作者：ITValue特约专家 陈罡 / 日期：2010-06-07
近期ITValue社区在热议“双机热备”这一话题，其实从系统整体来看，当双机热备起作用，必然是发生了导致系统使用故障的事件。从多年的运行经验出发，我总结了造成系统不可用的6个主要原因和解决办法，供大家工作时参考，希望能尽量避免宕机的发生。
原因1:网络故障。
原因2:应用系统本身所固有的问题。
当处理某些问题时，资源耗用过大，造成系统性能急剧下降，导致整个系统几乎无法使用。
原因3:基础设施问题。
包括电源、空调等的故障以及维修保养造成停机。空调故障造成过热而使得存储系统热保护，进而主机也进入热保护状态，但主要原因还是机房设计不合理所引起的。
原因4:系统部署方案的不合理。
因为备份方案的问题，造成操作系统的文件系统崩溃进而导致宕机。
原因5:人为原因。
曾因电工误操作，关闭所有UPS的输出开关，造成所有设备停机。
原因6:硬件故障。
原因1网络问题的发生，是一个综合性的管理问题，病毒防护的缺失，网络滥用等等；原因2和4主要是对系统的不熟悉导致解决方案的偏差，从管理上找原因，可能是未能全面正确的评估——但这个确实比较难，很多问题是因为本身的业务模式所决定的解决方案的独特性，进而使用了非普遍使用的方案和技术，增加了风险；原因3是未能正确平衡投资与系统可用性的缘故，未能随系统应用的发展而及时调整基础平台；原因5的发生绝对是基本管理缺失；原因6，硬件故障是真正的依从概率而发生的，反映了系统运维管理的缺失。
我总结，双机热备方式只是一个保险措施，CIO只有更多的加强IT管理，将技术、人、流程、IT风险管理等综合考虑，才是IT管理的价值所在。
（本文作者为丽晶时代电子线缆有限公司信息管理部经理）
