ડેટા સેન્ટર્સમાં અકસ્માતોનું મુખ્ય કારણ કમ્પ્યુટર અને ખુરશી વચ્ચેનું ગાસ્કેટ છે

આધુનિક ડેટા કેન્દ્રોમાં મોટા અકસ્માતોનો વિષય એવા પ્રશ્નો ઉભા કરે છે જેનો પ્રથમ લેખમાં જવાબ આપવામાં આવ્યો ન હતો - અમે તેને વિકસાવવાનું નક્કી કર્યું છે.

અપટાઇમ ઇન્સ્ટિટ્યૂટના આંકડા અનુસાર, ડેટા સેન્ટર્સમાં મોટાભાગની ઘટનાઓ પાવર સપ્લાય સિસ્ટમની નિષ્ફળતા સાથે સંબંધિત છે - તે 39% ઘટનાઓ માટે જવાબદાર છે. તેઓ માનવ પરિબળ દ્વારા અનુસરવામાં આવે છે, જે અન્ય 24% અકસ્માતો માટે જવાબદાર છે. ત્રીજું સૌથી મહત્વનું કારણ (15%) એર કન્ડીશનીંગ સિસ્ટમની નિષ્ફળતા હતી અને ચોથા સ્થાને (12%) કુદરતી આફતો હતી. અન્ય મુશ્કેલીઓનો કુલ હિસ્સો માત્ર 10% છે. આદરણીય સંસ્થાના ડેટા પર પ્રશ્ન કર્યા વિના, અમે વિવિધ અકસ્માતોમાં સામાન્ય કંઈક પ્રકાશિત કરીશું અને તે સમજવાનો પ્રયાસ કરીશું કે શું તે ટાળી શકાયું હોત. સ્પોઇલર: મોટાભાગના કિસ્સાઓમાં તે શક્ય છે.

સંપર્કોનું વિજ્ઞાન

તેને સરળ રીતે કહીએ તો, વીજ પુરવઠામાં માત્ર બે સમસ્યાઓ છે: ક્યાં તો તે જ્યાં હોવો જોઈએ ત્યાં કોઈ સંપર્ક નથી, અથવા ત્યાં સંપર્ક છે જ્યાં સંપર્ક ન હોવો જોઈએ. તમે આધુનિક અવિરત પાવર સપ્લાય સિસ્ટમ્સની વિશ્વસનીયતા વિશે લાંબા સમય સુધી વાત કરી શકો છો, પરંતુ તે હંમેશા તમને બચાવતા નથી. બ્રિટિશ એરવેઝ દ્વારા ઉપયોગમાં લેવાતા ડેટા સેન્ટરનો હાઇ-પ્રોફાઇલ કેસ લો, જે મૂળ કંપની ઇન્ટરનેશનલ એરલાઇન્સ ગ્રૂપની માલિકીની છે. હીથ્રો એરપોર્ટ પાસે આવી બે પ્રોપર્ટી આવેલી છે - બોડીસિયા હાઉસ અને કોમેટ હાઉસ. તેમાંથી પ્રથમ, 27 મે, 2017 ના રોજ, આકસ્મિક પાવર આઉટેજ થયો, જેના કારણે ઓવરલોડ અને UPS સિસ્ટમની નિષ્ફળતા થઈ. પરિણામે, કેટલાક IT સાધનોને ભૌતિક રીતે નુકસાન થયું હતું, અને નવીનતમ આપત્તિને ઉકેલવામાં ત્રણ દિવસનો સમય લાગ્યો હતો.

એરલાઈને એક હજારથી વધુ ફ્લાઈટ્સ કેન્સલ અથવા રિશેડ્યૂલ કરવી પડી હતી, લગભગ 75 હજાર મુસાફરો સમયસર ઉડાન ભરી શક્યા ન હતા - ડેટા સેન્ટર્સની કાર્યક્ષમતાને પુનઃસ્થાપિત કરવા માટે જરૂરી ખર્ચની ગણતરી ન કરતાં $128 મિલિયન વળતર ચૂકવવા માટે ખર્ચવામાં આવ્યા હતા. બ્લેકઆઉટના કારણોનો ઇતિહાસ અસ્પષ્ટ છે. જો તમે ઈન્ટરનેશનલ એરલાઈન્સ ગ્રુપના સીઈઓ વિલી વોલ્શ દ્વારા જાહેર કરાયેલી આંતરિક તપાસના પરિણામો પર વિશ્વાસ કરો છો, તો તે એન્જિનિયરોની ભૂલને કારણે થયું હતું. જો કે, અવિરત પાવર સપ્લાય સિસ્ટમને આવા શટડાઉનનો સામનો કરવો પડ્યો હતો - તેથી જ તે ઇન્સ્ટોલ કરવામાં આવ્યું હતું. ડેટા સેન્ટરનું સંચાલન આઉટસોર્સિંગ કંપની CBRE મેનેજ્ડ સર્વિસિસના નિષ્ણાતો દ્વારા કરવામાં આવ્યું હતું, તેથી બ્રિટિશ એરવેઝે લંડનની કોર્ટ દ્વારા નુકસાનની રકમ વસૂલવાનો પ્રયાસ કર્યો હતો.

સમાન પરિસ્થિતિઓમાં પાવર આઉટેજ થાય છે: પ્રથમ વીજળી સપ્લાયરની ખામીને કારણે બ્લેકઆઉટ થાય છે, કેટલીકવાર ખરાબ હવામાન અથવા આંતરિક સમસ્યાઓ (માનવ ભૂલો સહિત), અને પછી અવિરત વીજ પુરવઠો સિસ્ટમ લોડ અથવા ટૂંકા સમયનો સામનો કરી શકતી નથી. - સાઈન વેવના ટર્મ વિક્ષેપને કારણે ઘણી સેવાઓની નિષ્ફળતા થાય છે, જેના કારણે પુનઃસ્થાપિત કરવામાં ઘણો સમય અને પૈસા લાગે છે. શું આવા અકસ્માતો ટાળવા શક્ય છે? બેશક. જો તમે સિસ્ટમને યોગ્ય રીતે ડિઝાઇન કરો છો, તો મોટા ડેટા કેન્દ્રોના નિર્માતાઓ પણ ભૂલોથી મુક્ત નથી.

માનવ પરિબળ

જ્યારે ઘટનાનું તાત્કાલિક કારણ ડેટા સેન્ટરના કર્મચારીઓની ખોટી ક્રિયાઓ હોય છે, ત્યારે સમસ્યાઓ મોટાભાગે (પરંતુ હંમેશા નહીં) IT ઈન્ફ્રાસ્ટ્રક્ચરના સોફ્ટવેર ભાગને અસર કરે છે. મોટા કોર્પોરેશનોમાં પણ આવા અકસ્માતો થાય છે. ફેબ્રુઆરી 2017 માં, ડેટા સેન્ટરોમાંથી એકના ટેક્નિકલ ઑપરેશન ગ્રૂપની ખોટી રીતે ભરતી કરાયેલી ટીમના સભ્યને કારણે, એમેઝોન વેબ સર્વિસ સર્વર્સનો ભાગ અક્ષમ કરવામાં આવ્યો હતો. એમેઝોન સિમ્પલ સ્ટોરેજ સર્વિસ (S3) ક્લાઉડ સ્ટોરેજ ગ્રાહકો માટે બિલિંગ પ્રક્રિયાને ડિબગ કરતી વખતે એક ભૂલ આવી. એક કર્મચારીએ બિલિંગ સિસ્ટમ દ્વારા ઉપયોગમાં લેવાતા સંખ્યાબંધ વર્ચ્યુઅલ સર્વર્સને કાઢી નાખવાનો પ્રયાસ કર્યો, પરંતુ એક મોટા ક્લસ્ટરને ફટકાર્યો.

એન્જિનિયરની ભૂલના પરિણામે, મહત્વપૂર્ણ એમેઝોન ક્લાઉડ સ્ટોરેજ સોફ્ટવેર મોડ્યુલ ચલાવતા સર્વર્સ કાઢી નાખવામાં આવ્યા હતા. પ્રથમ અસરગ્રસ્ત અનુક્રમણિકા સબસિસ્ટમ હતી, જેમાં યુએસ-પૂર્વ-3 અમેરિકન પ્રદેશમાં તમામ S1 ઑબ્જેક્ટ્સના મેટાડેટા અને સ્થાન વિશેની માહિતી શામેલ છે. આ ઘટનાએ ડેટા હોસ્ટ કરવા અને સ્ટોરેજ માટે ઉપલબ્ધ જગ્યાનું સંચાલન કરવા માટે વપરાતી સબસિસ્ટમને પણ અસર કરી. વર્ચ્યુઅલ મશીનો કાઢી નાખ્યા પછી, આ બે સબસિસ્ટમને સંપૂર્ણ પુનઃપ્રારંભની આવશ્યકતા હતી, અને પછી એમેઝોન એન્જિનિયરો આશ્ચર્યચકિત હતા - લાંબા સમય સુધી, સાર્વજનિક ક્લાઉડ સ્ટોરેજ ગ્રાહકોની વિનંતીઓને સેવા આપવા માટે અસમર્થ હતું.

અસર વ્યાપક હતી, કારણ કે ઘણા મોટા સંસાધનો Amazon S3 નો ઉપયોગ કરે છે. આઉટેજને કારણે Trello, Coursera, IFTTT અને સૌથી અપ્રિય રીતે, S&P 500 સૂચિમાંથી મુખ્ય એમેઝોન ભાગીદારોની સેવાઓને અસર થઈ. આવા કિસ્સાઓમાં નુકસાનની ગણતરી કરવી મુશ્કેલ છે, પરંતુ તે સેંકડો મિલિયન યુએસ ડોલરના ક્ષેત્રમાં હતું. જેમ તમે જોઈ શકો છો, સૌથી મોટા ક્લાઉડ પ્લેટફોર્મની સેવાને અક્ષમ કરવા માટે એક ખોટો આદેશ પૂરતો છે. આ એક અલગ કેસ નથી; મે 16, 2019 ના રોજ, જાળવણી કાર્ય દરમિયાન, Yandex.Cloud સેવા કાઢી નાખ્યું ru-central1-c ઝોનમાં વપરાશકર્તાઓના વર્ચ્યુઅલ મશીનો કે જે ઓછામાં ઓછા એક વખત સસ્પેન્ડેડ સ્થિતિમાં હતા. ક્લાયન્ટ ડેટા અહીં પહેલાથી જ ક્ષતિગ્રસ્ત થઈ ગયો છે, જેમાંથી કેટલાક અપ્રિય રીતે ખોવાઈ ગયા હતા. અલબત્ત, લોકો અપૂર્ણ છે, પરંતુ આધુનિક માહિતી સુરક્ષા સિસ્ટમ લાંબા સમયથી વિશેષાધિકૃત વપરાશકર્તાઓની ક્રિયાઓ પર દેખરેખ રાખવામાં સક્ષમ છે જે તેઓએ દાખલ કરેલા આદેશોને અમલમાં મૂક્યા છે. જો આવા સોલ્યુશન્સ યાન્ડેક્સ અથવા એમેઝોનમાં લાગુ કરવામાં આવે તો આવી ઘટનાઓ ટાળી શકાય છે.

સ્થિર ઠંડક

જાન્યુઆરી 2017 માં, મેગાફોન કંપનીના દિમિત્રોવ ડેટા સેન્ટરમાં એક મોટો અકસ્માત થયો હતો. પછી મોસ્કો પ્રદેશમાં તાપમાન ઘટીને −35 °C થઈ ગયું, જે સુવિધાની ઠંડક પ્રણાલીની નિષ્ફળતા તરફ દોરી ગયું. ઑપરેટરની પ્રેસ સર્વિસે ખાસ કરીને ઘટનાના કારણો વિશે વાત કરી ન હતી - રશિયન કંપનીઓ તેમની માલિકીની સુવિધાઓ પર અકસ્માતો વિશે વાત કરવામાં અત્યંત અનિચ્છા ધરાવે છે; પ્રચારની દ્રષ્ટિએ, અમે પશ્ચિમથી ઘણા પાછળ છીએ. શેરીમાં બિછાવેલી પાઈપોમાં શીતકને ઠંડું પાડવા અને ઇથિલિન ગ્લાયકોલના લિકેજ વિશે સોશિયલ નેટવર્ક પર એક સંસ્કરણ ફરતું હતું. તેણીના જણાવ્યા મુજબ, લાંબી રજાઓને કારણે ઓપરેશન સેવા ઝડપથી 30 ટન શીતક મેળવવામાં અસમર્થ હતી અને સિસ્ટમના સંચાલન માટેના નિયમોના ઉલ્લંઘનમાં ઇમ્પ્રુવાઇઝ્ડ ફ્રી-કૂલિંગનું આયોજન કરીને ઇમ્પ્રુવાઇઝ્ડ માધ્યમોનો ઉપયોગ કરીને બહાર નીકળી ગઇ હતી. ગંભીર ઠંડીએ સમસ્યાને વધારી દીધી - જાન્યુઆરીમાં, શિયાળો અચાનક રશિયામાં આવ્યો, જોકે કોઈએ તેની અપેક્ષા નહોતી કરી. પરિણામે, સ્ટાફને સર્વર રેક્સના અમુક ભાગમાં પાવર બંધ કરવો પડ્યો હતો, જેના કારણે કેટલાક ઓપરેટર સેવાઓ બે દિવસથી અનુપલબ્ધ હતી.

સંભવતઃ, આપણે અહીં હવામાનની વિસંગતતા વિશે વાત કરી શકીએ છીએ, પરંતુ રાજધાની પ્રદેશ માટે આવા હિમ કંઈક અસામાન્ય નથી. મોસ્કો પ્રદેશમાં શિયાળામાં તાપમાન નીચા સ્તરે જઈ શકે છે, તેથી −42°C પર સ્થિર કામગીરીની અપેક્ષા સાથે ડેટા સેન્ટર બનાવવામાં આવ્યા છે. મોટેભાગે, શીતકના દ્રાવણમાં ગ્લાયકોલની અપૂરતી ઊંચી સાંદ્રતા અને વધારાનું પાણી હોવાને કારણે ઠંડા હવામાનમાં ઠંડક પ્રણાલી નિષ્ફળ જાય છે. પાઈપોની સ્થાપનામાં અથવા સિસ્ટમની ડિઝાઇન અને પરીક્ષણમાં ખોટી ગણતરીઓ સાથે પણ સમસ્યાઓ છે, જે મુખ્યત્વે નાણાં બચાવવાની ઇચ્છા સાથે સંકળાયેલી છે. પરિણામે, વાદળીમાંથી ગંભીર અકસ્માત થાય છે, જે અટકાવી શકાયું હોત.

કુદરતી આપત્તિઓ

મોટાભાગે, વાવાઝોડા અને/અથવા વાવાઝોડા ડેટા સેન્ટરના એન્જિનિયરિંગ ઇન્ફ્રાસ્ટ્રક્ચરને વિક્ષેપિત કરે છે, જે સેવામાં વિક્ષેપ અને/અથવા સાધનોને ભૌતિક નુકસાન તરફ દોરી જાય છે. ખરાબ હવામાનને કારણે ઘટનાઓ ઘણી વાર બને છે. 2012 માં, હરિકેન સેન્ડી ભારે વરસાદ સાથે યુનાઇટેડ સ્ટેટ્સના પશ્ચિમ કિનારે વહી ગયું હતું. પીઅર 1 ડેટા સેન્ટર, લોઅર મેનહટનમાં એક બહુમાળી ઇમારતમાં સ્થિત છે બાહ્ય વીજ પુરવઠો ખોવાઈ ગયો, ખારા દરિયાના પાણી પછી ભોંયરાઓ છલકાઇ ગયા. સુવિધાના ઇમરજન્સી જનરેટર્સ 18મા માળે સ્થિત હતા, અને તેમનો ઇંધણ પુરવઠો મર્યાદિત હતો - 9/11ના આતંકવાદી હુમલા પછી ન્યૂયોર્કમાં રજૂ કરાયેલા નિયમોમાં ઉપરના માળ પર મોટી માત્રામાં ઇંધણ સંગ્રહિત કરવા પર પ્રતિબંધ છે.

ઇંધણ પંપ પણ નિષ્ફળ ગયો હતો, તેથી કર્મચારીઓએ હાથથી જનરેટર સુધી ડીઝલ પહોંચાડવામાં ઘણા દિવસો પસાર કર્યા. ટીમની વીરતાએ ડેટા સેન્ટરને ગંભીર અકસ્માતમાંથી બચાવી લીધું, પરંતુ શું તે ખરેખર જરૂરી હતું? આપણે નાઇટ્રોજન-ઓક્સિજન વાતાવરણ અને પુષ્કળ પાણી ધરાવતા ગ્રહ પર રહીએ છીએ. વાવાઝોડું અને વાવાઝોડું અહીં સામાન્ય છે (ખાસ કરીને દરિયાકાંઠાના વિસ્તારોમાં). ડિઝાઇનર્સ સંભવતઃ સંકળાયેલા જોખમોને ધ્યાનમાં લેવા અને યોગ્ય અવિરત વીજ પુરવઠા પ્રણાલીનું નિર્માણ કરવાનું સારું કરશે. અથવા ઓછામાં ઓછા ડેટા સેન્ટર માટે ટાપુ પરની ઊંચી ઇમારત કરતાં વધુ યોગ્ય સ્થાન પસંદ કરો.

અન્ય બધુ જ

અપટાઇમ ઇન્સ્ટિટ્યૂટ આ કેટેગરીમાં વિવિધ પ્રકારની ઘટનાઓને ઓળખે છે, જેમાંથી એક સામાન્ય પસંદ કરવી મુશ્કેલ છે. કોપર કેબલની ચોરી, ડેટા સેન્ટરમાં અથડાતી કાર, પાવર લાઇન સપોર્ટ અને ટ્રાન્સફોર્મર સબસ્ટેશન, આગ, એક્સેવેટર ઓપરેટર્સ જે ઓપ્ટિક્સને નુકસાન પહોંચાડે છે, ઉંદરો (ઉંદરો, સસલા અને ગર્ભાશય પણ, જે વાસ્તવમાં માર્સુપિયલ્સ છે), તેમજ જેઓ શૂટિંગ કરવાનું પસંદ કરે છે. વાયર - મેનુ વ્યાપક છે. પાવર નિષ્ફળતા પણ કારણ બની શકે છે ચોરી વીજળી ગેરકાયદે ગાંજાના વાવેતર. મોટાભાગના કિસ્સાઓમાં, ચોક્કસ લોકો ઘટનાના ગુનેગાર બની જાય છે, એટલે કે જ્યારે સમસ્યાનું નામ અને અટક હોય ત્યારે આપણે ફરીથી માનવ પરિબળ સાથે વ્યવહાર કરીએ છીએ. જો પ્રથમ નજરમાં અકસ્માત ટેકનિકલ ખામી અથવા કુદરતી આફતો સાથે સંકળાયેલો હોય તો પણ, જો સુવિધા યોગ્ય રીતે ડિઝાઇન અને યોગ્ય રીતે સંચાલિત હોય તો તેને ટાળી શકાય છે. માત્ર અપવાદો ડેટા સેન્ટર ઈન્ફ્રાસ્ટ્રક્ચરને ગંભીર નુકસાન અથવા કુદરતી આપત્તિને કારણે ઈમારતો અને માળખાઓના વિનાશના કિસ્સાઓ છે. આ ખરેખર ફોર્સ મેજેઅર સંજોગો છે, અને અન્ય બધી સમસ્યાઓ કમ્પ્યુટર અને ખુરશી વચ્ચેના ગાસ્કેટને કારણે થાય છે - કદાચ આ કોઈપણ જટિલ સિસ્ટમનો સૌથી અવિશ્વસનીય ભાગ છે.

સોર્સ: www.habr.com