数据中心机房巡检管理该检查什么

一、数据中心机房巡检管理该检查什么

那么，一般来说，数据中心机房巡检管理都应该检查什么呢？一般来说，数据中心机房巡检管理要包括：进行服务器的检查，对系统数据库进行备份以及软件系统的检查；进行机房网络设备的检查；进行公司网络状态的检测。此外还要及时查找、发现网络及信息系统设备隐患，排除故障。以下是某公司数据中心机房巡检管理的具体要求，供大家参考。 1.巡检期间，进行状态检查，若发现问题，如计算机机房物理环境异常、设备状态异常、网络或应用系统故障，应立即按操作规程执行进行恢复操作。（1）电源、UPS：检查机房供电状况，UPS工作情况、指示状态。（2）服务器：检查服务器是否当机，服务器（磁盘阵列）硬盘灯指示是否正常。（3）机房环境：检查机房空调工作状态，机房温度。（4）网络设备：检查网络设备，包括交换机、路由器、防火墙等及其属设备。检查设备工作状态。（5）网络通道：检查内外网络通道状态，包括公司内部局域网、公司与INTERNET、公司至各合作单位的网络通道状态。（6）电话通道：检查电话系统通信及手机通信是否畅通。（7）SQL SERVER2005数据库：检查信息系统数据库服务是否正常。 2.如果故障按恢复规程无法有效恢复，特别是当发生机房环境（动力、空调）故障、关键的设备、网络、系统、服务如无法及时恢复时，应立即通知总经理等相关领导，由相关领导协调资源进行故障处理。 3.故障处理过程必须在机房日常巡检表的备注栏中详细记录，以备查阅。

二、如何搭建数据库自动化运维体系

随着业务的增长、对运维效率和质量的要求不断提高，对自动化运维体系的需求也不断增强。

目前笔者服务的很多中大型企业客户，运维其实还停留在“刀耕火种”的原始状态。

这里所说的“刀”和“火”就是运维人员的远程客户端，例如 xshell和Windows远程桌面。

比如服务器、数据库、中间件等的安装、初始化，应用软件部署、服务发布和监控都是通过手动方式来完成的。

这就需要运维人员登录到服务器上，一台一台去管理和维护。

如果有个几十上百台，累就累死人了。

笔者曾运维过超过4000千台服务器，团队二十多个人，仔细想想这活靠人力能干吗？

另外人工操作方式过于依赖运维人员的执行顺序和操作步骤，稍有不慎即可能导致生产事故，即便是变更前double check也很难保证不出事故。

这时候运维人员开始探索使用使用脚本和批量管理工具。

这种方式确实提升了效率和质量，但是不具有普适性。

每个运维人员都有自己的解决问题的风格，不同的人员之间存在巨大差异，那么不同的人开发这些脚本的版本管理就是一个挑战。

第二是脚本的交接问题，公司人员的架构不是一成不变的，有人来就有人离开。离职和工作交接，都会导致脚本无法很好地在运维人员之间传承和再利用。

因此，构建自动化运维体系成了唯一的选择。

那么如何建设自动化运维体系呢？本文研究分为三个大的方面：

第一个是为什么要建设自动化运维体系？

第二个是根据笔者经验介绍运维系统是怎样设计、运行和处理问题的。

第三个是笔者在自动化运维过程中遇到的一些问题的思考，做一个总结。

为什么要建设一个自动化运维体系。

肯定是运维过程中遇到的一些挑战。

一是变更数量多，目前我们服务的客户达到3万家企业，这个体量是很大的。

二是变更种类多，不同的客户需求是不一样的，包含但不限于扩容、性能优化、故障处理、DG切换迁移、RAC搭建等。

三是变更风险大，有些变更都是一些高危操作，自动化处理更安全等。

第二个是运维环境方面，主要表现为服务器数量多、数据库类型多。我们的客户可以自由选择使用哪种数据库，分别对应不同的环境。

在建设自动化运维体系过程中，有一个比较重要的考虑点是人的因素。

正是因为每个运维人员的能力不一样，技术水平参差不齐，甚至是运维习惯和工具也不一样。

导致我们必须要创建一套规范的自动化运维体系，来提升工作效率。

下面我们来看一下每个模块是如何设计和工作的。

安装数据库是比较繁琐但数据又多的工作之一。

操作系统多，但是人少，可用时间也比较少，自动化安装省时省力。整个自动化流程采用通用的框架，主要是针对linux下的Oracle安装和MySQL安装。

交付用户之前，会进行基本的安全设置，这在一定程度上提高了安全性，也减少了需要人工做的一些操作。

当服务器由自动化安装完数据库以后，就会被自动化运维平台接管。

自动化运维平台是运维人员的操作平台，它主要解决安全、高效、快速等因数量特别多而带来的管理问题。

在设计的过程中要考虑了以下几个因素：把整个运维系统的操作界面设计成基于堡垒机的架构。

运维工程师无论何时何地都可以登录管理系统进行运维操作，这样的话就比较方便，由SecureCRT对被操作的机器发布指令。

充分利用现有协议和工具。这个平台的特点是所有的系统使用SSH管理，而不是自己开发一些Agent，这也体现了自动化运维的观点。

由于我们的客户系统比较多，业务也比较多，怎样设计一套系统去巡检它们的运行情况呢？

我们采用了两种方式：自我开发的中控系统和第三方管理平台先看自己开发的中控系统：

单独使用一台服务器巡检其他的数据库节点，脚本可以选用shell或者Python。

设定遍历时间间隔，遇到故障情况可以采用打电话或者发短信的方式及时通知运维人员。

第二是把所有的数据库节点纳管到第三方监控平台。

系统并不用永远都稳定运行，性能问题是无法逃避的问题。性能分析系统是重中之重。

通常客户的系统都是7*24小时运行的，这就要求必须有预警监控。

预警监控系统+值班人员是标准配置。

预警监控系统的搭建方式参考巡检系统，只不过采集的指标不一样。

笔者将自动化运维体系的建设目标总结为四个词。

第一个是完备，这个系统要能涵盖所有的运维需求。

第二个是简洁，简单好用。运维人员的学习成本不要高，越复杂难用的系统越不容易发挥系统本身的能力和效率。

第三个是高效，特别是在批量处理或者执行特定任务时要高效。

第四个是安全，如果一个运维系统不安全，可能导致很快就被黑客接管了。

笔者目前也在从数据库的架构、优化和故障处理慢慢转型做自动化运维体系。

对过去进行总结，我觉得有3个方面可以供大家参考。

聚焦当前的问题，把当前的问题处理好，后面的问题也就迎刃而解。

如果一开始设计的系统很庞大、功能特别丰富，会导致一些无法控制的局面。但是如果一开始的目标是解决一些特定的问题，有针对性，那么推进起来也会比较简单。在笔者参与的自动化运维体系建设过程中，我们的初始目标是构建的是一个基础的变更批量操作平台，先把一部分需要重复执行的工作搬到平台上来。

再依据运维的需求丰富这个操作平台的功能和提升效率，最后把周边的系统打通，相互对接，形成完整的自动化运维体系。第二是考虑可扩展性：

设计系统的时候，功能或者设计方面可能不用考虑那么多，但是要考虑当服务器数量发生比较大的扩张时，系统是否还能支撑。第三是以实用为目的：

使用不方便，运维人员第一个就放弃了，何谈推广？

标签：能力两种ble扩展事故团队简洁体系之间

三、巡检工岗位职责

现如今，我们可以接触到岗位职责的地方越来越多，任何岗位职责都是一个责任、权力与义务的综合体，有多大的权力就应该承担多大的责任，有多大的权力和责任应该尽多大的义务，任何割裂开来的做法都会发生问题。制定岗位职责的注意事项有许多，你确定会写吗？下面是我精心整理的巡检工岗位职责(2篇)，欢迎阅读与收藏。

1、负责oracle数据库和数据同步的整体架构、日常运维管理和故障处理；负责数据库系统的数据备份/恢复计划的制定和执行；负责数据库统数据安全以及权限管理；

2、负责数据库性能监控和调优并协调开发公司进行应用系统的数据库性能优化（sql语句等）和故障诊断；

3、负责与项目系统相关的数据库架构设计，能够设计升级和迁移方案，并进行实施，完成数据库的安装、升级，调试，数据迁移和日常维护维护，系统日常监控、数据备份和恢复等相关工作；

4、参与应用系统的数据库结构设计，指导和审查设计和开发人员的'数据库设计与开发，协助解决数据库相关的技术问题；

5、负责在数据中心机房协调网络、主机、存储和安全等工程师，完成日常巡检、日常工单和任务分派等工作。

6、数据库设计文档的编写和维护，制订相关技术规范；

1，本科以上学历，计算机等相关专业毕业，对网络、主机、数据库和存储都。

2，熟悉ibm aix操作系统和小型机环境，精通oracle 9i、10g、11g、12c等多个数据库版本，有6年以上oracle大型数据库（tb级）运维管理经验，熟悉和掌握oracle rac、partition、data guard、golden gate等高可用技术并有多年运维管理经验。

3，精通oracle数据库体系结构和运行机制、有较强的故障诊断和性能调优能力（特别是sql语句）和经验，精通数据库备份和恢复操作，有ocp，ocm及其他证书的优先；

4，熟悉linux，mysql和nosql等开源软件，能较熟练地使用shell或python等进行编程；

5，具有较强的项目管理能力和协调能力；

6，有较好的沟通技巧和责任心，良好的团队合作精神；

7，具有较强的技术文档整理、分析、撰写能力；基础薪资：2—3万+1月年终奖（评绩效拿），上海人优，事业单位，各种福利比较多，一年一次免费体检，有食堂吃饭企业充钱。

一、当班人员在公司领导,中控值班长的正确领导下,严格执行操作规程,认真执行岗位职责。

二、必须服从中控及值班人员的指挥，严格执行中控值班长的调度和指令。

三、负责巡检所属区域所有设备,仪器,仪表的巡视及维护和简单的检修工作,保证设备的正常运转;定时对各传动部位进行检查,按"设备润滑表"加油,消除隐患,确保设备的安全运行.。

四、每小时巡视一次,杜绝事故隐患,发现问题及时通知中控,并积极

主动配合维修人员完成抢修,检修任务,重大事情上报有关部门,做好巡检记录。

五、配合中控监视设备的运转,查看机电设备和仪表指示是否正常,加强与其他岗位的联系。

六、遵循"一听,二看,三摸,四嗅"的方法,防止"跑""冒""滴""漏"现象发生,使设备达到"四无"和"六不漏"(四无:无积灰,无杂物,无松动,无油污;六不漏:不漏油,不漏水,不漏电,不漏气,不漏风,不漏物料)。

七、严格执行巡回检查制度,操作规程及维护保养规程,爱护设备,坚守工作岗位,掌握设备运行情况。

八、巡检时,正确穿戴劳保用品和防护器具,严禁身体跨越攀扶和接触运转机件设备,严禁跨进安全警界线,停机检查和处理事故,必须将设备锁头打到"O"位或切断电源。

九、严禁酒后上班,遵守劳动纪律和岗位责任制。

十、按时交接班,严格遵守交接班制度,保持设备的清洁卫生,创造一个良好的工作环境。