डेटा सेंटरों में दुर्घटनाओं का मुख्य कारण कंप्यूटर और कुर्सी के बीच गैस्केट है

आधुनिक डेटा केंद्रों में प्रमुख दुर्घटनाओं का विषय ऐसे प्रश्न उठाता है जिनका उत्तर पहले लेख में नहीं दिया गया था - हमने इसे विकसित करने का निर्णय लिया।

अपटाइम इंस्टीट्यूट के आंकड़ों के अनुसार, डेटा केंद्रों में अधिकांश घटनाएं बिजली आपूर्ति प्रणाली विफलताओं से संबंधित हैं - वे 39% घटनाओं के लिए जिम्मेदार हैं। उनके बाद मानवीय कारक आता है, जो अन्य 24% दुर्घटनाओं के लिए जिम्मेदार है। तीसरा सबसे महत्वपूर्ण कारण (15%) एयर कंडीशनिंग सिस्टम की विफलता थी, और चौथे स्थान पर (12%) प्राकृतिक आपदाएँ थीं। अन्य परेशानियों का कुल हिस्सा केवल 10% है। किसी प्रतिष्ठित संगठन के डेटा पर सवाल उठाए बिना, हम विभिन्न दुर्घटनाओं में कुछ सामान्य बातों पर प्रकाश डालेंगे और यह समझने की कोशिश करेंगे कि क्या उन्हें टाला जा सकता था। स्पॉइलर: ज्यादातर मामलों में यह संभव है।

संपर्कों का विज्ञान

सीधे शब्दों में कहें तो बिजली आपूर्ति में केवल दो समस्याएं हैं: या तो वहां कोई संपर्क नहीं है जहां होना चाहिए, या वहां संपर्क है जहां नहीं होना चाहिए। आप आधुनिक निर्बाध बिजली आपूर्ति प्रणालियों की विश्वसनीयता के बारे में लंबे समय तक बात कर सकते हैं, लेकिन वे हमेशा आपको नहीं बचाते हैं। ब्रिटिश एयरवेज द्वारा उपयोग किए जाने वाले डेटा सेंटर के हाई-प्रोफाइल मामले को लें, जिसका स्वामित्व मूल कंपनी इंटरनेशनल एयरलाइंस ग्रुप के पास है। हीथ्रो हवाई अड्डे के पास दो ऐसी संपत्तियां स्थित हैं - बोडिसिया हाउस और कॉमेट हाउस। इनमें से पहले में, 27 मई, 2017 को, एक आकस्मिक बिजली कटौती हुई, जिसके कारण यूपीएस सिस्टम ओवरलोड हो गया और विफलता हुई। परिणामस्वरूप, कुछ आईटी उपकरण भौतिक रूप से क्षतिग्रस्त हो गए, और नवीनतम आपदा को हल करने में तीन दिन लग गए।

एयरलाइन को एक हजार से अधिक उड़ानें रद्द या पुनर्निर्धारित करनी पड़ीं, लगभग 75 हजार यात्री समय पर उड़ान भरने में असमर्थ थे - डेटा केंद्रों की कार्यक्षमता को बहाल करने के लिए आवश्यक लागतों की गिनती नहीं करते हुए, मुआवजे का भुगतान करने पर 128 मिलियन डॉलर खर्च किए गए थे। ब्लैकआउट के कारणों का इतिहास स्पष्ट नहीं है। यदि आप इंटरनेशनल एयरलाइंस ग्रुप के सीईओ विली वॉल्श द्वारा घोषित आंतरिक जांच के नतीजों पर विश्वास करते हैं, तो यह इंजीनियरों की गलती के कारण हुआ था। हालाँकि, निर्बाध बिजली आपूर्ति प्रणाली को इस तरह के शटडाउन का सामना करना पड़ा - इसीलिए इसे स्थापित किया गया था। डेटा सेंटर का प्रबंधन आउटसोर्सिंग कंपनी सीबीआरई मैनेज्ड सर्विसेज के विशेषज्ञों द्वारा किया जाता था, इसलिए ब्रिटिश एयरवेज ने लंदन की अदालत के माध्यम से क्षति की राशि वसूलने की कोशिश की।

बिजली कटौती समान परिदृश्यों में होती है: पहले बिजली आपूर्तिकर्ता की गलती के कारण ब्लैकआउट होता है, कभी-कभी खराब मौसम या आंतरिक समस्याओं (मानवीय त्रुटियों सहित) के कारण, और फिर निर्बाध बिजली आपूर्ति प्रणाली लोड या शॉर्ट का सामना नहीं कर पाती है -साइन वेव की अवधि में रुकावट के कारण कई सेवाएँ विफल हो जाती हैं, जिसकी बहाली में बहुत समय और पैसा लगता है। क्या ऐसी दुर्घटनाओं से बचना संभव है? निश्चित रूप से। यदि आप सिस्टम को सही ढंग से डिज़ाइन करते हैं, तो बड़े डेटा केंद्रों के निर्माता भी गलतियों से अछूते नहीं हैं।

मानव कारक

जब किसी घटना का तात्कालिक कारण डेटा सेंटर कर्मियों की गलत हरकतें होती हैं, तो समस्याएं अक्सर (लेकिन हमेशा नहीं) आईटी बुनियादी ढांचे के सॉफ्टवेयर हिस्से को प्रभावित करती हैं। ऐसी दुर्घटनाएँ बड़े निगमों में भी होती हैं। फरवरी 2017 में, डेटा केंद्रों में से एक के तकनीकी संचालन समूह के गलत तरीके से भर्ती किए गए टीम सदस्य के कारण, अमेज़ॅन वेब सर्विसेज सर्वर का हिस्सा अक्षम हो गया था। अमेज़ॅन सिंपल स्टोरेज सर्विस (S3) क्लाउड स्टोरेज ग्राहकों के लिए बिलिंग प्रक्रिया को डीबग करते समय एक त्रुटि हुई। एक कर्मचारी ने बिलिंग सिस्टम द्वारा उपयोग किए जाने वाले कई वर्चुअल सर्वर को हटाने का प्रयास किया, लेकिन एक बड़े क्लस्टर पर हमला कर दिया।

एक इंजीनियर त्रुटि के परिणामस्वरूप, महत्वपूर्ण अमेज़ॅन क्लाउड स्टोरेज सॉफ़्टवेयर मॉड्यूल चलाने वाले सर्वर हटा दिए गए थे। सबसे पहले प्रभावित इंडेक्सिंग सबसिस्टम था, जिसमें यूएस-ईस्ट-3 अमेरिकी क्षेत्र में सभी एस1 ऑब्जेक्ट के मेटाडेटा और स्थान के बारे में जानकारी शामिल है। इस घटना ने डेटा को होस्ट करने और भंडारण के लिए उपलब्ध स्थान का प्रबंधन करने के लिए उपयोग किए जाने वाले सबसिस्टम को भी प्रभावित किया। वर्चुअल मशीनों को हटाने के बाद, इन दो उपप्रणालियों को पूर्ण पुनरारंभ की आवश्यकता थी, और तब अमेज़ॅन इंजीनियर आश्चर्यचकित थे - लंबे समय तक, सार्वजनिक क्लाउड स्टोरेज ग्राहकों के अनुरोधों को पूरा करने में असमर्थ था।

प्रभाव व्यापक था, क्योंकि कई बड़े संसाधन Amazon S3 का उपयोग करते हैं। आउटेज ने ट्रेलो, कौरसेरा, आईएफटीटीटी और, सबसे अप्रिय रूप से, एसएंडपी 500 सूची के प्रमुख अमेज़ॅन भागीदारों की सेवाओं को प्रभावित किया। ऐसे मामलों में नुकसान की गणना करना मुश्किल है, लेकिन यह सैकड़ों मिलियन अमेरिकी डॉलर के क्षेत्र में था। जैसा कि आप देख सकते हैं, एक गलत कमांड सबसे बड़े क्लाउड प्लेटफ़ॉर्म की सेवा को अक्षम करने के लिए पर्याप्त है। यह कोई अलग मामला नहीं है; 16 मई, 2019 को रखरखाव कार्य के दौरान Yandex.Cloud सेवा हटाए गए ru-central1-c ज़ोन में उपयोगकर्ताओं की वर्चुअल मशीनें जो कम से कम एक बार निलंबित स्थिति में थीं। यहां क्लाइंट डेटा पहले ही क्षतिग्रस्त हो चुका है, जिनमें से कुछ अपरिवर्तनीय रूप से खो गया था। बेशक, लोग अपूर्ण हैं, लेकिन आधुनिक सूचना सुरक्षा प्रणालियाँ लंबे समय से विशेषाधिकार प्राप्त उपयोगकर्ताओं द्वारा दर्ज किए गए आदेशों को निष्पादित करने से पहले उनके कार्यों की निगरानी करने में सक्षम हैं। यदि ऐसे समाधान यांडेक्स या अमेज़ॅन में लागू किए जाते हैं, तो ऐसी घटनाओं से बचा जा सकता है।

जम कर ठंडा होना

जनवरी 2017 में मेगाफोन कंपनी के दिमित्रोव डेटा सेंटर में एक बड़ा हादसा हुआ था. तब मॉस्को क्षेत्र में तापमान -35 डिग्री सेल्सियस तक गिर गया, जिसके कारण सुविधा की शीतलन प्रणाली विफल हो गई। ऑपरेटर की प्रेस सेवा ने घटना के कारणों के बारे में विशेष रूप से बात नहीं की - रूसी कंपनियां अपनी सुविधाओं पर दुर्घटनाओं के बारे में बात करने में बेहद अनिच्छुक हैं; प्रचार के मामले में, हम पश्चिम से बहुत पीछे हैं। सड़क के किनारे बिछाए गए पाइपों में शीतलक के जमने और एथिलीन ग्लाइकॉल के रिसाव के बारे में सोशल नेटवर्क पर एक संस्करण प्रसारित हो रहा था। उनके अनुसार, लंबी छुट्टियों के कारण ऑपरेशन सेवा जल्दी से 30 टन शीतलक प्राप्त करने में असमर्थ थी और सिस्टम के संचालन के नियमों का उल्लंघन करते हुए, तात्कालिक फ्री-कूलिंग का आयोजन करते हुए, तात्कालिक साधनों का उपयोग करके बाहर निकल गई। भीषण ठंड ने बढ़ाई समस्या - जनवरी में अचानक रूस में सर्दी आ गई, हालांकि किसी को इसकी उम्मीद नहीं थी। परिणामस्वरूप, कर्मचारियों को सर्वर रैक के हिस्से की बिजली बंद करनी पड़ी, जिसके कारण कुछ ऑपरेटर सेवाएँ दो दिनों तक अनुपलब्ध रहीं।

संभवतः, हम यहां मौसम की विसंगति के बारे में बात कर सकते हैं, लेकिन राजधानी क्षेत्र के लिए ऐसी ठंड कोई असामान्य बात नहीं है। मॉस्को क्षेत्र में सर्दियों में तापमान निचले स्तर तक गिर सकता है, इसलिए डेटा सेंटर -42°C पर स्थिर संचालन की उम्मीद के साथ बनाए गए हैं। अक्सर, शीतलक समाधान में ग्लाइकोल की अपर्याप्त उच्च सांद्रता और अतिरिक्त पानी के कारण ठंड के मौसम में शीतलन प्रणालियाँ विफल हो जाती हैं। पाइपों की स्थापना या सिस्टम के डिज़ाइन और परीक्षण में ग़लत अनुमान लगाने में भी समस्याएं हैं, जो मुख्य रूप से पैसे बचाने की इच्छा से जुड़ी हैं। परिणामस्वरूप, अचानक एक गंभीर दुर्घटना घटित हो जाती है, जिसे रोका जा सकता था।

प्राकृतिक आपदाएं

अक्सर, आंधी और/या तूफान डेटा सेंटर के इंजीनियरिंग बुनियादी ढांचे को बाधित करते हैं, जिससे सेवा में रुकावट आती है और/या उपकरणों को भौतिक क्षति होती है। खराब मौसम के कारण होने वाली घटनाएं अक्सर होती रहती हैं। 2012 में, तूफान सैंडी ने संयुक्त राज्य अमेरिका के पश्चिमी तट पर भारी वर्षा की। पीयर 1 डेटा सेंटर लोअर मैनहट्टन में एक ऊंची इमारत में स्थित है बाहरी बिजली आपूर्ति खो गई, समुद्र का खारा पानी तहखानों में भर जाने के बाद। सुविधा के आपातकालीन जनरेटर 18वीं मंजिल पर स्थित थे, और उनकी ईंधन आपूर्ति सीमित थी - 9/11 के आतंकवादी हमलों के बाद न्यूयॉर्क में लागू किए गए नियम ऊपरी मंजिलों पर बड़ी मात्रा में ईंधन के भंडारण पर रोक लगाते हैं।

ईंधन पंप भी खराब हो गया, इसलिए कर्मचारियों को हाथ से जनरेटर तक डीजल पहुंचाने में कई दिन लग गए। टीम की वीरता ने डेटा सेंटर को एक गंभीर दुर्घटना से बचा लिया, लेकिन क्या यह वास्तव में आवश्यक था? हम नाइट्रोजन-ऑक्सीजन वातावरण और बहुत सारे पानी वाले ग्रह पर रहते हैं। यहां (विशेषकर तटीय क्षेत्रों में) आंधी और तूफ़ान आम हैं। डिज़ाइनरों के लिए संभवतः इसमें शामिल जोखिमों पर विचार करना और एक उपयुक्त निर्बाध विद्युत आपूर्ति प्रणाली का निर्माण करना अच्छा रहेगा। या कम से कम किसी द्वीप पर किसी ऊंची इमारत की तुलना में डेटा सेंटर के लिए अधिक उपयुक्त स्थान चुनें।

सबकुछ दूसरा

अपटाइम इंस्टीट्यूट इस श्रेणी में विभिन्न प्रकार की घटनाओं की पहचान करता है, जिनमें से किसी एक को चुनना मुश्किल है। तांबे के केबलों की चोरी, कारों का डेटा केंद्रों से टकराना, बिजली लाइन समर्थन और ट्रांसफार्मर सबस्टेशन, आग, खुदाई करने वाले ऑपरेटर प्रकाशिकी को नुकसान पहुंचाते हैं, कृंतक (चूहे, खरगोश और यहां तक ​​कि गर्भ, जो वास्तव में मार्सुपियल्स हैं), साथ ही साथ जो लोग शूटिंग का अभ्यास करना पसंद करते हैं तार - मेनू व्यापक है . बिजली गुल होने का भी कारण बन सकता है चोरी बिजली अवैध मारिजुआना बागान. ज्यादातर मामलों में, विशिष्ट लोग घटना के अपराधी बन जाते हैं, यानी हम फिर से मानवीय कारक से निपट रहे हैं, जब समस्या का एक नाम और उपनाम होता है। भले ही पहली नज़र में दुर्घटना किसी तकनीकी खराबी या प्राकृतिक आपदाओं से जुड़ी हो, इससे बचा जा सकता है, बशर्ते कि सुविधा ठीक से डिज़ाइन की गई हो और सही ढंग से संचालित की गई हो। एकमात्र अपवाद प्राकृतिक आपदा के कारण डेटा सेंटर के बुनियादी ढांचे को गंभीर क्षति या इमारतों और संरचनाओं के विनाश के मामले हैं। ये वास्तव में अप्रत्याशित घटनाएँ हैं, और अन्य सभी समस्याएँ कंप्यूटर और कुर्सी के बीच गैसकेट के कारण होती हैं - शायद यह किसी भी जटिल प्रणाली का सबसे अविश्वसनीय हिस्सा है।

स्रोत: www.habr.com