何以数据中心混得要用打卡的方式来强制巡检？巡检为何不是网红打卡？脸红。
是呀，你看看这日常巡检规定：运维人员逐个机房的对设施、设备、环境进行巡视检查，有时也做一些简单的测量，比如：温度、风速，电压、电流等。不同的数据中心机房，各单位有不同的巡检内容和巡检周期的规定，要求高的可能每隔2小时巡检一次，要求低一些的一天巡检一次。日常巡检占用我们大量的时间，我哪有空还刷微信玩游戏呀？况且多数数据中心的运维人员配置并不富余，我想做一些高大上的运维工作也抽不出空来。比如：对设备深度检测，对运行情况的分析和预测，培训和能力提升，预案研究和优化等等，ε=(´ο｀*)))唉，就不一一列举了。
曾经呀，日常巡检，对及时发现数据中心已经存在的问题、隐患，有非常大的作用，但这种作用的效率比较低，并且基本没有预警和预防作用。因为那时的设备不够聪明智能，最多是干接点监控，没有信息上传。现在呀，机房监控系统非常完善，几乎所有的设备都已经接入到监控系统，设备的信息采集频率和速度非常高，机房环境等物理量采集，也是高采样密度。设备和机房的常用信息、必要信息都已经在监控系统可见，甚至有些设备的内部深度信息，也可以上传到监控系统，比如：UPS的内部直流母线电压、纹波，在日常巡检中是无法检测的，最多是在UPS的显示屏上需要较高权限才能看到，而通常不要求巡检人员这么细致地查看数据。你瞧，我在ECC一坐，什么信息都看得到，包括你刚才去了一趟茶水间。
因此，日常巡检的很多工作可以被监控系统替代，问题发现及时性、准确性也远高于运维人员的日常巡检，必须有你们运维人员去的巡检内容已大大减少啦。
多数时间，数据中心的设施和机房环境运行在一个稳定的状况，我们定义为常态。常态下的设施、设备运行数据没有太大的变化，输入、输出参数波动很小，机房环境参数也是一样，在极小幅的波动中平衡。比如机房温度，机房空调会根据检测的温度自动调整输出的风量和出风温度，从而将机房环境稳定在一个允许的范围内。因此，常态下的日常巡检，你们运维人员常觉得收获不大，从而逐渐形成麻痹思想和习惯，进而完全走过场，失去了日常巡检本来的目的和价值。因此，我们有必要重新检讨机房常态下的巡检策略，本真人认为，数据中心应该减少日常巡检，加强定期专项巡检和非常态巡检。减少日常巡检，不是减巡检内容、项目，是减频次，A级数据中心，每天24小时巡检1-2次，B级的数据中心1-2天巡检1次。
定期专项巡检，亟待加强
定期专项巡检，就是按专业、按机房区域划分和编制计划，每次巡检的内容相对集中于某一类或区域设备、设施。比如：对UPS供电系统的专项巡检，可以全面检查UPS的外部、内部，用红外成像仪扫描成像内部器件的温度，测量或查看UPS内部的母线电容的电压和纹波、逆变器输出的波形、谐波，输入端的波形，通过这些可以发现UPS是否有故障或隐患。专项巡检显然比日常巡检更深刻，因此有更高的价值。但专项巡检显然对运维人员的专业性有更高的要求，花费的时间也更多，故只能定期进行。本真人建议的专项巡检周期是1-3个月。
哦，那多有意义呀！对人民有价值的事，我就愿意做。
非常态巡检，需非常重视
我们定义非常态为脱离常态的运行情况，包括负载增减较大量或较大比例，重大变更，冗余变化等。负载的较大变化，必然带来整个系统的变化，设备的负载率变化，电缆载流量变化，接触点的温度变化；重大变更在数据中心运行中经常发生，也是问题多发原因，如，供电路径变化，原来备用回路变成了主用，备用回路的所有设备、线路都要经历考验，有一个环节出问题就影响很大面；制冷方式从冷机制冷变成了自然冷源，板换制冷，冷量可能不稳定或不充足，可能需要机械制冷来补充，冷机的启停次数增加，冷机故障率也增加；停电后电池短暂供电，电池可能有落后单体，导致供电时间不足，提前断电；市电供电变成了发电机供电，发电机的启动可能有问题、输出不稳定，运行不稳定等等。冗余变化，原来的冗余设备、冗余容量没有了，或减少了，应对突发故障的能力就降低了；或者冗余量增加，导致设备的平均带载率下降，引起输入、输出特性的变化，原来上下游匹配的系统变得不匹配。
可见，非常态是数据中心安全运行的最大威胁，是出问题最多的状态，非常态下，监控系统的作用没有降低，但监控系统有时也无能为力，无法提前预测和发现问题，这时就需要运维人员的及时介入。比如：UPS系统电池放电时，电池监控系统可以快速检测到每个单体电压的信息和变化，但基本不能检测到每个电池端子的温度变化，电池壳体的形态变化。如果有问题电池或端子未紧固，巨大的放电电流会导致电池着火，电池壳体爆裂，从而引发大的事故。这时，就需要运维人员在现场进行巡视检查，用红外成像仪快速检查每个单体温度变化。
因此，非常态需要运维人员重点巡检，以弥补监控系统的不足，及时发现和处置故障隐患。但多数数据中心的运维人员配置，没有按非常态来做，是按常态运维来做。认为非常态是少数情况，可以让运维人员加班加点来弥补，其实这是一个严重的误区。非常态的发生，通常不是一个点，而是一个面，很多关键点，有限的运维人员如何同时应付那么多关键点？比如：市电停电，切换到发电机供电，即使供电系统全自动模式，也需要运维人员及时到场查看，而不是等电没有供应上来，系统掉电了才去找原因。市电一掉，运维人员就需要立即到达各个环节点，UPS需要查看是否有供电中断，电池间需要人巡视电池，供电切换开关需要查看是否正常切换，市电开关是否跳闸分离，发电机需要查看是否正常启动供电，需要不停巡视检查。一套供电系统就牵涉到4-5个关键节点，需要4-5位电气人员，这时监控中心的人员需要全面监控，完全不可能支持到一线现场。因此，这时只有1-2位电气人员就无法应付全部局面，只能保重点，顾头不顾尾，难免控制不住异常的结果。
就是嘛，非常态时纵使我有三头六臂，也应付不过来。
天尊，您老给我多配几个助手呀！嗯，重要的事情说3遍，下面再说一遍：
巡检策略小结
适当减少常态巡检
增加专项巡检
非常态重点巡检
运维人员按非常态配置
小编推荐稿
认证 | 数据中心的毕业证书
运维人员该怎样管理？--纵论《数据中心设施运维管理指南》十二
消防安全警钟长鸣 --纵论《数据中心设施运维管理指南》十一
PUE指标能准确衡量数据中心能效吗？-关于POE指标的设想
数据中心为何在北上广深不受待见？
设计院工程师的地位为什么越来越低？
直击中国数据中心设施论坛-数据中心管理者闭门会议
当PUE成为一线城市数据中心建设入场券
IT负载率与数据中心规模
能耗指标与数据中心规模
中科仙络发布易捷维（Easy-Way）系列解决方案 全程助力数据中心运维
如果觉得《数据中心常态与非常态的巡检策略》对你有帮助，请点赞、收藏，并留下你的观点哦！
