大規模なサーバー ファームでは、ファームのすべてまたは一部を正常にシャットダウンするにはどうすればよいですか? 次のような計画的および計画外のケースを考えています。
私が興味を持っている問題は、人々がどのように順序付けを処理し、すべてを開始するかということです。また、これはサービスのアップダウンやソフトウェア アップグレード システムと簡単に混同される可能性があることも頭に浮かびます。
(この時点で、私は何よりも好奇心から尋ねています。)
コンピュータは、すべてのプラッタとファンを回転させる必要があり、通常、すべてのアプリケーションを起動するCPUアクティビティが多いため、実行中よりもはるかに多くの電力をオンラインに戻すことができます。ほとんどのショップには、スタートアップをずらす一連のシーケンスがあるため、サーキットを最大限に活用せず、最初からやり直す必要があります。これは、データベースと通信することを期待するアプリケーションが多数ある場合、またはアプリサーバーと通信する必要があるWebサーバーが多数ある場合にも重要です。通常、ボトムアップから開始し、回路上にあるボックスの数に応じて、スタートアップを30秒から1分ずらします。
ああ、今私はあなたの質問をより明確に理解しています。
dataprobeのiBootBarなどの製品を使用すると、リモートデバイスへの電力を監視および管理できます。インテリジェントシステムは、各デバイスの消費電流を監視して、デバイスが公称制限内で機能していることを確認できます。そうでない場合は、機器をオフラインにし、スペアをオンラインにして交換し、最初のサージを監視し、電力が安定するのを待ってから次のデバイスの電源を入れることができます。
「大規模なサーバー ファーム」は、強制されない限りシャットダウンしないように設計されていることに注意してください。つまり、可能性はあるが、はるかに遠い出来事であり、それが起こったとき、あなたは本当に急いでいる. ラックのシャットダウンや電力線での作業など、他のすべてのユースケースは、可能な限り事前に計画されます。
物事が本当にうまくいかないとき、あなたは実際に急いでいるでしょう。
たとえば、発電機が燃料を使い果たした場合 (通常、発電機は少なくとも 1 日分の予備を保持し、時間内に再供給されるように契約を結んでいるため、ここでは大きな災害について話している)、または同様のイベントが発生した場合は、それがわかります。物事をシャットダウンするのに何時間もかかります。または、HVAC システムが完全に故障した場合、温度が上昇しすぎる前にすべてをシャットダウンする時間がほんの数分しかありません。
私はここでは専門家ではなく、バリケードの向こう側 (データセンターの顧客) にいますが、彼らは、制御するすべてのシステムのシャットダウンを命令するシステムを備えていると思います。顧客のシステムを制御できず、正しくシャットダウンできません。
すべてのシステムがオンラインに戻り、全能力 (UPS、発電機、HVAC など) の準備が整うと、ファームは最終的に一度に 1 つのゾーン、一度に 1 つのラックに再び電源が投入されます。彼らがシステムを完全に制御できるようになると (つまり、顧客のシステムではなくプライベート ファーム)、通常はすべての回路に AC を徐々に導入し、サーバーの電源を自動的にオンにします (そうするように構成されている場合、多くのサーバーには設定さえあります)。 「最大 X 分のランダムな時間の後に電源を入れる」など）、または IPMI や同様のシステムなどの完全自動管理を介して電源を入れるように命令されます。
1 つの方法は、稼働中のマシンを一時的なホットスワップでミラーリングし、アクセスがネットワーク経由であると仮定して、トラフィックをミラーに転送するようにルーターを再構成してカットオーバーすることです。このプロセスは、計画外の停止のために自動化できます。
計画的なメンテナンスのために、特定の期間中はシステムが利用できないことをユーザーに通知するだけの場合もあります。
冗長電源とガス発電機は、自動フェイルオーバーにより、ほとんどの電力関連の問題を処理します。