如今，企業(yè)采取各種措施不讓意外停機時間中斷其數(shù)據(jù)中心業(yè)務(wù)。而進(jìn)行電源循環(huán)測試，以主動監(jiān)控系統(tǒng)并以有條不紊，有序的方式識別硬件故障是一種很好的措施。

由于在數(shù)據(jù)中心日常操作期間可能不會使用IT系統(tǒng)的所有部分，因此IT組件可能會失效或軟件模塊可能崩潰，但系統(tǒng)可能會正常運行數(shù)月甚至數(shù)年。在系統(tǒng)重新啟動（通常意外）之前，故障可能無法顯示，從而導(dǎo)致意外的工作負(fù)載中斷和停機時間。而企業(yè)需要通過周期性電源循環(huán)測試，以識別可能出現(xiàn)的問題并主動解決問題。

如果沒有看到任何問題，為什么要執(zhí)行電源循環(huán)測試？

數(shù)據(jù)中心所采用的系統(tǒng)管理工具包括MicrosoftSystemCenter，SolarWinds，Nagios和Zabbix這些強大的多功能平臺。幾乎所有的系統(tǒng)管理工具都可以提供故障，配置，會計，性能和安全管理等功能，使其成為現(xiàn)代企業(yè)不可或缺的一部分。

但是，某些故障可能發(fā)生在硬件級別，但可能不會立即影響系統(tǒng)或工作負(fù)載。例如，可能在服務(wù)器的雙列直插存儲器模塊（DIMM）中檢測到存儲器故障。但是，如果沒有工作負(fù)載使用該內(nèi)存空間，或者故障DIMM采用了故障糾正技術(shù)保護(hù)，則服務(wù)器可以繼續(xù)工作，很少向系統(tǒng)管理報告其直接錯誤。在大多數(shù)情況下，現(xiàn)代服務(wù)器的智能平臺管理界面或基板管理系統(tǒng)可以報告這些錯誤，但是該信息通常只是記錄，系統(tǒng)及其工作負(fù)載將繼續(xù)運行。

而那些未檢測到的和未解決的硬件問題才是最大的問題。如果意外的系統(tǒng)崩潰或電源中斷導(dǎo)致計劃外的系統(tǒng)重新啟動，則系統(tǒng)的內(nèi)部固件可能會看到這些問題并拒絕完成引導(dǎo)過程。例如，如果服務(wù)器的南橋芯片出現(xiàn)故障，并且USB或板載磁盤控制器功能未初始化或響應(yīng)，則引導(dǎo)過程將停止，即使企業(yè)可能不使用服務(wù)器的USB端口，而是通過網(wǎng)絡(luò)訪問存儲�，F(xiàn)在，IT部門必須嘗試從意外中斷中恢復(fù)，并同時解決有缺陷的系統(tǒng)。

為了避免出這種情況，請進(jìn)行定期現(xiàn)，并主動進(jìn)行電源循環(huán)測試，以強制在低級別硬件中重新啟動系統(tǒng)。除了在計劃外中斷或停機期間進(jìn)行加擾，還可以使用計劃的重新啟動來確保數(shù)據(jù)保護(hù)，并以有組織的方式將虛擬機或存儲實例遷移到目標(biāo)設(shè)備之外。接下來，循環(huán)上電，并允許硬件系統(tǒng)完全啟動，以顯示潛在的未知或未解決的問題。系統(tǒng)電源循環(huán)通常作為組織現(xiàn)有關(guān)閉文檔的一部分。如果在重新啟動過程中出現(xiàn)問題，企業(yè)將采取更好的準(zhǔn)備采取糾正措施。

應(yīng)該如何接近電源循環(huán)測試，以及應(yīng)該多久進(jìn)行一次？

具有高質(zhì)量設(shè)計的服務(wù)器可以運行多年。當(dāng)企業(yè)在彈性配置（例如服務(wù)器集群）中部署這些服務(wù)器設(shè)計時，這些系統(tǒng)上支持的工作負(fù)載幾乎是不可破壞的。事實上，強調(diào)系統(tǒng)彈性和正常運行時間常常導(dǎo)致許多組織放棄周期性的功率循環(huán)。

但是如果一個服務(wù)器或存儲子系統(tǒng)運行了幾年，你怎么知道它會正常啟動？如果不知道，那么希望系統(tǒng)能夠成功冷啟動的唯一方法是定期進(jìn)行測試。

電源循環(huán)測試需要什么樣的依賴關(guān)系？

企業(yè)的數(shù)據(jù)中心根據(jù)需要進(jìn)行電源循環(huán)測試，以便為其業(yè)務(wù)需求達(dá)到合理的置信水平。通常，可以每幾個月或每年進(jìn)行幾次電源循環(huán)。將電源循環(huán)測試與常規(guī)災(zāi)難恢復(fù)和關(guān)閉測試保持同步，以便同時處理這兩個目標(biāo)可能是一個好主意。

有時，也有一些外部因素影響數(shù)據(jù)中心的正常運行，例如變電站升級改造或重要的建筑物改造，迫使企業(yè)使數(shù)據(jù)中心離線一段時間。如今，計劃停機可以減少業(yè)務(wù)中斷，因為企業(yè)的數(shù)據(jù)中心可以輕松地將工作負(fù)載遷移到輔助數(shù)據(jù)中心或云計算。所以任何IT團隊準(zhǔn)備處理計劃內(nèi)的設(shè)施關(guān)閉也應(yīng)該能夠進(jìn)行常規(guī)電源循環(huán)。

服務(wù)器硬件有任何風(fēng)險嗎？

當(dāng)數(shù)據(jù)中心啟動和運行服務(wù)器或存儲陣列時，總是有一定程度的電，熱和機械應(yīng)力。當(dāng)允許電子元件冷卻并再次升溫時，可能會導(dǎo)致熱應(yīng)力，可能會導(dǎo)致邊緣連接失效，并導(dǎo)致過早的系統(tǒng)故障。類似地，如果讓老化的磁盤或冷卻風(fēng)扇冷卻，它可能因潤滑劑耗盡而卡住，并導(dǎo)致磁盤/風(fēng)扇主軸或產(chǎn)生其他微妙機制的問題。

另外，還存在潛在的邏輯風(fēng)險。意外的配置更改可能會使IT系統(tǒng)超出范圍，并導(dǎo)致由于系統(tǒng)配置管理工具的警告或應(yīng)用程序啟動問題。例如，如果系統(tǒng)重新啟動并嘗試安裝意外或未批準(zhǔn)的修補程序，則配置管理工具可能會暫停工作負(fù)載或服務(wù)器集群啟動，直到系統(tǒng)的批準(zhǔn)配置恢復(fù)為止。

這樣的問題是罕見的，特別是在現(xiàn)代的數(shù)據(jù)中心節(jié)能系統(tǒng)中。雖然一些IT專家認(rèn)為電源循環(huán)可以減少這種故障的可能性，但是計劃的電源循環(huán)測試正是沉淀，隔離和解決這些類型問題的辦法。早期暴露任何問題最好等到意外的電源故障或應(yīng)用程序崩潰，并發(fā)現(xiàn)系統(tǒng)未正常啟動的隱患。

隨著數(shù)據(jù)中心使用虛擬化和群集，其工作負(fù)載將繼續(xù)運行，同時識別和修復(fù)故障系統(tǒng)。