對網(wǎng)絡(luò)設(shè)備、服務(wù)器和數(shù)據(jù)中心本身的監(jiān)控是數(shù)據(jù)中心最重要的任務(wù)之一。大部分相關(guān)規(guī)劃都集中在選擇有效的監(jiān)控解決方案和持續(xù)的數(shù)據(jù)中心網(wǎng)絡(luò)設(shè)備管理辦法方面。

一個有效的監(jiān)控方案對數(shù)據(jù)中心網(wǎng)絡(luò)維護是至關(guān)重要的，這是因為從某種程度上來說，數(shù)據(jù)中心在大部分時間里往往處于無人管理的狀態(tài)。多年來，我有過在許多數(shù)據(jù)中心工作的經(jīng)驗，根據(jù)我的經(jīng)驗，基本上不會有人被派來專門盯著數(shù)據(jù)中心等候問題出現(xiàn)。事實上，可能也不會有人長時間地待在數(shù)據(jù)中心。畢竟，數(shù)據(jù)中心又冷又吵，所以網(wǎng)絡(luò)管理員更喜歡在其它地方消磨時間。有時，管理員的工作地點甚至可能與數(shù)據(jù)中心不在同一幢大樓內(nèi)。在從業(yè)之初，我所工作的一家大型保險公司的數(shù)據(jù)中心就像一個地下倉庫。雖然數(shù)據(jù)中心是精心打造的，但只有保安人員定期在那里工作，其他人都在距此幾英里之外的另外一棟大樓內(nèi)工作。

無論管理員是在數(shù)據(jù)中心大樓內(nèi)還是在幾英里外的地方工作，都必須配置一套有效的警報機制。你不能只是設(shè)想恰巧有人走進數(shù)據(jù)中心并注意到控制臺屏幕上顯示了一個即將出現(xiàn)的問題。這就是為什么確保有一個良好的網(wǎng)絡(luò)管理和監(jiān)控方案是如此重要的原因所在。如果沒有，那可能只有當(dāng)報警鈴聲響起時我們才會意識到出了問題。

需要監(jiān)控什么？

數(shù)據(jù)中心有很多不同的東西需要監(jiān)控，因此我們需要制定大量的數(shù)據(jù)中心監(jiān)控規(guī)劃。有些人很可能認為數(shù)據(jù)中心監(jiān)控就是一直密切地觀察服務(wù)器的運行，但實際操作要復(fù)雜得多。比如，Microsoft's System Center Operations Manager在Windows Servers的監(jiān)控方面做得不錯，還可以部署到小型規(guī)劃中。但盡管如此，如果我們的服務(wù)器運行的是非Windows操作系統(tǒng)，它也是無法發(fā)揮作用的。

除了服務(wù)器操作系統(tǒng)和應(yīng)用程序之外，還有很多其它的因素需要我們進行監(jiān)控。比如，對數(shù)據(jù)中心溫度的觀察也很重要。大多數(shù)服務(wù)器都配有內(nèi)置安全機制，當(dāng)服務(wù)器的溫度超出某個特定值并且可能損壞服務(wù)器時，它就會讓服務(wù)器停機。一個好的監(jiān)控解決方案必須能夠及時報告數(shù)據(jù)中心環(huán)境的溫度，同時還應(yīng)該能夠在任何一臺服務(wù)器的溫度開始接近臨界水平時向我們發(fā)出警報。

電源管理方面的情況也是類似的。當(dāng)發(fā)生電源中斷時，通常來講備用電源會保持服務(wù)器在預(yù)先設(shè)定的時間范圍內(nèi)正常運行。更加復(fù)雜的數(shù)據(jù)中心也可能會依賴備用發(fā)電機。在任何情況下，我們都必須關(guān)注能源中斷現(xiàn)象，我們也必須知道在任意給定時間中需要多少備用電源。

一個好的監(jiān)控解決方案必須能夠提醒我們關(guān)注服務(wù)器硬件問題、操作系統(tǒng)故障、應(yīng)用故障、網(wǎng)絡(luò)硬件故障和環(huán)境問題。這可以說是一個苛刻的要求，同時這也是為什么說適當(dāng)?shù)囊?guī)劃至關(guān)重要的原因之一。據(jù)我所知，沒有一個監(jiān)控解決方案可以同時執(zhí)行所有這些功能。一般來講，網(wǎng)絡(luò)架構(gòu)師需要同時購置幾種監(jiān)控解決方案，并且將它們都安裝在系統(tǒng)上以發(fā)揮警報作用。這個警報可以以文本信息的形式發(fā)送到管理員的移動通信設(shè)備上，或者以郵件的形式發(fā)送到服務(wù)臺，或是以其它警報形式提醒管理員。重要的一點是所有的警報最終都必須被匯集到一個地方。

虛擬化技術(shù)使數(shù)據(jù)中心網(wǎng)絡(luò)監(jiān)控變得復(fù)雜化

當(dāng)我們采購監(jiān)控解決方案時，我們必須銘記這其中有許多因素需要考慮，比如說虛擬化，它會使監(jiān)控過程變得復(fù)雜化。例如，市場上有各種不同的可以監(jiān)控服務(wù)器硬件失效信號的監(jiān)控應(yīng)用軟件。諸如此類的應(yīng)用可以監(jiān)控到過高的服務(wù)器溫度、SMART磁盤警報、甚至是服務(wù)器制冷電扇的失效。但問題在于，如果監(jiān)控解決方案并不知道它是在監(jiān)控一臺虛擬服務(wù)器，它可能就無法監(jiān)控到會潛在影響服務(wù)器可用性的硬件問題。

監(jiān)控軟件應(yīng)該可以找出主機服務(wù)器硬件的問題。但是，當(dāng)主機存在風(fēng)險時，任何運行在主機上的虛擬機有可能也會存在風(fēng)險。因此，當(dāng)使用虛擬機時，我們需要有一種方法來區(qū)分物理服務(wù)器和虛擬服務(wù)器，并且知道哪些虛擬機是在哪些主機服務(wù)器上運行。同時，當(dāng)發(fā)生硬件問題時，我們還必須能夠快速地將客戶機轉(zhuǎn)移到其它主機服務(wù)器上。

最后要說的是，管理和監(jiān)控是同步進行的。只有管理能力到位才可以實現(xiàn)良好的監(jiān)控，特別是當(dāng)員工不在現(xiàn)場工作的情況下。例如，當(dāng)管理人員無法及時到達出現(xiàn)故障的服務(wù)器來阻止事故發(fā)生，如果監(jiān)測軟件可以告知我們將有重大故障出現(xiàn)，這該有多好？這就是說能夠監(jiān)控每臺數(shù)據(jù)中心服務(wù)器和硬件核心部件并與它們實現(xiàn)遠程交互是如此重要的原因所在。