整理。更多精彩内容请关注公众号： TGO 鲲鹏会。

大家好，我是来自世纪互联的李少春。之前在一家大型上市家电公司从事网络管理及 IT 规划工作。现在在世纪互联做了十年，担任过网络、机房、解决方案等相关工作，现任世纪互联交付中心总监，负责数据中心交付与服务体系。

今天我主要分享三个内容：

• 数据中心简介 —— 了解 IDC 的架构；
• 运维服务与人员配置探讨；
• 案例讨论，外包服务怎样才能更好的做到双赢？

数据中心基础架构

谈到数据中心，一般都会谈及风火水电；谈到数据中心的配置，一般会谈到 N 、N+1 、2N+1 等，这些关系到数据中心的投资成本和客户的高可用性。

配电系统

大家可以看到，上图顶部有两个变电站。好的数据中心一般最少都会从两个变电站，拉两路高压，当任何一路出问题的时候，另一路都能够撑起整个数据中心，确保高可用。中间的是高压柴油发电机组，这是数据中心的发电机，当多路市电同时出现问题时，可以由柴机代替市电来给 UPS 供电。

上图倒数第二行的是 UPS 机组和蓄电池组，这块的作用是当市电出现问题切换到油机时，UPS 可以给数据中心的服务器提供持续的电力供应，设计一般是可以维持 15 - 30 分钟。其实市电切换到发电机组正常的电力切换，一般会在一分钟内完成，多路市电、柴油发电机加 UPS 机组的三层设计，保证了数据中心用电的高可用性。

这里跟大家讲一下 N 。当电的容量和设备的用电量刚刚好的情况下，就是 N ；当数据中心要提供冗余时，最少需要 N+1 。所以大家在选数据中心时，可以看几个参数：

• 它是否有多路的市电、它的容量是否足够？
• 柴油发电机组是否冗余？
• UPS 有没有冗余？

空调系统

空调系统中规中矩，数据中心提供的都是恒温、恒湿的空调，但实际上国外有些也会把机房的温度、湿度调高，这个与节能息息相关。同时，空调也跟电子设备一样，会提供 N+1 、N+2 的冗余。这里面有一点要跟大家说明：一般数据中心的 UPS ，仅仅给我们的 IT 设备提供供电。

当真正断电，油机还没来得及切换时，就会出现设备没有断电，但是空调停了的状况。这时数据中心的温度就会急速上升，从而导致服务器不断重启，这时候我们就要关注数据中心有没有提供空调持续的供冷、电路是否是有配备 UPS 等，如右下角这个图，这是一个蓄冷罐，它的作用，是 UPS 供电时，即使冷水机组没有提供工作，通过蓄冷罐，数据中心依然可以提供供冷，是高可用性不可或缺的一环。

消防系统

数据中心有两点需要特别注意：

• 当听到声光报警时，一定要第一时间撤出机房；
• 不要去随便触碰数据中心。

但国外的数据中心有可能不采用气体灭火，直接用水喷淋。他们认为，人的安全比设备的安全要更重要，所以采用了传统的水喷淋，这是第一点。第二点就是他们在 IT 架构上比较完善，由于机房在初期的冗余设计做的比较好，即使单个 IDC 出问题了，也不会影响业务的运转。这可能也是国内外的理念不同，国内的主要还是通过气体来进行灭火。

监控系统

监控系统，包含了多个方面的监控，如视频监控，一般现在会保留 90 天的数据，同时也有相应的门禁防卫系统、指纹掌纹识别等，都是基础配置。

运维工作与服务、人员优化探讨

大家可能不知道，数据中心运维工作起码有 100 - 200 项。那么如何确保运维的标准化？如何进行运维服务的优化提升？数据中心的运维人员如何进行配比？

我们探讨下面几个场景：

• BAT 客户。比如腾讯，一般现场有驻场团队，都是由腾讯场驻场团队来完成；
• 现在很多成熟的互联网公司，大多数都集中在北京、上海等地。这类公司不一定有现成的驻场团队，但是他们有专业的运营团队，同时部署规划做得非常好；
• 南方的一些地方。南方其实是创业比较好的地方，所以也有很多草根公司是在这里成长起来。南方的公司比较实在，会有多点部署。同时，针对业务部署和业务发展情况，他们更希望把这部分服务交给现场的服务方来实施。

大家可以看到，上图是基础运维服务的一部分。服务的标准化，我们用一个案例来分析：

重启大家可能会认为是比较简单的操作，但其实也可以把每项工作细化，然后形成标准。上图是经过我们细化后的重启服务，总共有 10 个步骤。在形成最佳实践后，你可以把每项工作都按照这样细分，再打乱让员工排序。通过一段时间的训练，当员工接到一个操作单时，自然而然就会形成条件反射，用最标准的流程去操作授权。

在标准之后，就要开始考虑优化，这里我们有引进两个概念：

• 标准工时 —— 通过 20 年的运维数据加权得出的合理值，我们认为员工能够在一定时间完成的用时；
• 实际用时 —— 员工在完成每一项工作后的实际时间。

上图的表格是一个示例，比如一个员工的工作记录汇总。根据这些我们就能看出员工的工作项目、工作量、以及工作饱和度，并可参考此项来确定员工相应的绩效和需要优化的地方。

有趣的外包服务

大家对数据中心的了解，大部分集中在所托管的数据中心里。但我们服务的不仅仅是现有客户，其实还要做一些服务输出。我想在这里跟大家分享一个对多节点、分布式部署用户比较有借鉴意义的案例 —— 这项服务定义为人员输出的云服务。

案例中的公司在全国有 80 多个数据中心，在全国 20 个省份有 94 个节点，那么如果这家公司想在短期内完成多节点的调整和部署，需要面临很多问题。比如在短时间内和多家合作的公司进行沟通，需要把团队派到各地去实施，整体的人员参与成本非常高，人力压力也非常大。而问题在于，这家公司根本就没那么多人，满足不了这么大的部署。

而对于有全国部署的公司来说，就有以下几点好处：

• 可以在一周内同时完成几十个数据中心的人员调配部署。整个服务标准统一、部署质量一致、部署效率高，既便捷又高效；
• 就近派人节约时间成本、差旅成本；
• 拥有数据最新的同步数据，不用担心人员流失而造成部署的延误。

接口非常简单，用户只需要对口这边一个项目经理，项目经理会对口各个区域负责人，各个区域负责人会协调各个区域的支撑团队完成工作，所以整个下来就会非常的顺畅。

上图是客户提出的一些需求。比如客户不用自己设库房，所有的服务器统一都会寄到指定的地方，会在用户有需求的时候，做设备的初始化配置。然后用户只需要填预上架表，就可以通过指定的合作物流把设备发到指定地点，同时进行设备的上架跟梳理。做完后，工程师会实时填写上架的图表并将信息验收表转交给客户。

Q & A

Q：运维部分踩过坑吗？

A：踩过。每个公司都踩过各种各样的坑，不过还好我们的 SOP 流程是比较合理的。专业的公司都会把一项专业的工作拆分成多个细节或部门完成，配置更多的人员，和单独做事情相比，会较好的避免一些风险。

Q：多人确认效率会下降，如何考虑效率提升？

A：多人确认的项目，一定需要有专家团队一起审核确认之后才可以实施。我们一般都会在电力值守岗位配置两名员工，因为用户跟员工的安全才是首位的。

Q：小公司建立数据中心，人员配备如何设置？

A：小公司的数据中心最好交给专业的 IDC 来做，无需自建数据中心。自建数据中心会存在几个问题：

• 没有那么大的出口带宽，被攻击的时候一下就会被打死；
• 运维人员没那么专业，出问题时应变、应急能力不足；
• 不节约成本。

Q：你们的 KPI 考核是如何做的？

A：考核是多维度的，当一项工作标准化的时候，其实出错的概率就会很低。考核更多的是激励作用。

Q：大机房的 DDOS 都是怎么防护的？

A：大机房的 DDOS 防御分两种：一种是通过类似电信云堤的技术做防御，另一种分几个层面，1. 自有机房，拼的是出口；2. 跟运营商合作，允许添加权限，可以自己操作；不过如果是重点业务，我建议最好还是购买相应的流量清洗产品。

另外，DDOS 其实有真正的动态 BGP 会非常好，动态 BGP 的好处是可以只跟某一运营商合作防 DDOS ，之后把攻击的流量通过 BGP 导到大出口的池子里，就可以实现防御。