任何計算機系統都有出現故障的時候，可能發生在測試階段，也可能發生在系統剛剛上線，還可能發生在已經穩定運行很多年的系統上。這些系統出現故障所帶來的負面影響可大可小，小到一個終端的軟件無法使用，大到整個系統癱瘓……企業網絡想要固若金湯是IT部門夢寐以求的目標，作為系統運維人員，應該如何解決這些突發性故障問題？為了尋找這個問題的解決辦法，51CTO的記者力邀到了現任某上市公司系統工程師的九叔，請他來給大家分享一下。

[[68688]]

簡介：張鵬亮，花名（九叔）。現任某上市公司系統工程師，WinServer版主，擅長領域：微軟服務器、桌面虛擬化和AD基礎架構等，現階段主要致力于WinServer2012 VDI的研究。

記一次突發性故障

作為一名IT運維人員，工作中最常發生的系統方面的故障是很正常的一個現象，并且你永遠也不會知道下一次故障發生在什么時候，據51CTO記者采訪時了解到，九叔現階段公司的系統運維已經做的比較成熟了，目前來看，系統底層還是比較強健的，真正出問題的都是系統之上的"應用"，由于每種應用不同，所以并不是太好談哪一種應用會經常出問題。

不過，在前不久，公司發生了一次較大故障，故障成因很簡單，就是由于空調物理機損壞，導致多臺服務器過熱，部分業務中斷。在更換新的空調之后問題得以解決。當然，在沒有更換之前，當時也采用了一些"笨辦法"，比如使用大功率的風扇、開啟機房的排氣窗等等，暫時緩解了空調損壞造成的不良影響。

故障處理那些事兒

出現故障的同時必然會造成一些業務的中斷，可想而知，若是故障得不到及時的處理，那么公司網絡將會處在一個"癱瘓"的狀態，這將是很可怕的事情，后果不堪設想。幸好九叔所在的運維團隊發現問題很及時，在機房中安裝有溫度報警系統，溫度達到閥值后會給相關運維人員發送短信。比較棘手的是，這次故障的根本原因是空調壞了，而不是常見的斷電、瞬間電流過大等情況。由于出問題的這個機房的服務器沒有線上業務，因此實際造成的損失并不大，但是影響不太好。

對于類似故障處理，大概遵循以下幾個大的方向。

1、收到報警或定期巡檢；

2、檢查是否誤報；

3、確認報警內容屬實進行相應處理；

4、檢查是否有預案，如有則按照預案處理，如無則盡快聯系廠商處理，同時對此事備案。

在處理問題環節，如果在自身團隊無法處理的時候，會及時和廠商聯系，獲取更專業的支持。

故障后的思考與總結

俗話說，吃一塹長一智，出現故障不可怕， 可怕的是不能從故障中得到一些經驗教訓。九叔談到："對于系統運維來說，不僅僅要關注軟件層面的問題以及運維，同時對于基礎IT建設也要有一定的了解，最起碼要知道出現問題應該找誰解決。隨著現階段技術的發展，我們不可能做到一個人對所有技術面面俱到，那么在無法解決問題的時候，如何找到解決問題的人，應該是每一個系統運維人員所必須要了解的。

空調故障的問題偶然性很強，但是依然有方法避免，那就是采取硬件服役到一定年限后更換，而不是等它徹底損壞后再更換。但是這種方法會帶來很多額外的費用支出，一般來說，在企業中推行這種方法需要IT部門有一個強有力的后盾去支持才能較好的達到預期效果。

還有一點是值得注意的，不管具體是什么故障，做好預案和備案最重要，以防止這種問題再次發生，或者再次發生后，也可以極為快速地去解決問題。