云平台服务器存储应急预案目录1目的 32适用范围 33规范内容 33.1故障分类 33.2应急准备 33.3具体措施 44故障处理规范 44.1机房停电 44.2主机故障 44.3存储系统故障 54.4云平台软件系统故障 54.5云平台管理服务器故障预防 54.6云平台日常告警故障排除 65硬件故障预防与排除 65.1故障预防 65.2故障排除 65.3故障处理 7目的为提高云平台服务器、存储故障处理能力,形成科学、有效、反应迅速的日常管理流程和应急处理机制,确保平台的安全和稳定运行,最大限度地减小故障对生产的影响,降低业务中断风险,特制定本规范。2适用范围本规范适用于提供云计算虚拟化平台服务的服务器、存储管理,应对发生和可能发生的故障。3规范内容服务器运维和应急处理应包括风险评估,检测体系和应急处理三个环节,合理有效的执行控制将防止故障影响扩大。3.1故障分类平台故障包括服务器硬件和存储系统故障;自然灾害(水、火、电等)造成的物理破坏;人为误操作造成的损害等。3.2应急准备部门责任人员明确职责和管理范围,根据实际情况,安排应急值班,确保到岗到人,联络畅通,处理及时准确。3.具体措(1)建立安全、可靠、稳定运行的机房环境,防火、防雷电、防水、防静电、防尘;建立备份电源系统。(2)虚拟化平台服务器应采用可靠、稳定、兼容性硬件,落实责任管理机制,遵守安全操作规范;对虚拟机和管理服务器进行定时备份;采用有效的虚拟化监控工具,及时发现问题和日报告。4故障处理规范4.1 机房停电接到停电通知后,相关人员应及时部署应对具体措施,启动备用电源,保证服务器正常运行。4.2主机故障(1)平台服务器出现硬件告警需要停机维护,服务器责任人应立即通知相关人员,将业务虚机迁移到集群中其他服务器主机上,再将故障服务器切换至维护模式并从 HA 集群中移除,负责陪同硬件厂家现场更换至成功恢复。(2)若服务器硬件 24 小时内无法恢复,服务器责任人需书面报告原因并立即通知业务管理人员进行数据应急备份,防止灾难扩大。3)若虚拟化存储硬件出现告警,第一目击人应立即通知存储管理员,并上报主管领导,存储管理员应在报告 1 小时内联系厂家到场处理,处理完成后因报告原因,找到解决方法;并立即对数据做完整性检查,消除重复发生隐患。4.3存储系统故障(1)做好存储系统的定时备份,一旦出现数据损坏、丢失,能够及时恢复系统。(2)发生存储系统故障后,相关人员应检查出现故障的原因并尽快排除。(3)如遇系统崩溃...