传统、现在、未来——存储故障处理流程的演变及不同阶段问题分析

【摘要】存储硬件类告警的日常处理，如果兼顾流程、实际情况能纳入自动化管理，对于工作效率的提升将十分明显。本文分别介绍“传统、目前、未来”三个阶段在发现存储故障、提交厂商信息报修、同步ITIL流程三个方面的具体情况，旨在帮助读者更好地了解在自动化推进中各阶段亟需解决的问题。

存储作为存放金融企业数据中心各类生产数据的重要载体，其日常的安全平稳运行至关重要。特别是应对若干存储的大量告警，如何从大量告警中提取关键告警消息并及时处理异常，可谓对存储平台的稳定运行起到保驾护航的作用。

存储告警处理作为常规工作，一方面需要在技术层面上及时发现告警并处理，另一方面还要在制度层面符合ITIL流程管理的规定。存储告警中硬盘及电池的告警相对较多，此类告警出现时通常需要更换备件解决，且更换操作均属于标准流程。因此，存储硬件类告警的日常处理，如果兼顾流程、实际情况能纳入自动化管理，对于工作效率的提升将十分明显。下面分别介绍“传统、目前、未来”三个阶段在发现存储故障、提交厂商信息报修、同步ITIL流程三个方面的具体情况，旨在帮助读者更好地了解在自动化推进中各阶段亟需解决的问题。

一、传统存储故障处理流程

1. 发现存储故障

机房值班人员通过每天定期现场巡检，借助存储物理亮灯可以发现异常情况并告知存储运维人员进行处理。由于人工巡检频率较低，发现异常相对比较滞后，且存在漏检可能。为了能及时发现存储设备存在的告警，早期通过在各存储管理平台配置SNMP Trap，将告警信息由运行监控中心发送给存储运维人员。这类告警即时性相当高，有效辅助运维人员在第一时间发现设备异常，但告警消息数目较多且缺乏过滤及压缩，也给运维人员的日常工作带来了一定的困扰。

2. 提交厂商日志确认并安排维修