依我過去幾年所見，系統宕機最主要成因是硬件故障。不管是服務器硬件還是基礎設施（數據中心電源或者制冷設備），硬件故障使得系統損壞，造成運行中斷，比用戶人為錯誤或者軟件配置錯誤造成的故障都要多。

工作人員的士氣遭受了宕機的挑戰。在宕機時，必須支持鼓勵工作人員的工作，使他們有足夠士氣修復錯誤，令服務重回正軌，至于批評還是留在解決完問題之后吧。當IT人員肩負壓力，努力解決宕機時，管理層不能揪住他們的脖子說：“這都是你們的錯！怎么還沒修好？”這會讓他們精神崩潰的。不如等機器運轉正常，服務恢復之后，開個會好好討論一下故障的起因、解決措施，做好決議。

診斷和解決運行中斷，確實比起日常的管理壓力要大。對于管理層來說，讓IT人員加班加點修復，在短期內把問題解決，這樣做會導致IT人員身心的雙重疲勞。由此可能會導致更多問題。

管理層應當意識到IT人員需要付出多少額外的努力和時間，并公開承認這事實。所以應當給他們一定的休假來補償加班花費的額外時間，總之要把他們當人，而不是當機器人。

做好計劃可以減少宕機。比如說：時機合適的管理步驟改變，造成計劃內的運行中斷要好于意外斷電。

在技巧方面，敏捷的頭腦最為重要。打破慣例思考問題，盡可能快地提出解決方法。有時候修復也與“大力膠鐵絲網”有關，這也可以，只要你能做出計劃好的維護窗口期，能夠應對長期解決方案就行。

最糟的狀況 最好的方法

我們知道了，預防宕機沒有絕對的方法。人和裝置太多，對于各個因素的依賴也越來越多，導致公司已經無法控制。所以預防系統宕機的工作固然重要，仔細考慮發生宕機以后每一步該做什么同樣重要。宕機之后，有很多東西值得學習，明智的企業會通過宕機，吸取教訓，提升自己。

原文鏈接：http://www.searchdatacenter.com.cn/showcontent_51366.htm