如今，数据中心关键设施的运营和维护（O&M）正受到与建设和设计这些复杂场所同等地位的对待。由于关键基础设施变得更加复杂，提高了容错性和并行维护能力，建立同等的O&M实践管理这些设施的重要性变得日益明显。研究显示，有60%甚至更多的事故都与人类的活动相关，包括例行的维护和关键系统的重新配置，维护任务以及人为失误。

　　支持连续运营的必要人员和程序必须在数据中心运行第一天到位，这需要在数据中心开始运营之前就做好这些准备工作，最好在规划和需求定义阶段就开始准备。

　　数据中心设计时的考虑

　　关键设施的高可用性通常需要复杂的冗余架构，如2N、2（N+1）或2（N+1）/3配置，要达到即使关键设备或系统失效，也要有足够的冗余支持业务不间断运行。

　　但如果受影响的基础设施未配置适当的手段隔离失效的设备，那在持续运行环境中，随后的修复或设备替换工作可能无法顺利进行，仍有可能需要将业务短暂中断。这意味着在设计和建设阶段就必须要考虑关键设备的连续运行需求，这就是所谓的可维护性设计。

　　建设、启动和调试

　　最好的设计也比不上施工期间的实施重要，在施工期间需要提供严格的质量监督和过程控制，需要经常检查各方面取得的进展。此外，在正式运营之前必须要进行试运行，同时要确保项目有适当的人员配置，并为工作人员提供良好的培训和练习机会，每天都要详细记录运行文档。

　　从设计阶段开始就应该执行可维护性审查，确保设计意图符合业主的需求和设施的性能预测标准，试运行还包括各种级别的测试和验证，包括工厂验收测试、装运和接收的要求，预功能性和性能测试，以及最终的集成测试。

　　数据中心O&M人员应该参加整个调试、施工、启动和现场测试过程，这为O&M人员提供了一次宝贵的学习机会，可以为今后的运营维护做好准备。

　　运营和维护人员及组织

　　指派运营和关键设施维护的人员时应深思熟虑，O&M人员上岗前应得到良好的培训。需要重点考虑的是运营和维护人员需要具备哪些技能，这个部门应该向谁报告？哪些应该由工作人员负责，哪些应该外包出去，应该具有什么样的服务水平协议？这些都应该考虑进去。

　　第一个问题应该是“一个O&M组织应该包含所有的关键和非关键O&M活动吗？”，理想情况下，应指定专人负责关键基础设施和非关键基础设施，连续运营需要保证系统7/24小时可用，应该为关键业务系统指派责任心强的专用工作人员，避免做其它工作导致分心。同样，关键O&M预算应该多一些。

　　运营&维护过程

　　运营和关键设施的维护不仅仅是一套程序，它应该是一个完整的战略，包括明确的目标和目的，明确的角色和职责，应将重点放在业务连续性上，需要配备足够的资源来保证目标能够顺利实现。

　　运维阶段应考虑数据中心什么时候最脆弱？最佳工作人员应是什么样子？晚上和周末，什么时候承包商和供应商最难抵达现场？工作日如果停电可能会有多大的影响？很显然，所有答案都与数据中心的重要性有关。如果数据中心只是在正常工作时间显得非常重要，那你可能得到的是一个答案，但如果数据中心在7/24小时范围内都很重要，那你的答案可能会不一样。

　　针对这些问题的答案，可以引出更多的问题。例如，关键零配件放在哪里的？需要环境调节或例行维护吗（像旋转设备润滑和维修弯曲的轴）？需要监测和控制系统吗？对系统进行操作需要什么专业知识和技能？哪些零配件是最关键的？哪些工具，设备和库存是必需的？需要一套电脑维护管理系统吗？如果需要，由谁来构建和配置呢？

　　一般的数据中心维护计划中可能会稍有不同，更倾向于关键设施和高端设备，大多数设施具有某种级别的常规维护计划。基于时间间隔或频率的例行维护被称为预防性维护，例如，对于特定的设备，每月可能都会检查一次，每季度都会检查和调整皮带，每6个月需要更换过滤器，每年需对传感器进行校准等。这样做的缺点是没有考虑真实的运营情况，如果考虑设备的实际运行情况，这些计划还可以进一步改进。改进的方法是实施基于条件的监测技术，让维护工作真正以真实运营情况而定。一个简单的例子是使用差压传感器监测筛选条件。当过滤器负载上升，△P增加，这个时候就应该替换过滤器了。

　　使用这些条件监测技术，对数据趋势加以分析，你可以提前预测何时应该执行维护操作，这就是所谓的预知性维护。阀值可以指定预警和报警条件，通过趋势分析，可以预测何时将超过阀值，甚至可以预测故障发生时间。

　　条件监测技术的一些例子包括振动分析，摩擦学（润滑分析）和红外热扫描，这些技术可以揭示设备的运行状况，这真的让人有些难以置信。

　　小结

　　在数据中心规划和建设期间，越早设计运营和维护计划越有利，否则可能就没有机会将O&M需求嵌入到数据中心设计和建设规划中去了。设计和建设数据中心应该是一笔不小的投资，需提前考虑关键设施、人员、程序和相关资源的重要性，总之要保证数据中心运营和维护正常化，使其达到预期的寿命。