多くの認定フェイルセーフデータセンターがクラッシュするのはなぜですか？

データセンターの標準を議論する際に最も頻繁に言及される2つの主要なドキュメントがあります。これはTIA 942標準とUptime Instituteによるレベル分類です。 これらのドキュメントは両方ともレベル（Tier）を規制しており、しばしば混乱を招きます。たとえば、TIA 942のTier IIIとUptime InstituteのTier IIIは2つの大きな違いです。

TIAと稼働時間

TIA 942-電気通信産業協会-データセンターの電気通信インフラストラクチャ標準：

• この標準は、米国電気通信産業協会によって開発されたものであり、まず第一に、データセンター内の構造化ケーブルシステムの組織に関するものであり、フォールトトレランスやその他のエンジニアリングサブシステムの問題に関するものです。
• それは本質的に推奨です。
• 段階的な指示と推奨されるスキームがあります（エンジニアの助け）。 「ここに記載されているとおりに実行すると、良い結果が得られます。」
• 規格への準拠は、施設の所有者またはプロジェクト実行者によって宣言されます（「私はあなたが言った通りに、 正直に 」のレベルで）。
• 通常、標準に準拠しているかどうかが確認されるのはプロジェクトドキュメントのみです。
• 実装後、オブジェクトのレベルは下がりません。

Uptime Institute-階層分類はサイトインフラストラクチャパフォーマンスを定義します

• このドキュメントは標準ではなく、データセンターの復元力を標準化するために特別に設計された方法論です。 たとえば、通信インフラストラクチャは実際には考慮されていません。
• これは必須です （もちろん、証明書を取得したい場合）。
• 段階的な指示はありません（すぐに廃止されます）が、基本的な設計原則とアプローチが定式化されています。 「そのような原則に従って行動し、フォールトトレラントオブジェクトを取得します。」
• 認定は、Uptime Instituteのみが実施します。
• プロジェクトと結果（無視されたサイト）の両方が認証されます。
• 結果として正確に何が起こったのかをチェックします。この結果がどのように達成されたかにあまり重点を置くことなく、つまり、特定の状況での設計の柔軟性が許可されます。
• 最初に、プロジェクトが認証され（設計文書のティア認証）、次に完成したサイト（構築された施設のティア認証）、そして定期的に、例えば、年に一度、3または5の頻度で、すでに適合（運用上の持続可能性認証）標準。 後者は、操作を評価し、機器リソースやプロセスで変化するその他の事項を監視するために行われます。

同時に、Uptime Instituteによって提案されたのはTIA 942のレベルの分類であり、本質的には非常に類似しています。 同時に、評価の原則は根本的に異なります。 繰り返しますが、TIAは「書かれているとおりに正確に実行すれば、すべて問題ありません」と言います。UptimeInstituteは、「指定された原則に従って、あらゆる方法ですべて問題なく実行する必要があります。

レベルI-IV

基本的に、TIA 942標準およびUptime Institute方法論では、レベルによる分類は同じです。 大まかに次のように説明できます。

• Tier I-予約なし。 可用性99.671％。
• ティアII-重要なノードの冗長性。 可用性99.741％。
• ティアIII-重要なノードの冗長性、電気の生成方法、冷媒の配送ルート。 同時に、施設全体の機能を維持しながら、メンテナンスのためにユニットを廃止することができます。 可用性99.982％
• Tier IVは最もフォールトトレラントなレベルであり、一度に1つの事故（計画されたユニットの廃止ではなく）が一度に許可されます。 事故の例として-重大なヒューマンエラー。 実際、これらは2ティア秒で、サーバーラックの周囲の同じ建物に構築されています。 可用性99.995％。年間わずか26分のダウンタイムを提供します。

例として、パイプを通して液体冷却剤を供給するシステムを作成する場合、Tier IIIでは二重リングを作成する必要があり、Tier IIではそれを行うことができます。 同時に、チラーとファンコイルの冗長性のレベルは同じにすることができます。 電源およびその他のシステムについても同様です。 レベルIVではさらに涼しくなります。たとえば、UPSと電力線を複製するだけでなく、異なる部屋に間隔を空ける必要があります。最初のユニットが爆発した場合（緊急停止、予定された停止ではない）、2番目のユニットは損傷しないでください。 パイプラインがどこかで壊れても、これはバックアップ電子機器に影響を与えません。システムが物理的に分離されています。



フィリピン言語（非常に失礼）で言えば、レベルは次のようになります：最初の作品は失敗し、2番目は全体として正常に動作し、いくつかの最も一般的な失敗に耐えることができます。



同時に、米国の場合、オブジェクトのコストは次のように変化します：ラックあたり30K、50K、65Kおよび100Kドル（これらはレベル間のコスト比率を評価するための非常に近似した数値です）。 ロシアでは、通常、さらに高価です。 したがって、Tier IIとTier IIIを選択した場合、予算はそれほど増加しませんが、稼働時間は十分です。 しかし、問題はコストさえもではなく、すべてがその場でどのように正しく設計され、運用上の問題から保護されるかです。

なぜこれらの標準が必要なのですか？

90年代初期にデータセンターの分類基準について考えました。その後、Uptime Instituteは、フォールトトレラントな施設を構築する基本原則を紙に書き始めました。 Uptime Instituteのタスクは、トラブルのないハイテク施設を構築する方法論を研究し、データセンターの拒否につながったすべての問題を調査することでした。 70年代以降、同社はデータセンターとその「ウォームチューブカウンターパート」の構築において文書化された経験があり、それらのコンピューターセンターは非常に大規模で非常に安全でした。 これらのセンターには、主要な問題に関する統計もありました。有名なmothからさまざまな種類の小さな修理まで。



その結果、およそ95年目に、データセンターの分類が、フォールトトレランスに基づいてレベルごとに提案されました。 この分類は、タスクに従って顧客がニーズを満たすインフラストラクチャを選択できるように提案されました。 大まかに言えば、顧客がコールセンターを構築している場合、フォーナイン（99.99％の稼働時間）の可用性を考慮する必要はありませんが、銀行のビジネスにとって重要なシステムが稼働しているデータセンターがあれば、それだけの価値があります。 この分類は、TIA 942の初版で考慮されました。



96年、Uptime Institute方法論を使用したコンピューターセンターのエンジニアリングインフラストラクチャの要件を説明する最初のドキュメントが登場しました。 4つの主要な層は、障害の統計と組織の経験に基づいて導入されました。 フォールトトレランスレベルは、アップタイムの可能性を示しており、中間ステップはありません。つまり、II +とIII +はありません-バルブが重複していないため、あまり重要ではないバックアップシステムでトリプルがまだ割り当てられている場合でも-2 実際、これが現在のレベルの割り当て方法です。したがって、Tier II +についての言葉は所有者の個人的な想像力であり、規格自体とは関係ありません。



文書で使用される基本概念は、予約、施設全体の運用を中断することなくノードにサービスを提供する機能、および障害と事故に対する耐性です。 同時に、私たちの現実にとって非常に珍しいことの多くが仮定されています：たとえば、Uptime基準によれば、レベルIおよびIIでは、都市ネットワークからの主電源が主要な電力源になる可能性がありますが、レベルIIIおよびIVではそうではないと考えられています。 基準のこのレベルの都市は、突然信頼性がなくなり、費用対効果の高い追加電源としてのみ考慮されます。 同時に、DGUシステムは、持続時間の制限なしに、全出力での動作を提供する必要があります。



TIAを作成する目的は、設計エンジニアが独自の何かを発明するのではなく、非常に多くの大きなオブジェクトを作成した経験を考慮して、標準で提案されているように設計できるようにすることです。 この規格は、最高の技術とソリューションを図示し説明しています。 Uptimeは、特定のフォールトトレランスを実現するための実装の原則に焦点を当てています。



違いは次のとおりです。TIAは、構造化ケーブルシステム、データ通信、および別のエンジニアを編成する方法を詳細に示しています（これらは、ベストプラクティスのヒントが非常に重要であるため、論理的です）。 同時に、Uptimeは、たとえばSCSや電源に焦点を合わせておらず、データセンター全体の機器のフォールトトレランスに対するすべてのエンジニアリングシステムの影響を考慮しています。 または（最も一般的な誤解の1つに反論する）：実際、アップタイムはサイトの選択を規制せず、「Tier IV DPCには通常、このようなサイト、IIIなどがあります。 n。」

練習する

Uptimeの認定のためにデータセンターを準備するというプラクティスでは、いくつかの「予期しない人々」が浮上しました。 たとえば、Tier IIIに基づいて独自のデータセンターを認定した場合、ディーゼル発電機の同期を管理するにはかなり特殊な組織が必要でした（ 詳細はこちら ）-実際、それについて考えた人はほとんどいませんでした。 または、もう1つの「予想外の」例です。無停電電源システムを設計する場合、通常、バッテリーの種類、容量、気密性、保守性などが考慮されます。つまり、バッテリーの基本パラメーターのみが考慮されます。 実際、データセンターの設計では、より「微妙な」特性を考慮する必要があります。 たとえば、バッテリーには異なる放電曲線もあります（大まかに言うと、異なる放電速度で容量が異なります）-部分負荷ではすべて問題ありませんが、全負荷ではシステムは設定時間を維持できず、ディーゼル発電機は必要なモードに到達する時間がなく、障害が発生します。



そして、ここに顧客の1人の実践からの例があります：紙の上で誰もディーゼル燃料のポイントに達しません。 大まかに言えば、発電機、予備の燃料供給ライン、サンルームがサンルームであり、主なものは時間通りに補充することです。 データセンターは、TIAに準拠していると評価できます。 しかし、実際には、わが国のディーゼル燃料にはいくつかの魔法の特性があり、 ディーゼルはwellれるかもしれません 。 これは、運用レベルの検証と矛盾しています。 大まかに言えば、TIAは「ディーゼル燃料の代わりに水がタンクにある場合はどうなるのか」と「最後に燃料を交換したのはいつか」という質問を決して出しません。 Uptime Instituteには、実際にそのようなことをテストするように設計されたデバッグチームがあります。 彼らはこの事実を考慮に入れ、今では燃料が突然故障する可能性があるという事実だけでなく（これはそうなっている方法論に従って）、彼らはどのくらい正確かを考慮しています。



明らかに、すべてを検証することはできません。 たとえば、非常に予測不可能な状況を作り出す人的要因が常に存在します。 エンジニアの中には、イスラエルの2000年代でさえ、大企業のデータセンターの1つが新年の同胞のおかげで停止した自転車があります。 彼は休日を祝い、シフトですぐに飲んだ後、続けました。 真夜中以降、都市からの食料はなくなり、ディーゼルは削減されました（人間の参加は必要ありませんでしたが、オートマチックが作動しました）。 しかし、主人公はどういうわけか騒音によって防がれ、彼は快適な環境で休息を続けるために、誤ってすべての発電機を手動でノックアウトしました。 物語の公式な確認はありませんが、非常に野生的で非論理的な状況の例としてのみ、何らかの理由で私はそれを信じています。

自動化

そして最後に-規格には、緊急事態で機能する自動化の組織に関する推奨事項と緊急サービスなどの人員の組織に関する推奨事項はありません。 私たちは家庭で古き良き「ソビエト」アプローチを使用します。すべてが非常に簡単かつ確実に、ほとんどリレー上で行われます。 状況が明確であり、人間の反応の速度を超える速度が必要な場所に自動化をもたらします。 この場合、バランスのとれた決定が必要なものはすべて、手動で制御できます。 個人的な例として、オートメーションは都市からディーゼルエンジンに切り替わります。 ディーゼルエンジンから都市への転送（エンジンをオフにした状態）は、インターフェイスをクリックするのではなく、厳密にインストール時に行います。 タスクは、「オートパイロット」で重要なアクションが実行されないようにすることです。多くの事故は、人々が最初にしてから考えることのために正確に発生します。 実際、データセンターに優れた仕事をする専門家がいる場合、これは最もインテリジェントなエンジニアリングソリューションよりもはるかに重要であり、最も重要なことには信頼性が高いと考えています。

まとめ

それでは、なぜ認定データセンターが立ち上がることができるのでしょうか？ 答えは、同じレベル名（たとえば、Tier II）では、オンサイト検証なしのプロジェクトの認証と、特定のオンサイト検証を持つ作業サイトの認証の間に大きな違いがあるためです。 データセンターがどのように認証されるかを完全に理解していない場合（TIAまたはUptimeによる）、 ここで認証を確認する必要があります 。



はい、責任が増した当社の主要なデータセンターでオタクポルノを見ることができます 。 すでにこのトピックに参加している場合でも、Uptime Instituteの方法論に従って何が、なぜ行われたのかを説明した後、おそらくいくつかの小さなことに注意してください。