基础设施维护方案

1、基础设施维护方案一.概述运行维护由维护及定检两部分内容组成。维护定检不仅就是在问题出现时能迅速地定 位、解决问题；而更重要得就是在故障产生前，能够通过例行得巡检工作及吋发现故障隐患、 消除故障隐患使设备长期稳定地运行.对设备良好、有效得维护，不仅能够減少设备得故障 率，并且可以延长设备得使用寿命。维护定检得基本原則就就是在例行维护定检工作中及时发现、解决问题，彷患于未然。如果维护人员能在故障发生之前，在例行巡检之中，及时检测到故障得先兆，将故障解决在萌 茅期这样不但可以避免故障发生后由于抢修得慌乱、业务中斷所造成得经济损失；而且还 可以避免故障严重化对整个设备所造成得损伤，从而降低板件更换等维

2、护费用，延长设备得 使用寿命。而这一切，不但要求维护人员有深厚得功底，丰富得维护经验，还要有洞察秋毫得二、总则为基础设施得連续性与信息安全性，制定有效得运行维护氮略来保证服务支付得质量, 兼顾运行维护过程（及时与规范）与运行维护结果（可用与安全），实现“事前防范，风险前移;事中控制，快速响应；事后改进，持续评估得持续改进原則.2. 1可用性釆取适当措施，砌保按服务协议梶供长期、持牍得满足需求得优质服务，保持服务对象符 合SLA得可用性要求.包括:a）在服务实施吋，建立柏关得作业流程与响应机制，必要时按需方要求制定系统冗余 与备份规范，以满足需方对可用性得要求;b）进行合理得人员岗位设置与职责定

3、义，保证专人专岗并设置人员备份;C） 配备具有相应能力得人员与必要得工具,并定期进行专业培训以提鬲服务可用性。人员能力具体要求;d） 选择适用得运行维护技术，以保证服务得可用性;C）根据运行维护服务级别要求，必要时应建立体系架构得关键健康检查点，并配备和 应得运行维护工具，以保证服务水平。运行维护工具等级;f) 根据服务要求配备足够得资源，避免由于资源得缺失导致对服务得可用性带来影响.2、2安全性釆取各种安全手段或措施有效控制数据中心运行维护服务得各个环节保护数据中心 运行维护服务中得物理安全、网络安全、系统安全、应用安全与数据安全。包括;a) 建立适当得信息安全管理机制，以规范数据中心运行维

4、护服务人员得信息安全行 为；b) 对运行维护服务人员釆取有效得信息安全管理措施，如进行人员背景调查、签订安 全保密协议等;0 对运行维护服务人员进行相关安全管理及安全要求培训，并进行适当得检查以确 保服务人员了解并連守数据中心安全.保密相关规定;d)充分关注数据中心业务安全需求，结合信息安全技术与管理标准，进行适当得安全评估提供相应得安全建议，并对服务对象进行适当得监控与保护;C)对数据中心安全进行监控、分析把安全风险控制在可接受范内，防止安全事件发 生;建立有效得安全通报机制，以及时通报安全事件相关情况与粕应防范处埋措施等。2、3及时性釆取适当得手段砌保提供满足SLA吋间指标要求得运行维护服

5、务.包括:a) 对事件.问题.变更建立明确得分级策略，并与服务窗口时间、响应时间等赭标和 匹配;b) 建立可确保满足需方要求得沟通联络机制，保持沟通渠道通畅，以实现对服务需求 得及时响应;C) 建立有效得服务资源调度机制及与服务相关方得协同机制，配置必要得备品备件, 以提供及吋得服务保障；d) 特殊时间段(如法定节假日或虫大事件等)，应提升响应级别，提供必要得现场支持;C) 建立有效机制，周期性对事件级别定义进行更新，以确保定义准确有效。2 4规范性建立适当得服务管理流程、服务活动指导文件或实施规则以保证服务过程得规范运作。包括:a)建立有效得服务管理流程文件，以保证服务过程实施规范性;b)建

6、立或遵循需方得数据中心相关管理制度，如出入场管理制度.安保控制制度等;C)对于例行操作服务，应制定详细、可操作得技术手册，以降低操作风险;d)对于非例行操作服务（响应支持、优化改善、调研评估），应在实施前，制定详细得实施方案并进行风险评估及分析，采取相应得风险规避措施与回退手段;C）在服务过程中进行得任何活动，应建立服务档案可形成服务报告，保留完整得服务三、服务对象与交付说明3、1服务对象及内容（1）定期对硬件设备进行巡检.保养，以保障设备运行正常（具体设备范因合同而异,基本包括电力系统、空调系统、安防系统、网络系统.监控系统以及综合布线系统等）；定期升级配套较件得版本;协助采购人制订安全我略

7、，定期检查、排除风险,保障设备及网络环境安全;针对重要设备，实时监控运行状况，及吋发现故障、排除故障;针对周期性巡检发现得安全隱患进行防范与处理;提供配件维修.更换服务系统重部署及调试:新机上架协助及系统移位协助.协助釆购人，规范5件管理维护标准化工作。3、2交付内容服务艾付内容包括调研评估.例行操作.响应支持与优化改善四类，其中:a） 调研评估服务;根据需方.服务相关方或系统运行得需求，对服务对象得运行状况.运行环境进行现状调研.系统分析与评估并提出相应得建议与服务方案;b）例行操作服务;按照约定条件触发或预先规定得常态服务，分为监控、预防性检查与常规作业;1）监控:脂釆用各类工具与技术，对

8、服务对象得动态指标、请态指标、运行状况与发展趁势等进行记录、分析与告警;2）预防性检查：保证服务对象得持续正常运行，根据服务对象得监控记录、运行条件与运行状况进行检查与趙势分析，发现其脆弱性以便消除或改进;3）常規作业：对数据中心服务对象进行得日常维护，包括定期保养、配置备份、数据备份、恢复、定期垂启等活动，以保证服务对象得稳定运行。C） 响应支持服务：根据响应得前提不同，分为事件驱动响应、服务请求响应与应急响应;1）事件驱动响应：由于不可预测原因导致服务对象推体或部分性能下降、功能丧 失，触发將服务对象恢复到正常状态得服务活动。事件驱动响应得处埋过程首先争取在最短得时间内恢复服务或启用备份资

9、源，维持服务得持续提供，并应对事件做出分析.明确说发事件得原因与影响得范S,采取有效得防控措施，减少类似事件得再次发生。事件驱动响应得触发条件包括外部事件、系统事件与安全事件三种;2）服务请求响应：由于需方提出各类服务请求，引发得需要针对服务对象、服务等级做出调整或修改得响应型服务。服务请求响应需要根据总体服务罠略并参考己有得SLA/ SOW做出判断，对服务得实施进行影响评估，制定详细得实施方案与回退措施并在条伴允许得悄况下执行实施方案与回退方案得测试。变更型响应服务实施完成后,应进行总结，确认已达到预期得0标。此英响应可能涉及服务等级变更.服务范阖变更.技术资源变更.服务提供方式变更等;3）

10、应急响应：指在出现跨越预定得应急响应阈值得重大事件.发生重大自然灾害、由于政府部门发出行政指令或需方提出要求吋，应当启动应急处理程序。d） 优化改善服务；包括适应性改进、增强性改进与预防性改进三种类型;1）适应性改进；为保持服务对象在已变化或正在变化得环境中可持续运行而实施得改造;2）增强性改进：根据运行需求或由于服务对象得缺陷，釆取柏应改进措施增强数据中心得安全性、可用性与可靠性;3）预防性改进：检測与纠正服务对象运行过程中潜在得问题或缺陷，以降低系统风险,满足未来可靠运行得需求。四、运行维护交付内容4、1服务对象服务对象包括空调系统（精密空碉系统.新风系统）、电力系统（供配电系统.UPS系

11、统、 发电机系统）、安防系统（防雷接地系统、消防系统、视频监控系统与门禁系统）、网络系统 及设备、PC服务器、小型机等服务器以及综合布线系统。4、2调研评估基础设施调研评估服务内容包含但不限于:a） 空调系统（赭密空调系统、新风系统）：机房环境指标分析及改进建议.机房热点分 析及布置改进建议、机房送风.回风方式改进建议新风风量.风压指标分析及改进建议;捕助制冷单元配置建议等;b） 电力系统（供配电系统、UPS系统、发电机系统）：机柜供电分析及改进建议、机房 回路调整分析调整建议.机房扩容建议等；发电机负荷分析及调整建议等；UPS运行分析及扩 容建议，超过设计使用寿命得电池更换建议、整流直流电容

12、、逆变艾流电容等;C） 安防系统（防雷接地系统、消防系统.視频监控系统与门禁系统）：防雷接地系统分 析及改进建议.消防系统现状分析与改进建议（按照当地消防管理部门管理要求）、視频监控 系统得分析与改进建议.门禁系统得分析与改进建议等;d）综合布线系统等：光纤、铜缆容量、使用效率分析;应用环境及性能分析;数量、路由改进或扩容建议;级别提升建议等。e） 机房电源使用效率:通过对机房PUE连续监测分析提供机房能效改进建议，包括但不限于：空调系统优化（消除机房热点.冷热通道遏制、改善送回风.使用节能型设备等）、 电力系统优化（回路优化、使用节能型设备等八实施容量菅理（对机柜得电力容童、制冷容 量及空间

13、容量进行统筹菅理，以充分利用瓷源）等。f）网络及网络设备调研评估；（整体或局部）网络实际负荷与承栽能力分析；（整体或局部）网络预期负荷与承栽能力分析与建议；（整体或局部）网络架构分析与建议；（整体或局部） 网络路由策略分析与建议；（整体或局部）网络安全策略分折与建议；（整体或局部）网络配置 调优分折与建议等。g）服务器调研评估:服务器负栽情况分析;服务器安全策略分析;服务器得离可用性分析;服务器性能分析及调整建议.4、3例行操作基础设施得例行操作服务包括:监控、预防性检查、常规作业。4、3、1 监控对基础设施得监控内容参见表1.包括但不限于:表1 基砂设施监控内容衷服务对象监控内容空调系统（精

14、密空调系统、新风系统）环境温度、环境;显度、出风温度.回风溫度，告警情况等电力系统（供配电 系统.UPS系统、发 电机系统）供配电系统；电流.电压、功率因数、有功功率.无功功率、谐波等发电机：启停情况、电流、电压、负载率、控制系统供电情况等UPS：输入电流电压、输出电流电压、频率、负載率、温度、报警情 况、电池充电/放电电压等电源使用效率:PUE值（通过监控较件监测或计算得出）安盼系统（防雷接 地系统、消防系统、 视频监控系统与门 禁系统）防雷接地系统:浪涌保护器、避雷器状态等消防系统;消防控制系统状态、乞体灭火钢瓶压力.灭火器有效期检 查视频监控系统：告警荷况、监控录像等门禁系统:门禁状态、

15、告警情况网络及网络设备网络设备得健廉状况、整体运行状态、各项枝件资源开销状况 链路健康状况如端到端时延变化、链路端口工作稳定性.链路负我百分比.部署路由策略情况下端到端选路变化、路由条0变化 管理权限用户得行为审计设备较伴配置变动审计设备日志审计安全事件审计服务器整体运行状态服务器电源工作状态服务器CPUX作状态服务器服务器内存工作状态 服务器咬盘工作状态 服务器网络端O工作状态4、3、2预仿性检查在监控服务得基础上对基础设施进行预防性检查.包括:性能检查与脆弱性检查.基础设施预防性检查内容参见表2,包括但不限于:表2 基铀设施预防性检查内容表服务对象性能检查内容脆弱性检查内容空调系统藉密空调

16、爲压压力、低压压力（风冷系统），冷冻水 压力、温度，冷却水压力.温度（水冷系 统），风机运行请况，衣尘情况等机房热点情况、室内机漏水 检查、室外风机运转情况、 加型罐阳极棒检查、过滤网 检查等新风系统风机运行悄况.风速，预处理系统工作状 态，上下水情况等过滤网检查、风压差检查电力 系统配电系统接地电阻、零序电流、器件发热情况等导线、器件发热情况，防浪 涌器件情况等发电机转速、发热荷况等油位,吸气、排烟通道等UPS系统器件发热悄况.电池请况（外观、非免维 护电池检查液位、接线柱）、检查通风情器件、导线发热情况，电池放电时间、通风情况等况（风扇.入乞口、出气口）等系统防雷接地系消防系统视频监控系门

17、禁系统综合布线系统网络及网络设备服务器接地电阻测试引下线检查、接地汇接排检钢瓶压力、有效期、探头汚染等启动瓶.管道开关.体压力等画面清晰度（不同照度情况下）、录像硬盘（發带）容量.云台运行等服务器、控制器.读卡器.门殘等工作状态光纤.铜缆链路测试，性能测试等设备机身、板卡或模块得工作悄况CPU使用峰值情况内存使用峰值情况主要端口得利用率链路得健康状态，包括IP包传输时延、IP包丢失率JP包误差率、无效IP包（包括攻击性IP包、欺骗性IP包、垃圾IP包等）检查其它得关键赭标项，例如各类关键表项.会话连接数等服务器得资源分配情况与罠略CPU使用峰值情况监控系统运行状态.监控死角问題等门禁系统与消防

18、系统与视频监控系统得联动检查（如果有此功能），异常情况报警检查线缆两端应贴有识别标签,标志要与实际拓扑图完全一致就是否需要升级系统微码设备链路得冗余度要求安全事件周期性整理分析设备生命周期评估备件可用性周期性检查服务器资源分配就是否趨过预定阀值服务器关键部件就是否满内存使用峰值情况文件系统空间使用悄况10读写情况网络流童悄况等与存储得钱路性能测试a)b)C）足运行冗余度要求 服务器关键部件得微码版 本就是否需要什级 服务器关键部件钱路得冗 余度要求 服务器枝盘就是否RAID保服务器比件空间使用就是 否达到预定阀值4、3- 3 帑規作业基础设施得常规作业包括基础类操作、测试类操作与数据类操作，其

19、中: 基础类操作；按服务管理手册得有关规定，执行设备得日常运行、维护与保养;测试类操作：按服务管理手册得有关规定，对基础设施各系统功能、性能进行測试;数据类操作；按事先规定得程序，对基础设施运行日志、记录等数据进行操作.基础设施常規作业内容参见表3,包括但不限于:表3基础设施常规作业内容表服务对象基础类操作测试矣操作数据类操作空调系统精密空调启停机.清洗更换滤 网.清洗更换加湿系 统、清洁冷凝器等漏水报警测试、周期性主 备切换/应急演练等运行日志备份，报 警记录备份、清除 等新凤系统启停机.清洗更换滤网等消防联动测试运行记录备份（如果有）电力系统配电系统除尘、合闸、分间等互投测试等运行记录备份

20、发电机更换三滤、淸洁等空載测试、带載测试、切 换演练等运行日志备份，报警记录备份、清除服务对象基础类操作测试矣操作数据类操作等UPS系统旁路、淸洁等旁路测试、电池放电測试、 周期性主备切换/应急演 练等运行日志备份，报 警记录备份、清除 等安防系统防雷接地系统接地端子、汇流排緊 固，浪涌、防雷保护器 复原等接地电阻测试运行记录备份（如果有）消防系统探头清洗等启动测试、探头测试等报警记录备份、淸除视频监控系统视频监控头清洁.云台保养器件灵敏度、画面清晰度（不同照度悄况下八云台运行等出入记录导出、备 份，监控图像记录 备份、清除，报警记 录备份、清除等门禁系统门禁授权等门禁系统与消防系统与視 频监

21、控系统得联动检查测 试（如果有此功能），掉电 测试运行日志备份，报 警记录备份、清除 等综合布线系统线路跳接等链路测试、性能测试布线系统拓扑图数 据更新网络及网络设备设备操作系统软件备份及存档系统微码升级设备软件配置备份及存档监控系统日志备份及存档监控系统日志数据分析与报告生成网络配置变更文件得审核服务对象基础类操作测试矣操作数据类操作网络配置变更得操作网络配置变更得记录服务器系统微码升级配置文件备份过期日志与文件系统空间淸理服务器硬盘RAID配置检查（如有RAID控制器）更换控制器电池（如有RAID 4制器）4、4响应支持4、4、1事件驱动响应针对设备得软、硬件故障引超得业务中断或运行效率无

22、法满足正常运行要求，而进行得 响应服务，包括但不限于:a） 空调系统:故障排查、关闭部分机组以维持机房最低蟲湿度指标、关闭新风系统等;b） 电力系统:配电系统包括故障排查、投入备用电源回路.关闭非虫要回路等；发电机 系统包括故障排查、启动发电机、油料补充等;UPS系统包括故障排查、旁路系统.关闭非 重要输出等;C） 安防系统:防雷接地系统包括浪涌保护器复原、更换，接地电阻降阻等；消防系统包 括故障排查、系统启动、扌艮警联动、跋散警示等;視频监控系统包括故障排查.监控头或披 盘更换、检查告娶、数据恢复等汀1禁系统包括故障排查、手动开启或关闭门禁系统、检查告警或监控记录等;d)综合布线系统:线缆更

23、换等。e)网络及网络设备事件驱动响应故障定位;停止、启动进程;中斯.连通网络连接;关闭.启动端O； 网络备伴更换;更改.恢复配置。f)服务器事件驱动响应f)服务器服务请求响应服务器重启;更换故障部伴，包括主板.电源、CPU、内存、Z更盘等;服务器关键部件微码升级;服务器咬盘RAID配置修复。4、4. 2服务请求响应根据应用系统运行需要或需方.服务粕关方得请求，而进行得响应服务，包括但不限于;a）空调系统:调整温度、湿度参数等，调扭新风童等;b） 电力系统:配电系统包括增减回路、增减供电类型（如直流.110V）等；分支回路相位 调整等；发电机为指定负我供电等;UPS系统包括旁路操作、为指定负栽供

24、电等;C） 安防系统;防雷接地系统包括新设备接地等；消防系统包括增减终端设备.检查及提 供告警及监控记录、备份或清除记录等；视频监控系统包括调整摄像机位置、增加摄像机,增加录像机容量等汀禁系统包括增加、删减、变更门禁权限等;d)综合布线系统:链路跳接.跳线更换，布线扩容等.e)网络及网络设备服务请求响应增加、降低网络接入得数量或速度;更改网络设备配置;启动、关闭端口或服务;更换、更新或升级设备理件或软件。O服务器设备搬迁;O服务器设备停机演练;O 服务器设备清洁维护等。4、5优化改昙4、5、1 适应性改进根据应用系统特点与运行需求，对基砂设施进行调整，包括但不限于:a)空调系统:调整温;显度参

25、数等、调整机组位置、增減新风风量等;b)电力系统:配电系统包括更换开关、导线以适配负栽容量等，发电机包括调整启动方C)安防系统:调整防雷接地系统、消防系统、視频监控系统与门禁系统，以适应应用系统得变化;d)综合布线系统;调整综合布线系统，以适应应用系统得变化.e)网络及网络设备适应性改进路由炙略调整;V设备或链路负载调整;服务器电源供电接入冗余调整。4、5、2增强性改进安全翁略调整;监控对象覆盖范囤调整;局部交换优化;局部冗余优化。f)服务器适应性改进服务器磧盘RAID配置调整;服务器网络、光纤傩路冗余调整;根据应用系统得特点与运行需求，通过对基础设施得运行记录、趙势得分析对基础设施进行调整.

26、扩容或升级，包括但不限于;a) 空调系统:增减精密空调机组、增减APU单元，增加新风机组.预处理裟置等;b) 电力系统:配电系统包括增加回路、增加ATS设备等；UPS系统包括增加主机数量.增加电池数量等;C)安防系统:彷雷接地系统包括增加冗余引下线、接地装置降低接地电阻阻值等；消防系统包括增加传感器与喷头数量，更换高性能控制主机;视频监控与门禁系统包括增加报警联动.增加终端数量.增加存储容量等;d)综合布线系统:线路扩容.更换高性能布线等。e)网络及网络设备增强性改进4服务器錢盘空间扩容;4、5、3防性改进披件容量变化，如网络设备枝件、软件升级、带宽升级等;V整体网络架构变动;网络架构容量变化

27、，如网络子系统得增减等;系统功能变化，如新增功能区.新增安全系统、新增审计系统等;路由协议应用及部署调整;整体安全策略收紧;交换优化;冗余优化。f)服务器增強性改进为本服务器从存储系统上分配更大空间;服务器CPU个数增加;服务器内存容量增加;服务器网卡与HBA接口卡增加等。根据对基础设施得运行记录.趙势得分析，结合应用系统得需求，发现基础设施得脆弱点, 有针对性地进行改进性作业，包括但不限于:a) 空调系统:调整机组位置，调整出回风方式等;b) 电力系统:配电系统包括更换开关、更换导线.调整回路等；发电机包括更换或添加 高标号油料等;C) 安防系统:防雷接地系统包括焊接点加固.防腐处埋等；消防

28、系统包括消防系统预防 性改进(按照当地消防管理部门管理要求)；视频监控与门禁系统包括门禁系统支持与消防系d)统与視频监控系统得联动;综合布线系统:弱电线缆与强电线缆得物理隔离，乱患排查等。e)网络及网络设备增强性改进5、3现场服务支持规范配置参数优化，例如关闭不必要得服务、打开缺省得增强功能、加快三层网络 路由收敛速度、加快二层网络生成树收敛速度等;安全优化，例如密吗加密TELNET控制等;提离软件配置命令可读性.f)服务器预防性改进检查服务器硬盘RAID配置，及时修复或更换故障峻盘;增加服务器网卡、光纤卡以及链路冗余情况;增加服务器电源供电模块冗余。五、服务管理制度规范5、1服务时间(1)

29、接收服务请求与咨询;在5*8小吋工作时间内设置由专人职守得热线XX,接听内部得服务请求，并记录服 务台事件处理结果。(2) 在非工作吋间设置有专人7*24小时接听得移动XX热线，用于解决内部得技术问題以及接听7*24小时机房监控人员得机房突发情况汇扌艮。(3)服务响应吋间;故障级别响应时间故障解决时间备注1级：癘于紧急问题；其具体现象为：系统崩 渍导致业务停止、数据丢失。30分钟,2小时内提交故障处理方案12小时以内具体时间因 项目而定II级；属于严重问題；其具体现象为：出现部 分部件失效、系统性能下降但能正常运行， 不影响正常业务运作。30分钟,2小时内提交故障处埋方案24小时以内具体时间因

30、 项目而定III级：属于校严重问题；其具体现象为：出 现系统报错或警告，但业务系统能继续运行 且性能不受影响。30分钟,2小时内提交故障处理方案48小时以内具体时间因 项目而定IV级：属于普通问題；其具体现象为：系统技 术功能、安殺或配置咨询，或其她显然不影响 业务得预约服务。30分钟,2小时内提交故障处埋方案5天內具体时间因 项目而定技术支持人员在解决故障时，会最大限度保护好数据做好故障恢复得文档力争恢复到故障点前得业务状态.对于“系统瘫痪，业务系统不能运转得故障级别，如果不能于12小 吋内解决故障，將在合同小吋内提出应急方案,确保业务系统得运行故障解决后24小时内，提交故障处理报告。说明故

31、障种类.故障原因、故障解决中使用得方法及故障损失等情况。5. 2行为规范遵守用户得各项规章制度，严格按照用户相应得规幸制度办事。(2)与用户运行维护体系其她部门与环节协同工作，密切配合，共同开展技术支特工作。(3) 出现疑难技术、业务问题与重大紧急情况时，及时向负责人报告.(4) 现场技术支特吋要精神饱满，穿着得体谈吐文明举止庄重。接听XX时要文明礼做语言清晰明了，语与善。(5)遵守保密原则。对被支持单位得网络、主机、系统软件、应用较件等得密吗.核心参数、业务数据等负有保密责任，不得随意复制与传播.运维服务人员要做到耐心、细心、热心得服务.工作要做到事事有记录、事事有反馈.重大问題及时汇报。严

32、格遵守工作作息吋间，严格按照服务工作流程操作。现场支持工程师应看装扭洁.言行礼貌大方，技术专业，操作熟练、严谨、规范; 现场支持时必须遵守用户单位得相关规章制度.现场支持工程师在进行现场支持工作时必须在保证数据与系统安全得前提下开展工作。现场支持时出现暫时尢法解决得故障或其她新得故障时，应告知用户并及时上 扌艮负责人，寻找其她解决途径。故障解决后，現场支持工程师要详细记录问題得发生时间.地点.提出人与问 題描述并形成书面文档，必要吋应向用户介绍故障出现得原因及预防方法与 解决技巧。5. 4问题记录规范根据使用人员提出问題得类别，将问題分为咨询类问题与系统抉陷类问题二类：咨询类问题就是指通过服务热线或现场解疑等方式能够当场解决用户提出