BOSS容災亟待解決

 

    在國內，電信運營商經過兩年時間對BOSS系統規劃、設定，整個BOSS已形成一個集中建設的系統，就是說所有的雞蛋都存在了一個籃子里。我們看一下這個籃子在處理什么問題：計費系統每天處理5000萬話單；營業系統每天受理15萬筆業務；客服系統每天受理30萬筆投訴；結算系統每天處理2000萬話單，每天產能會創造5000萬的產值。如果這個系統癱瘓了，最直接的損失就是收入損失，損失一個小時的話單就是幾百萬。如果營業系統出了問題，沒有辦法交費，沒有辦法開通就會引來客戶的投訴，最終導致客戶的流失。這一嚴峻的事實使得許多企業開始重視容災系統的建設。

 

    目前，有兩大因素會造成BOSS系統的災難，或者說造成BOSS系統業務的中斷：一、計劃內。軟件升級、數據中心遷移等等都會造成停機；二、計劃外。自然災害、軟件故障、硬件故障、人為因素，比如說磁盤的損壞，電源斷電，誤操作等等都會造成業務系統的中斷。由此可見，BOSS系統面臨著很大的安全隱患，所以我們在設計BOSS的時候，要針對不同的原因，采取不同的手段和方法去規劃和建設自己的BOSS容災系統。

 

    容災系統建設的方法論

 

    容災系統的建設流程是圍繞BOSS業務為核心的封閉式流程，容災建設不是一個項目，因為一個項目有完成的時候，而容災永遠與業務一起運作。若要構建一個完善的容災系統，首先要進行需求分析，根據結果設計容災系統的建設流程，然后通過合適的參數確定容災目標以及容災需要的技術支持，最后是系統運行維護的管理。在整個系統設計中，技術是一個最簡單的環節，相對來說流程設計是最復雜的環節。而需求分析和運行維護是兩個非常重要的環節。下面我們分別對這四個階段所要開展的工作進行介紹。

 

    在需求分析階段需要分析企業存在的業務損失和業務風險，然后確定容災目標。通常給企業帶來損失的直接因素是收入損失，客戶流失、訴訟、公司信譽、股價下跌等等都是間接因素，但是往往直接因素是小部分，間接因素是大部分。對不同系統進行業務分析，是為了確定容災目標：其一是RPO，即業務恢復點目標，代表允許業務數據丟失的程度，如果某個業務的指標是零，就代表這項業務不允許一點數據丟失；另一個是RTO，即業務恢復時間目標，代表業務恢復所需要的時間，就是能夠容忍業務中斷的時間。

 

    以一個省級電信公司的容災系統為例，營業系統RPO為零，RTO要求2小時恢復；客服系統RTO要2小時恢復，RPO是2小時。在確定系統目標的時候，需要有一套完善的評估方式，要針對各省業務的不同和損失的不同，確定相應的容災目標。因為目標的高低會直接影響后面技術的選擇，及企業投資的大小。

 

    在確定業務恢復點和業務恢復時間之后，我們還要確定容災地點的選擇，即選擇多長的距離來運行容災系統。選擇的依據之一是保證容災點的機房環境；其次要保證交通、人員到達便利；然后是容災類型的確定，不同的地理環境會影響容災的建設。兩個地點距離越遠，差異點越少，容災類型會越少，但是在制定容災目標的時候，都會約束我們的目標設定。在需求分析階段，我們還要確定容災的級別，通常包含兩個級別；數據級容災和應用級的容災。數據級容災主要針對系統數據和交易數據的保護；應用級容災是在數據級容災的基礎上，再把執行應用處理能力復制一份，對最重要的數據進行保護。

 

    通過以上的需求分析，我們可以制定好容災系統的建設目標，在目標確定好后，下一步就進入流程設計階段。在該階段，會涉及到三個主要技術環節。首先是數據復制，它是容災系統關鍵核心部分，就是要把數據從生產結點復制到容災結點上去，在設計原則上要保證數據的完整性、一致性和可驗證性。數據復制后，容災系統還要建立相應的處理能力，保證應用切換到容災結點。由于業務運行時，不僅僅有IT的參與，還有人員、流程的參與，所以切換的目標一定是業務，它的評價指標就是RTO。再就是資源復用，保證整個投資有復用的價值。容災系統是一個非常大的投資，很多人都感覺容災系統就是買個保險，其實它跟保險不一樣。保險是只有在系統出問題以后才起作用，不出事保險不用賠。但是容災系統不是這樣，要隨時檢驗數據是不是可靠，是不是可以讀取出來，所以資源復用是非常重要的。

 

    通過容災建設后，整個BOSS系統會有進一步的提高。但在系統發生問題或意外時，應優先選擇什么樣的技術作為系統恢復的手段都有一定的講究。不是出現任何問題就切換到容災結點上，因為切換一次容災，它的成本跟其它技術成本相比是最高的，所以我們最好優先選擇，盡量不啟動容災系統。

 

    管理流程的制定是BOSS容災系統建設的一個最重要環節。容災系統不是建設一個項目，而是再建一種制度，一種風險抵御制度。因此，需要建立容災的規范和應急處理流程，以及一個緊急事件的處理機構，經過不斷地測試、演習來完善我們的容災系統。