机房应急预案

机房应急预案(经典)

在学习、工作、生活中，有时会出现一些意料之外的事件或事故，为了减小事故造成的危害，往往需要预先编制好应急预案。那么应当如何编制应急预案呢？以下是小编收集整理的机房应急预案，欢迎大家分享。

为确保办公室机房安全与稳定，以保证正常运行为宗旨，按照“预防为主，积极处置”的原则，本着建立一个有效处置突发事件，建立统一指挥、职责明确运转有序、反应迅速处置有力的机房安全体系的目标，特制定本预案。

一、机房日常维护

1、建立健全机房管理制度

（1）在正常工作日内，信息技术人员负责对机房进行监控，主要职责是：巡视网络设备及系统的运行情况，发生异常情况及时处理，消除网络故障隐患。

（2）节假日期间信息技术人员轮流值班，负责处理有关异常情况。

（3）机房采取来人来访登记制度，未经允许，无关人员不得进入机房区域。

2、机房内严格采取防雷、防火、防尘、防静电等措施以及机房入口处24小时监控录像等措施。

3、认真做好数据备份工作，定期做一次数据库完全备份，每月检查服务器运行和备份情况。

4、信息技术人员对机房的主要网络设备（路由器、主干交换机等）进行工作时间内全程监控，发现异常情况应及时进行处理，确保办公室网络的`正常运行。

二、机房突发事件应急处置方案

1、电源系统应急预案

（1）定期检查机房供电设备的运行状况和电路线缆器材情况，当发生下列突发事件时，按照以下方案进行处置：

（2）当机房发生市电供电突然停电或是电源异常时。检查不间断电源的电池可供电时间，确保设备正常运行，如遇到突然断电，应及时将空调等设备及时断电，预防突然来电时瞬间电流过大导致设备损坏等现象。

（3）当确定停电原因是在本身供电系统范围内，立即汇报给负责领导，并及时联系相关维护人员达到现场检修。

（4）恢复供电后，严格按照操作程序逐步恢复机房设备，以防瞬间电流过大造成设备损坏。

2、网络和服务器络系统应急预案

（1）发生网络故障时，首先检查机房设备情况，确定网络故障的原因，然后联系网络维护人员，及时处理和排除故障。

（2）当确认原因为短时间无法恢复，应该及时向负责领导汇报，然后再联系维护人员，及时处理故障。

（3）当人为或病毒破坏的故障发生时，具体按以下顺序进行：判断破坏的来源及性质，断开影响安全与稳定的信息网络设备，断开与破坏来源的物理网络连接，然后再联系维护人员，及时处理故障。

（4）发生服务器系统故障后，应立即向相关领导汇报情况，同时安排人员将故障服务器脱离网络，保存系统状态不变，保护原始数据。

在确认安全的情况下，重新启动故障服务系统：若重启系统成功，则检查数据丢失情况，利用备份数据恢复；若重启失败，立即 联系相关维护人员，请求技术支持，做好技术处理。

处置结束后，技术人员应将处理过程记录下来，以方便日后对此问题的处理。

3、消防和防雷应急预案

（1）上班工作时间发生火警，还在机房工作的人员应及时紧急撤离，并立刻拨打119报警。在确保自身安全的情况下，应尽量使用灭火器进行灭火，减少电子设备的损坏。同时采取关闭电源总闸等措施，尽量减少可能造成的损失和破坏。

（2）非工作时间或节假日休息时间值班人员发现火情后，要立刻拨打119报警，并立刻通知相关部门和领导，做好火灾的处置工作。

（3）火情结束之后，机房相关人员应全体赶赴现场，同时立即联系相关网络公司和设备相关厂家，及时评估事故损失情况，研讨恢复网络系统正常运行的最佳解决方案。

（4）遇雷暴天气或接上级部门雷暴气象预警，应关闭所有服务器，切断电源，暂停内部计算机网络工作。雷暴天气结束后，及时开通服务器，恢复内部计算机网络工作。因雷击造成的损失，应及时进行核实、报损，并将详细情况向部门领导汇报。

4、自然灾害和盗抢应急预案

（1）发生自然灾害后，首先应该组织人员撤离现场。当确认灾害不会造成人生伤害后，在回到机房检查设备，立刻向上级领导汇报，并联系相关网络和设备厂家，积极做好灾后恢复工作，确保在最短时间内

恢复机房正常运行。

（2）发生盗抢事件后，要保护好现场然后报警，并向上级领导汇报情况。待现场处理完毕后，要组织相关人员估计损毁情况，并联系相关网络和设备厂家，积极做好恢复工作。

高性能计算技术及应用水平已成为显示综合国力的一种标志。高性能计算机持续不间断地为用户提供高性能计算服务，而运维应急预案是主机运行中处理突发事件的依据和方法，是主机系统稳定运行的保障。本文简要介绍上海超级计算中心主机运维应急预案，供同行参考。

1.主机和运维管理制度简介

超级计算机是功能最强、运算速度最快、存储容量最大的一类计算机。目前只有少数国家掌握研发技术，系统造价非常昂贵，多用于国家高科技领域和尖端技术研究，是国家科技发展水平和综合国力的重要标志。上海超级计算中心作为上海信息港主体工程之一，国家和上海市政府投资先后引进神威-I超级计算机、神威-64P集群计算机、曙光4000A超级计算机系统并投入商业化运行。

上海超级计算中心自20xx年正式开通至今，这些高性能计算机系统已安全、稳定运行七年多时间，上机用户取得了丰硕的科研成果和社会效益。在这七年中，为保障这些高性能计算机系统安全、稳定、不间断地运行，技术支持部在中心引进第一台高性能计算机--神威-I超级计算机系统的同时，建立了机房应急预案、运行记录、设备运行参数等基础运维制度，在二期引进曙光4000A超级计算机系统过程中，不断完善原有运维制度，并针对该主机系统特点编写了大量操作方法和应急预案。

中心自20xx年获得ISO27001（BS7799）信息安全认证以来，技术支持部根据其要求规范了文档体系建设，形成了机房管理制度、应急预案、操作方法、运行情况记录的四大类运维文档。

正是这些运维管理制度的不断完善和有效执行，才确保了资产价值高、服务对象广、社会影响大的中心主机系统安全、稳定运行，保障重点项目、用户服务的连续性。

2.应急预案重要性

上海超级计算中心机房运维管理文档划分为机房管理制度、应急预案、操作方法、运行记录共四大类（如图1所示）。

图1应急预案分类

应急预案在应急系统中起着关键作用，它明确了在突发紧急情况发生之前、发生过程中以及刚刚结束之后，谁负责做什么、何时做，以及相应的策略和资源准备等。它是针对可能发生的重大事故，按照其影响和后果严重程度，在应急准备、响应、操作各个方面预先做出的 ……此处隐藏19320个字……关人员。

机房电源系统说明:

1、机房电力是两路三相四线制供电，进线线缆规格为：RVV50*4+16*1铜芯护套线。

2、机房电源系统采用三级防雷系统，三级防雷分别位于电源进线端、UPS输入前端。

3、机房现有两台60KVA-UPS电源，均处于正常运行状态。

4、机房现有设备机柜已编号，均通过UPS电源和市电供电，每个机柜有独立的20A空气开关。空调、墙壁插座开关、应急灯、照明等都是单独空开接市电。

5、运行中的UPS电源所带负荷，在逆变运行状态下能正常工作约4小时(已经过UPS放电测试)。

一、核心机房电源中断预案

1、在接到停电通知的情况下：

1)计划性停电通知要确保综合部、工维机房管理部对口人接到通知(提前将对口联系人备案在物业处)，机房管理员接到计划停电通知后，升级到调度中心进行信息发送，同步进行邮件通知相应应急小组成员。并与负责组长及责任领导电话告知，确保已经接收到本次停电的时间及可能发生的情况。

2)维部进行发电应急预案小组成员通知，提前做好机房发电预案要求的准备工作，将相应的发电机、连接线、人员安排到位，各司其职，随时待命现场，做发电准备工作。确保停电时刻的电力安全及机房用电的保障措施，提前调度安排好相应人员做好保障用电的措施。

3)计划停电时间开始后，马上启动应急发电操作，按照机房发电操作步骤实施阶梯供电的步骤，恢复市电保障。并进行现场值守及设备工作确认，确保全部正常后电话告知调度中心及维护体系领导。

2、在没有接到任何通知，突然发生停电的情况下：

确认停电线路，停电时刻，停电时间等要素，启动核心机房发电应急预案。

1)值班网管工作流程：

⑴值班网管监控到核心机房停电，第一时间告知工维部、网络部、运维部应急小组组长。信息传达到工维部机房管理员(一主一备)，告知停电开始时间。

要求在停电5分钟内将消息传达到调度中心，各应急小组组长。如无法联系上，进行升级到责任领导-工维部经理经理处。

⑵网管将停电信息电话传达后，进行调度派单，确保全部的应急小组成员都收到本次故障停电的信息。然后进行机房中设备的检查，包括：UPS设备主机、各核心设备、汇聚设备、服务器、语音系统等。检查是否受影响。同时启动机房降温措施(降温方案：初步为加装抽排风设备、增加大风扇排风形成热量流动降温)

⑶实时监控设备及UPS工作情况，包括：电量下降情况，设备工作正常情况，每15分钟通报一次电量情况。

2)运维部应急工作流程：

⑴运维应急同事接到故障通告后，第一时间往停电现场赶，到现场配合网管/工维部门进行设备仪器的检查、客服语音系统的保障，应急发电的协助。

⑵现场配合进行机房降温散热措施实施，实时检查网络设备的工作情况。

3)运营质量管理应急工作流程：

⑴调度中心值班人员接到网管监控调度信息后，第一时间将故障信息记录并发故障通告到相关应急成员，并电话通知各应急小组组长是否知悉。

⑵进行客服调度系统的设备工作运行系统检查，特别语音系统级坐席电脑，是否有问题，如发现工作系统有异常，及时与运维应急小组成员沟通，进行检查处理。

⑶实时关注故障工单流程进度登记，配合应急小组进行人员调度通告。

4)工维部应急工作流程：

⑴机房管理员第一时间往停电现场赶，同时进行电话沟通供电公司、物业方等，咨询停电原因，是属于计划性还是突发性停电，预计停电时长，将咨询清楚的结果反馈到应急小组成员中，电话联系物业沟通好需要发电需求申请。

⑵工维应急小组组长接到时间后第一时间往停电现场赶，同时进行发电应急小组成员调度，安排第一时间到场工作开展，并升级通报告知主管领导，对口集团维护中心上报信息。

⑶工维应急小组成员接到停电时间后第一时间往停电现场赶，要求30分钟内必须到场(住机房附近的人员往现场去，较远同事可以进行打车往现场去)，先行到处同事配合网管、运维同事启动做好应急发电前的准备：连接线布放、接续、发电机发电前检测油/电/水路检查，确保正常。确保一切就绪后，确认可以进行发电操作后，按照发电操作流程进行发电恢复市电。

⑷网管将监控到停电的相应信息及级别同步发送到运营质量管理部调度岗，由调度岗将相应信息进行工维、运维、网络关联同事进行信息告知，同时报工维主管领导知悉。

5)应急机房发电操作流程：

⑴机房用电系统包括四方面：空调制冷、主/备UPS主机、照明系统、客服调度系统。

⑵发电前考虑4方面系统设备用电功率情况，为保障发电机带动的正常，不能进行同步供电，要区分优先恢复的步骤实施，确认发电机的工作正常。在发电前将需要供电的“空调制冷、主/备UPS主机、照明系统、客服调度系统”的市电输入主开关关闭。防止同步启动时发电机的无法供电保证。

⑶启动发电机，检测发电输出电流通断，待发电机运行稳定后。

第一步启动空调制冷系统的市电输入开关，运维应急小组成员重新启动空调主机(空调因为市电恢复后需要重新启动)观察空调制冷工作是否正常。

第二步启动主UPS设备的.市电输入开关，观察发电机运行稳定情况，主UPS主机工作稳定情况，网络设备的工作正常与否。

第三步启动客服系统的市电输入开关，包括(客服坐席电脑、UPS设备、空调制冷等)，观察发电机运行稳定情况，设备恢复工作情况。

第四步启动备UPS设备、市电照明的市电输入开关，观察发电机运行稳定情况，备UPS主机工作稳定情况，网络设备的工作正常与否。

⑷发电机启动，市电输入正常后，网管将降温系统的抽排风设备关闭，与运维同事进行所有设备的运行进行全面的检查，确保设备已经是运行正常。

⑸发电机发起市电正常后，工维应急小组安排专人现场值守，及时关注发电机油量情况，同时与油品供应商确认油品配送要求及时间要求，并实时与供电部门确认市电恢复时间。

6)停电过程中突发事项预防:

⑴网管在停电时进行机房确认运行中的UPS工作组、设备组工作状态。主/备UPS工作切换是否正常，在市电中断时UPS是否已经开始进行供电保护。

⑵值班网管对机房中的所有设备进行全面检查，确保所有的设备已经是有主备供电，市电中断后UPS已经正常保障设备工作。同时对机房的温度进行观察，温度是否突然升高。

⑶停电后，UPS处于逆变工作状态，当班人员要每隔15分钟观察一次UPS的蓄电池容量、带负荷情况、机房环境温度，尽量使蓄电池容量大于60%，带负荷小于85%(因为已经有自购发电机应急，尽快要求短时间发起电，减少UPS的放电过度)。

⑷发现机房环境温度大于26℃。当以上指标不能保证时，要及时向机房管理员汇报，同时上报责任领导知悉，网管预案小组成员经过慎重讨论，适时采取关闭不必要网络的网络设备、加强通风降温等措施尽量延长关键设备运行时间。