之前有一個很老的笑話：“是人都會犯錯，但是要真正把事情搞砸，你還缺臺計算機。” 現(xiàn)在情況正好相反了，現(xiàn)如今，數(shù)據(jù)中心設備的可靠性已經(jīng)得到了極大的提升，反而是使用設備的人員素質沒能跟上，從而給計算機正常運行帶來了很大的威脅。

[[378367]]

正常運行時間協(xié)會(Uptime Institute)對數(shù)千名 IT 專業(yè)人員一整年發(fā)生的故障事件進行了調查，得出結論表示絕大多數(shù)的數(shù)據(jù)中心故障是由于人為錯誤造成的，人為錯誤導致的故障率為 70%-75%。

而且有些故障很嚴重。調查發(fā)現(xiàn)，超過 30% 的 IT 服務與數(shù)據(jù)中心運營商經(jīng)歷了他們稱之為是“嚴重服務退化”的停機事故。2019 年有 10% 的受訪者稱他們最近的事故造成的損失超過 100 萬美元。

在正常運行時間協(xié)會在 2019 年 4 月的調查中，60% 的受訪者認為，對于最近發(fā)生的重大停機事件，他們本可以通過更好的管理/流程或配置進行防止。而對于損失超過 100 萬美元的故障事件，這一數(shù)字躍升至 74%。

正常運行時間協(xié)會認為，導致故障事件發(fā)生的最終的錯誤不一定是員工，而是令人失望的管理。

“這個行業(yè)仍然嚴重依賴于人工去完成一些最基礎和最重要的工作，易受人為錯誤的影響，這一點無法避免，也許可做的防錯/防災措施很有限。”正常運行時間協(xié)會期刊的主編 Kevin Heslin 在一篇 博客文章 中寫道。

“然而，對這些故障問題的快速調查發(fā)現(xiàn)，故障持續(xù)存在的主要原因不是人為失誤，而是由于管理失誤導致，如針對員工培訓投資不足，相關政策執(zhí)行不力，管理程序老舊，低估一名合格員工的重要性，這一系列的管理問題導致了故障停機。” Heslin 繼續(xù)寫道。

正常運行時間協(xié)會指出，公司的 IT 基礎設施越復雜，特別是分布式特性基礎設施，可能會越容易增加簡單的錯誤層出不窮而導致業(yè)務中斷的風險。同時指出公司需要意識到基礎設施越復雜所涉及的風險就越大。

并警告說，在人員配備方面，不要以超過公司吸引和應用資源來管理基礎設施的速度擴大關鍵 IT 能力，并在影響關鍵任務操作之前意識到任何人員和技能短缺。