如今的數(shù)據(jù)中心已經(jīng)承載著太多的重要業(yè)務，人們的生活早已經(jīng)離不開數(shù)據(jù)中心，它已經(jīng)成為了人們生活的一部分，一旦數(shù)據(jù)中心發(fā)生故障將給人們帶來很多不便和經(jīng)濟損失。因為每當數(shù)據(jù)中心發(fā)生故障后，既然可以通過一些歷史記錄去還原故障的發(fā)生原貌，對數(shù)據(jù)中心的未來發(fā)展建設都會很有借鑒意義。

　　絕大多數(shù)的數(shù)據(jù)中心都是運行在固定的建筑當中，不過也有一些可以移動的數(shù)據(jù)中心，這些移動的數(shù)據(jù)中心在工作時也基本是在固定的位置，這就和飛機有最大的不同。飛機發(fā)生墜毀一切設備都無法再繼續(xù)工作，現(xiàn)場也會被破壞，而數(shù)據(jù)中心是在固定的位置，故障現(xiàn)場依然可以被很好地保留著，這就為故障分析提供了很好的參考依據(jù)。從以往數(shù)據(jù)中心發(fā)生的故障來看，主要有三類：自然災害；人為故障；設備故障，這三個方面。90%以上的故障都來自于這三個方面。

　　對于地震、火災、雷擊等天然災害，從故障現(xiàn)場的受損情況就可以分析出來。比如雷擊，會產(chǎn)生強大的沖擊電流，打到設備上，就會引起設備器件短路，產(chǎn)生瞬間的高壓，使電路急劇生溫，輕微的可引起設備短路故障，嚴重的還能引起火災。對于這些自然災害，數(shù)據(jù)中心也有很多的技術手段可以最大程度上避免災害的發(fā)生，針對每一種自然災害數(shù)據(jù)中心都需要加以重視，才能躲避開這些自然災害。比如增加機柜和機房地面的固定螺絲，安裝避雷針，增加放火報警系統(tǒng)和防火器材。當出現(xiàn)這些自然災害時，減少對數(shù)據(jù)中心的沖擊。

　　人為故障占到了數(shù)據(jù)中心的故障中的70%，其中也可以分為有意的和無意的。有意的是指明知道一些操作會造成數(shù)據(jù)中心故障，仍執(zhí)意去做的，這些人往往希望通過造成數(shù)據(jù)中心運行癱瘓，而達到不可告人的目的。常見的有黑客、情報人員、商業(yè)機密小偷等等，他們攻擊的對象往往是數(shù)據(jù)中心里的數(shù)據(jù)，通過造成數(shù)據(jù)中心故障來達到竊取或損壞數(shù)據(jù)的目的。無意的是指本意并不想破壞數(shù)據(jù)中心，但是由于自己的技術積累經(jīng)驗不夠或者疏忽，自己的操作引發(fā)了數(shù)據(jù)中心故障，這種故障占到了人為故障的80%以上。數(shù)據(jù)中心是一個復雜龐大的系統(tǒng)，不可能一個人面面俱到都精通，當接觸到自己不熟悉或不了解的地方，操作往往引發(fā)意想不到的結果，因此加強對人的管理尤為重要。在對數(shù)據(jù)中心做任何調整時，都要從全局考慮，集中最優(yōu)秀的技術人員，將人為操作風險降低。這類事故往往也很容易留下證據(jù)記錄，給事故分析帶來方便。幾乎所有的數(shù)據(jù)中心都有門禁系統(tǒng)、視頻監(jiān)控系統(tǒng)，任何人的出入都有記錄，很容易查到。有不少的數(shù)據(jù)中心提供遠程的訪問，那么所有的訪問操作在數(shù)據(jù)中心后臺數(shù)據(jù)中心都有記錄，訪問者對數(shù)據(jù)中心業(yè)務調整、修改配置、甚至重起設備等任何操作都會記錄在案，只要數(shù)據(jù)中心不是全面的毀滅，這些記錄都會在后臺的數(shù)據(jù)庫中查到，通過記錄的時間和訪問的人就可以查明人為事故的原因。

　　設備運行故障也是數(shù)據(jù)中心故障的一類，大型的數(shù)據(jù)中心擁有數(shù)千臺設備很普遍，這些電子設備難免運行中出現(xiàn)故障。一旦出現(xiàn)故障，就需要對設備進行分析，很多現(xiàn)場操作人員并不具備分析問題的能力，為了恢復業(yè)務，只能重起設備，或者將業(yè)務切割到別的備份設備上。當故障設備上沒有業(yè)務或者已經(jīng)重起了，其上很多時時記錄都會沖掉，這樣給故障分析帶來難度。很多時候故障的表現(xiàn)也并非集中在某一臺設備上，心急的操作人員可能將所有設備全部重啟或將業(yè)務全部割離，如果設備能提供詳細的歷史記錄，那么對于故障分析非常有幫助。數(shù)據(jù)中心不怕出故障，怕的是出了故障后找不到原因，這相當于給數(shù)據(jù)中心埋了一個定時炸彈。其實在很多高端設備上已經(jīng)增加了一些可以記錄歷史信息的模塊，比如采用NVRAM、EEPROM等非憶失性器件時時記錄設備運行的各種參數(shù)，當設備發(fā)生故障后，哪怕是設備發(fā)生了斷電，這些器件依然可以正常運行，記錄下來設備運行的各種參數(shù)，這些數(shù)據(jù)往往是故障后分析參考的最重要數(shù)據(jù)來源。當數(shù)據(jù)中心出現(xiàn)故障后，有的設備可以提供故障時設備運行的各種數(shù)據(jù)參數(shù)，非常具有說服力，有時也是證明自己設備沒有問題的重要信息，而一旦在故障后，一些設備沒有可分析的數(shù)據(jù)記錄，根本分不清是不是自己的問題，這樣的設備很快就會被數(shù)據(jù)中心所棄用。如果通過數(shù)據(jù)分析是自己設備的問題，那么設備商依然可以根據(jù)這些數(shù)據(jù)去優(yōu)化設備設計，從而避免這類故障的再次發(fā)生，讓設備運行更加穩(wěn)定。

　　數(shù)據(jù)中心也有各種各樣的監(jiān)控手段和歷史信息記錄，這些技術為數(shù)據(jù)中心的穩(wěn)定運行提供了保障，也是不斷推動數(shù)據(jù)中心完善的重要舉措。如同飛機上的黑匣子，數(shù)據(jù)中心也有自己的一套故障定位信息獲取方案，這些信息可以在一定程度上有效還原故障時數(shù)據(jù)中心的完貌，通過對這些數(shù)據(jù)分析，不僅可以找到故障原因，還可以根據(jù)這些故障對數(shù)據(jù)中心進行優(yōu)化，避免發(fā)生二次故障。