依我過(guò)去幾年所見(jiàn)，系統(tǒng)宕機(jī)最主要成因是硬件故障。不管是服務(wù)器硬件還是基礎(chǔ)設(shè)施（數(shù)據(jù)中心電源或者制冷設(shè)備），硬件故障使得系統(tǒng)損壞，造成運(yùn)行中斷，比用戶人為錯(cuò)誤或者軟件配置錯(cuò)誤造成的故障都要多。

工作人員的士氣遭受了宕機(jī)的挑戰(zhàn)。在宕機(jī)時(shí)，必須支持鼓勵(lì)工作人員的工作，使他們有足夠士氣修復(fù)錯(cuò)誤，令服務(wù)重回正軌，至于批評(píng)還是留在解決完問(wèn)題之后吧。當(dāng)IT人員肩負(fù)壓力，努力解決宕機(jī)時(shí)，管理層不能揪住他們的脖子說(shuō)：“這都是你們的錯(cuò)！怎么還沒(méi)修好？”這會(huì)讓他們精神崩潰的。不如等機(jī)器運(yùn)轉(zhuǎn)正常，服務(wù)恢復(fù)之后，開(kāi)個(gè)會(huì)好好討論一下故障的起因、解決措施，做好決議。

診斷和解決運(yùn)行中斷，確實(shí)比起日常的管理壓力要大。對(duì)于管理層來(lái)說(shuō)，讓IT人員加班加點(diǎn)修復(fù)，在短期內(nèi)把問(wèn)題解決，這樣做會(huì)導(dǎo)致IT人員身心的雙重疲勞。由此可能會(huì)導(dǎo)致更多問(wèn)題。

管理層應(yīng)當(dāng)意識(shí)到IT人員需要付出多少額外的努力和時(shí)間，并公開(kāi)承認(rèn)這事實(shí)。所以應(yīng)當(dāng)給他們一定的休假來(lái)補(bǔ)償加班花費(fèi)的額外時(shí)間，總之要把他們當(dāng)人，而不是當(dāng)機(jī)器人。

做好計(jì)劃可以減少宕機(jī)。比如說(shuō)：時(shí)機(jī)合適的管理步驟改變，造成計(jì)劃內(nèi)的運(yùn)行中斷要好于意外斷電。

在技巧方面，敏捷的頭腦最為重要。打破慣例思考問(wèn)題，盡可能快地提出解決方法。有時(shí)候修復(fù)也與“大力膠鐵絲網(wǎng)”有關(guān)，這也可以，只要你能做出計(jì)劃好的維護(hù)窗口期，能夠應(yīng)對(duì)長(zhǎng)期解決方案就行。

最糟的狀況 最好的方法

我們知道了，預(yù)防宕機(jī)沒(méi)有絕對(duì)的方法。人和裝置太多，對(duì)于各個(gè)因素的依賴也越來(lái)越多，導(dǎo)致公司已經(jīng)無(wú)法控制。所以預(yù)防系統(tǒng)宕機(jī)的工作固然重要，仔細(xì)考慮發(fā)生宕機(jī)以后每一步該做什么同樣重要。宕機(jī)之后，有很多東西值得學(xué)習(xí)，明智的企業(yè)會(huì)通過(guò)宕機(jī)，吸取教訓(xùn)，提升自己。

原文鏈接：http://www.searchdatacenter.com.cn/showcontent_51366.htm