系统维护和机房运维方案.doc

1、运维服务方案2016 年 5 月 18 日第 1 页目 录1 服务内容.31.1 服务目标 .31.2 信息资产统计服务 .31.3 网络、安全系统运维服务 .41.4 主机系统运维服务 .61.5 存储系统运维服务 .101.6 数据安全存储及灾备运维服务 .111.6.1 传统的灾备方式 .111.6.2 容灾方案的关键指标 .131.6.3 常见的备份策略 .141.6.4 容灾的核心问题 .151.6.5 容灾的实现方式 .161.6.6 异地容灾技术 .181.6.7 灾难恢复级别 .201.7 容灾建设方式 .211.7.1 企业信息系统保护层次 .211.7.2 容灾技术模型 .

2、231.7.3 业务平台的保护-业务处理能力的冗余.231.7.4 数据平台的保护-业务状态数据的复制 .241.7.5 接入平台冗余和贴换.241.7.6 容灾模式.241.7.6.1 容灾层次 .251.7.6.2 容灾范围 .251.7.6.3 同级容灾或降级容灾 .261.7.6.4 容灾技术概述.271.7.6.5 基于存储的数据复制技术建设容灾系统 .281.7.6.6 小结 .312 运维服务流程 .323 服务管理制度规范 .343.1 服务时间 . .343.2 行为规范 . .343.3 现场服务支持规范 . .353.4 问题记录规范 . . .354 应急服务响应措施

3、. .374.1 应急基本流程 . .374.2 预防措施 . .374.3 突发事件应急策略 .38第 2 页1 服务内容1.1 服务目标可为提供的运行维护服务包括，信息系统相关的主机设备、操作系统、存储设备容灾的运行维护服务，保证用户现有的信息系统的正常运行，降低整体管理成本，提高网络信息系统的整体服务水平。同时根据日常维护的数据和记录，提供用户信息系统的整体建设规划和建议，更好的为用户的信息化发展提供有力的保障。用户信息系统的组成主要可分为两类：硬件设备和软件系统。硬件设备包括网络设备、安全设备、主机设备、存储设备等；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

4、） 、业务应用软件等。通过运行维护服务的有效管理来提升用户信息系统的服务效率，协调各业务应用系统的内部运作，改善网络信息系统部门与业务部门的沟通，提高服务质量。结合用户现有的环境、组织结构、IT 资源和管理流程的特点，从流程、人员和技术三方面来规划用户的网络信息系统的结构。将用户的运行目标、业务需求与 IT 服务的相协调一致。提供的信息系统服务的目标是，对用户现有的信息系统基础资源进行监控和管理，及时掌握网络信息系统资源现状和配置信息，反映信息系统资源的可用性情况和健康状况，创建一个可知可控的 IT 环境，从而保证用户信息系统的各类业务应用系统的可靠、高效、持续、安全运行。服务项目范围覆盖的信

5、息系统资源以下方面的关键状态及参数指标： 运行状态、故障情况 配置信息 可用性情况及健康状况性能指标1.2 信息资产统计服务此项服务为基本服务，包含在运行维护服务中，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。第 3 页机房服务内容包括： 机房电源、温度、湿度信息统计记录 硬件设备型号、数量、版本等信息统计记录 软件产品型号、版本和补丁等信息统计记录 存储产品型号、版本和性能等信息统计记录 网络结构、网络路由、网络 IP 地址统计记录 综合布线系统结构图的绘制 其它附属设备的统计记录1.2.1 机房电源、温度、湿度要求频率 输入电压 相位 电流开关 备注50Hz 2

6、20V 单相 2 线+地线20A 单相交流电参数 运行状态 非运行状态温度 10-40 10-50相对湿度 % 8-80 8-90温度变化 10 10 硬件设备清单如下表统计：1.3 网络、安全系统运维服务从网络的连通性、网络的性能、网络的监控管理三个方面实现对网络系统的运维管理。网络、安全系统基本服务内容：序号 服务模块 内容描述 提供方1 现场备件安装 配合用户进行，按备件到达现场时间工程师到达现场 xxx 公司2 现场软件升级 首先分析软件升级的必要性和风险，配合用户进行软件升级 xxx 公司第 4 页3 现场故障诊断 按服务级别：724 小时 58 小时 xxx 公司4 电话远程技术支

7、持 724 小时 xxx 公司5 问题管理系统 对遇到的问题进行汇总和发布 xxx 公司机房网络核心交换机信息系统管理单位： 维保单位： 设备名： 设备型号： 管理 IP：检查内容 参考标准 检查结果 检查结论 巡视方法描述 巡检周期电源运行状态 正常 异常风扇运行状态 正常 异常硬件运行状态 模块运行状态 正常 异常VLAN 状态 正常 异常配置 状态 正常 异常系统运行状态检查 OSPF 状态 正常 异常日志检查 日志 状态 正常 异常正常 异常正常 异常其他检查内容 正常 异常(1) 用户现场技术人员值守可根据用户的需求提供长期的用户现场技术人员值守服务，保证网络的实时连通和可用，保障接

8、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： 配置数据 性能数据第 5 页 故障数据(2) 现场巡检服务现场巡检服务是对客户的设备及网络进行全面检

9、查的服务项目，通过该服务可使客户获得设备运行的第一手资料，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 内容硬件运行状态检查项目单板状态检查 电源模块状态检查 风扇状态检查整机指示灯状态检查 机框防尘网检查 机房温度、湿度检查1设备地线检查软件运行情况检查项目设备运行情况检查 网络报文分析 设备对接运行状况检查2路由运行情况检查网络整体运行情况调查3网络运行问题调查 网络变更情况调查 网络历史故障调查(3) 网络运行分析与管理服务网络运行分析与管理服务是指工程师通过对网络运行状况、网络问题进

10、行周期性检查、分析后，为客户提出指导性建议的一种综合性高级服务，其内容包括： 服务内容 服务优点向客户提供网络专家电话号码。 保证重大问题第一连线至网络专家。网络专家组每周与客户进行不少于 2 小时的电话技术交流以最小成本保证及时解答客户关心的技术问题，并就某一领域技术问题展开深层次沟通。每月向客户提交 CASE 汇总分析报告，并可扩展到每年 17 次（月度、季度、年度）使客户了解网络历史故障情况以及故障预防建议，最大程度减少网络故障隐患，更高效的进行网络管理。第 6 页(4) 重要时刻专人值守服务深刻知道保证重要时刻设备稳定运行对客户成功尤为关键，因此，可对客户提供重要时刻的专人现场值守支持

11、，包括政府客户的重大会议期间、金融客户的年终结算日、运营商客户的生产网重大割接或其它任何客户认为可能对其业务运营产生重大影响的时刻。如需专人值守，客户需至少提前 3 周与授权服务商客户服务经理联系。对每位合约客户，授权服务商均需按事先合同约定提供专人值守服务。客户如需超出合同约定范围的更多值守支持，需额外支付相应人力和差旅费用。1.4 主机系统运维服务现在造成 IT 架构不可用的原因有很多，主要包括非计划性宕机和计划性宕机两大类，其中，非计划性宕机主要是由计算机故障或数据故障引起的;计划性宕机主要是由于生产系统的数据改变或系统改变引起的。(1)、非计划性宕机非计划性宕机主要包括主机宕机、数据故

12、障宕机、存储故障、人为错误、数据损坏、站点故障等。主机故障宕机当主机系统或数据库服务器出现意外故障并导致服务中断时，主机系统就会发生故障。数据故障宕机数据故障是指丢失、损坏或破坏关键企业数据。数据故障的原因比计算机故障更加错综复杂，可能由于存储硬件、人为错误、损坏或站点故障引起。存储故障单一存储配置，目前都是采用磁盘 RAID 技术加热备磁盘来解决，因此存储系统的故障主要是由机房电力故障或人为因素导致存储设备的电源发生故障。人为错误人为错误包括：误删除重要数据或升级语句中不正确的“WHERE”子句更新了比预定更多的行。数据损坏第 7 页数据损坏通常由 I/O 堆栈中的故障组件导致，例如，数据库

13、将 I/O 作为更新交易的结果，该数据库 I/O 将在各个组件中进行传输，包括：操作系统的 I/O 代码、文件系统、卷管理器、设备驱动程序、主机总线适配器、存储控制器和磁盘驱动器，直至最后被写入。I/O 堆栈中任何组件发生错误或硬件故障，都可能“变换”数据中的一些位，进而导致损坏的数据被写入数据库中，这一损坏可能是数据库控制信息或用户数据，它们对于数据库的正常工作至关重要;同样，磁盘故障也可能损坏数据。站点故障数据保护特性提供了预防灾难性事件的能力，这些事件可能在某一段时间内严重减缓站点的处理能力，这些事件包括文件损坏、自然灾害、电力或通信中断，甚至恐怖活动。(2)、计划性宕机计划性宕机是 I

14、T 系统在运行阶段所不可避免的，但 IT 系统停机运维会影响到数据库停止对外提供服务，会对业务运营造成一定影响，特别是对724365 的业务系统、计费系统、在线交易系统等。计划内停机包括例行操作、定期维护和部署新设备等：例行操作指频繁进行的维护任务，包括备份、性能管理、用户管理和批处理;定期维护，如安装补丁和重新配置系统，只是偶尔进行，以更新数据库、应用程序、操作系统、中间件或网络;部署新设备包括硬件、操作系统、据库、应用程序、中间件或网络的重大升级。申请计划停机时不仅要考虑计划的停机时间，同时还要考虑因停机造成的对整个业务系统的影响。数据更改导致的停机对于数据的更改例如增加数据空间、改变数据

15、库的对象，添加及删除数据库对象，对数据库的参数进行调整等操作，都有可能导致计划性停机。系统更改而导致的停机由于系统更改导致的停机主要表现在两方面：一是主机系统的更改，例如更新设备、添加硬件、调整参数造成主机系统重启;二是数据库系统的更改，例如数据库补丁升级，调整一些重要参数需要重新启动数据库的运维操作。提供的主机系统的运维服务包括：主机的日常监控，设备的运行状态监控，第 8 页故障处理，操作系统维护，补丁升级等内容。主机系统基本服务内容：序号 服务模块 内容描述 提供方1 现场备件安装 配合用户进行。按备件到达现场时间工程师到达现场 设备厂商、xxx 公司2 补丁服务消除软件漏洞给系统带来的安

16、全隐患，并对安装补丁所引起的系统连锁反应进行合理的平衡。xxx 公司3 升级服务 对系统进行软件或硬件的升级，以改进、完善现有系统或消除现有系统的漏洞。 xxx 公司4 现场故障诊断 按服务级别：724 小时 58 小时 xxx 公司5 电话远程技术支持 724 小时 xxx 公司6 问题管理系统 对遇到的问题进行汇总和发布 xxx 公司7 系统优化 对客户系统的括主机、存储设备、操作系统、提供优化服务。现场值守人员可进行监控管理的内容包括： CPU 性能管理； 内存使用情况管理； 硬盘利用情况管理； 系统进程管理； 主机性能管理； 实时监控主机电源、风扇的使用情况及主机机箱内部温度； 监控主

17、机硬盘运行状态； 监控主机网卡、阵列卡等硬件状态； 监控主机 HA 运行状况； 主机系统文件系统管理； 监控备份服务进程、备份情况（起止时间、是否成功、出错告警） ；第 9 页服务器部分系统管理单位： XX 供电公司设备名： 设备型号 设备序列号 管理 IP：检查内容 参考标准 检查结果 状态是否正常 巡检方法描述 巡检周期电源指示灯 正常 异常面板指示灯 正常 异常内置磁带机 正常 异常CPU 状态 正常 异常内存状态 正常 异常磁盘状态 正常 异常网卡状态 正常 异常硬件运行状态HBA 卡运行状态 正常 异常系统日志 正常 异常Mail 正常 异常文件系统，包括磁盘卷剩余空间 正常 异常硬

18、件检测 正常 异常交换分区 正常 异常固件版本 正常 异常补丁包版本 正常 异常系统镜像 正常 异常设备灯状态 正常 异常系统故障报告 正常 异常系统检查进程状态 正常 异常CPU 利用率 正常 异常内存利用率 正常 异常系统性能检查 磁盘 I/O 性能 正常 异常集群进程状态 正常 异常集群检查 集群日志 正常 异常1.5 网络存储系统运维服务提供的机房存储环境（SAN、NAS）运行维护服务是包括存储的 IOPS 和Space 利用管理，存储的主动 IOPS 性能和 Space 利用管理对系统运维非常重要。可了解用 CIFS、iscsi、FC、FCoE、NFS 协议运行状况，通过性能管理可了解存储的日常运行状态，识别存储的 IOPS 性能，有针对性地进行性能优化。同时，密切注意存储系统的变化，主动地预防可能发生的问题。