分类： 服务器与存储
2008-06-15 03:41:54
BOSS容灾亟待解决
在国内，电信运营商经过两年时间对BOSS系统规划、设定，整个BOSS已形成一个集中建设的系统，就是说所有的鸡蛋都存在了一个篮子里。我们看一下这个篮子在处理什么问题：计费系统每天处理5000万话单；营业系统每天受理15万笔业务；客服系统每天受理30万笔投诉；结算系统每天处理2000万话单，每天产能会创造5000万的产值。如果这个系统瘫痪了，最直接的损失就是收入损失，损失一个小时的话单就是几百万。如果营业系统出了问题，没有办法交费，没有办法开通就会引来客户的投诉，最终导致客户的流失。这一严峻的事实使得许多企业开始重视容灾系统的建设。
目前，有两大因素会造成BOSS系统的灾难，或者说造成BOSS系统业务的中断：一、计划内。软件升级、数据中心迁移等等都会造成停机；二、计划外。自然灾害、软件故障、硬件故障、人为因素，比如说磁盘的损坏，电源断电，误操作等等都会造成业务系统的中断。由此可见，BOSS系统面临着很大的安全隐患，所以我们在设计BOSS的时候，要针对不同的原因，采取不同的手段和方法去规划和建设自己的BOSS容灾系统。
容灾系统建设的方法论
容灾系统的建设流程是围绕BOSS业务为核心的封闭式流程，容灾建设不是一个项目，因为一个项目有完成的时候，而容灾永远与业务一起运作。若要构建一个完善的容灾系统，首先要进行需求分析，根据结果设计容灾系统的建设流程，然后通过合适的参数确定容灾目标以及容灾需要的技术支持，最后是系统运行维护的管理。在整个系统设计中，技术是一个最简单的环节，相对来说流程设计是最复杂的环节。而需求分析和运行维护是两个非常重要的环节。下面我们分别对这四个阶段所要开展的工作进行介绍。
在需求分析阶段需要分析企业存在的业务损失和业务风险，然后确定容灾目标。通常给企业带来损失的直接因素是收入损失，客户流失、诉讼、公司信誉、股价下跌等等都是间接因素，但是往往直接因素是小部分，间接因素是大部分。对不同系统进行业务分析，是为了确定容灾目标：其一是RPO，即业务恢复点目标，代表允许业务数据丢失的程度，如果某个业务的指标是零，就代表这项业务不允许一点数据丢失；另一个是RTO，即业务恢复时间目标，代表业务恢复所需要的时间，就是能够容忍业务中断的时间。
以一个省级电信公司的容灾系统为例，营业系统RPO为零，RTO要求2小时恢复；客服系统RTO要2小时恢复，RPO是2小时。在确定系统目标的时候，需要有一套完善的评估方式，要针对各省业务的不同和损失的不同，确定相应的容灾目标。因为目标的高低会直接影响后面技术的选择，及企业投资的大小。
在确定业务恢复点和业务恢复时间之后，我们还要确定容灾地点的选择，即选择多长的距离来运行容灾系统。选择的依据之一是保证容灾点的机房环境；其次要保证交通、人员到达便利；然后是容灾类型的确定，不同的地理环境会影响容灾的建设。两个地点距离越远，差异点越少，容灾类型会越少，但是在制定容灾目标的时候，都会约束我们的目标设定。在需求分析阶段，我们还要确定容灾的级别，通常包含两个级别；数据级容灾和应用级的容灾。数据级容灾主要针对系统数据和交易数据的保护；应用级容灾是在数据级容灾的基础上，再把执行应用处理能力复制一份，对最重要的数据进行保护。
通过以上的需求分析，我们可以制定好容灾系统的建设目标，在目标确定好后，下一步就进入流程设计阶段。在该阶段，会涉及到三个主要技术环节。首先是数据复制，它是容灾系统关键核心部分，就是要把数据从生产结点复制到容灾结点上去，在设计原则上要保证数据的完整性、一致性和可验证性。数据复制后，容灾系统还要建立相应的处理能力，保证应用切换到容灾结点。由于业务运行时，不仅仅有IT的参与，还有人员、流程的参与，所以切换的目标一定是业务，它的评价指标就是RTO。再就是资源复用，保证整个投资有复用的价值。容灾系统是一个非常大的投资，很多人都感觉容灾系统就是买个保险，其实它跟保险不一样。保险是只有在系统出问题以后才起作用，不出事保险不用赔。但是容灾系统不是这样，要随时检验数据是不是可靠，是不是可以读取出来，所以资源复用是非常重要的。
通过容灾建设后，整个BOSS系统会有进一步的提高。但在系统发生问题或意外时，应优先选择什么样的技术作为系统恢复的手段都有一定的讲究。不是出现任何问题就切换到容灾结点上，因为切换一次容灾，它的成本跟其它技术成本相比是最高的，所以我们最好优先选择，尽量不启动容灾系统。
管理流程的制定是BOSS容灾系统建设的一个最重要环节。容灾系统不是建设一个项目，而是再建一种制度，一种风险抵御制度。因此，需要建立容灾的规范和应急处理流程，以及一个紧急事件的处理机构，经过不断地测试、演习来完善我们的容灾系统。
