数据中心自动巡检总出问题？这些故障修复方法很实用

机房是放置用于集中的数据中心设备的场地用房, 从前设备巡检依靠人工拿着一支笔伴随一张表在整座楼里来回跑动, 如今许多情况正逐渐朝着自动巡检系统转变。这套系统的确能够节省人力, 然而它并非安装之后就可以永恒安宁毫无问题的。在实际的运行进程当中, 自动巡检会遭遇各色各样的故障, 弄不好的话反向地会给运维带来麻烦。

自动巡检系统为啥总报错

最为常见的问题要数传感器数据异常了。在机房里面, 有温度传感器、湿度探头以及烟感探测器等各类设备, 常年处在高负荷运行的环境之内。部分设备的布线位置不太合理, 如此一来便导致信号受到干扰。比如说, 要是温感探头安装在空调出风口的正前方, 那它的温度读数就会忽高忽低, 系统每隔几分钟就会弹出一回告警。发生这种情形并不是设备真的损坏了, 而是部署位置存在不合适的地方。

首先, 要对传感器的布局予以重新梳理, 以此来防止设备直接朝着冷热通道, 这是解决方案初期要进行的操作。与此同时, 需给关键点位增添备用探头。这样做之后, 系统便能够自动对两组数据展开比对, 从而将明显的异常值去除, 该方案实际是比较简单的。

还有一个致使运维感到头疼的问题在于, 巡检机器人或者巡检摄像头出现的识别错误情况。机柜指示灯明明呈现绿色表明正常状态, 然而系统却将其识别为红色告警；设备标签存在部分磨损状况, OCR识别直接报告“未知设备”。这种故障大多是由于算法模型训练不够充分, 又或者是光线条件变化幅度太大所导致的。解决的办法是定期对识别模型进行更新, 尤其是针对机房里的老旧设备进行单独的标注训练。与此同时，在巡检路线上添加补光灯, 以此保证识别环境处于稳定状态。

数据采集链路断了怎么办

自动巡检最为惧怕的是数据无法上传上来, 不论巡检机器人行进至某个角落致使信号中断, 还是网络交换机端口出现松动进而使传感器处于离线状态之中, 诸如此类故障会径直让自动巡检转变成为“瞎子巡检”, 众多运维人员的首要反应是重启设备, 然而根源常常是网络架构未对巡检设备的特殊需求予以考量, 机房里金属机柜数量众多、电磁干扰强烈, 普通WiFi覆盖不足够, 巡检机器人走到机柜的背后便易于出现掉线情况。

着手规划自动巡检系统之际, 要开展信号覆盖仿真, 对巡检机器人行走路线上信号强度逐个作测量, 依据此测量结果, 要是信号强度不够, 就添加相应数量的AP增强信号强度。说到固定传感器, 建议采用有线和无线双链路设置, 这样就算其中一条链路中断, 另一条链路也能维持系统正常运行。解决方案事实上并不复杂。

要是已然出现频繁断联的状况了, 那就能够采取好些措施去解决问题。一方面, 可进行加装信号中继器的操作, 借由这样做来提升信号传输的能力；另一方面, 能够对巡检任务执行时间段予以调整, 经由巧妙避开网络高峰期, 进而降低网络拥堵给巡检系统造成的影响。另外, 数据采集服务器的硬盘空间也是需要去着重留意的, 像日志写满、数据库连接池耗尽这类情况, 会直接使得新数据写入失败, 进而致使自动巡检系统停止工作。

末尾再说上一句, 自动巡检系统从本质上来说是一种工具, 它能够协助你去发现问题, 然而要解决系统自身所存在的问题, 还得依靠运维团队所具备的经验。千万别期望一套系统安装好之后就一切都没问题了, 巡检路线的优化、传感器的校准、网络的加固这些该做的事情, 一样都不能欠缺。唯有把基础夯实牢固, 自动巡检才能够切实成为数据中心的“眼睛”。