怎样做好数据保护和灾难恢复?

运维 系统运维
数据和IT服务是每家公司的命脉。数据中心的专业人士必须确保能够可靠的,不间断地访问数据,应用程序和IT服务。2012年12月21日,传说的“世界末日”即将来临,怎样做好灾难恢复保障?

数据和IT服务是每家公司的命脉。数据中心的专业人士必须确保能够可靠的,不间断地访问数据,应用程序和IT服务。当某一台服务器,应用程序或整个数据中心出现故障时,公司的各个层面都会受到影响。产生非生产性损失包括电子邮件和必要的应用程序故障,从而导致员工忽略客户查询。咨询台几乎要被员工们关于为什么他们的计算机无法正常工作的抱怨电话打爆。毕竟,每个人都有十分重要的项目要负责。

没有人愿意接到这些抱怨的电话,或更糟的是还要面对企业高管人员不耐烦地在旁边看着你排查数据和IT服务重新联机。避免这种情况最好的方法是将您的数据中心作为服务的集合来查看,其中包括所有的应用程序、系统、服务器和数据。当这些IT服务被确定之后,确定哪些是最基本的服务,然后实施数据保护和灾难恢复(DR)的解决方案就变得简单了,而且这将有助于高可用系统和基础设施复原。

数据恢复

看待数据中心的一种方式便是IT弹性的基本定义:你的数据中心从某个问题故障或灾难事件中恢复的速度有多快。虽然你可能对于某些自然灾害有紧急预案,如飓风和暴风雪天气灾害,但真正的灾害真的随时随地可能发生。而由于人为错误或恶意行为造成的灾害,不会有任何的事先警告。而这些人为错误很可能一个简单的错误,诸如雇员堵在一个空间加热器,最终导致你的数据中心的消亡。通过确定你最重要的IT服务,然后实现数据保护和灾难恢复解决方案来解决这个问题,这可能听起来很简单,但当今复杂的数据中心基础设施真正排查起来并不很容易。

混合环境中的物理和虚拟服务器,基于云计算的应用程序和不同的网络连接对于处理过程都有影响。这个紧急预案是一份保险策略,保持将IT停机时间降到最低。有报告显示,平均而言,企业可以应付四小时或更少的非计划停机时间。但非计划停机时间不仅影响企业的整体生产力,同时还损害其声誉,使得企业蒙受财务损失,所有问题企业一定要积极避免。

自动灾难恢复

传统的灾难恢复和数据保护方法已经不足以让你的数据中心保持24小时的全天候运行了。这些方法与当今复杂的IT工作环境不合适。复制和基于映像的备份技术,提供某种程度的保护,但并无法总是捕获最新的IT服务完整的复杂性。数据中心正在转向连续数据保护,重复数据删除,复制和自动化的灾难恢复解决方案等技术,来有效地构建IT弹性,最大限度地减少计划外停机时间。连续数据保护技术,使企业在数据中心内进行数据快照,更经常地备份数据,并将其复制到异地场外数据中心,从而将数据丢失降到几乎为零。

自动灾难恢复将复杂的步骤自动到整个数据服务恢复的过程,在几分钟之内恢复IT服务,而不是几个小时甚至几天。自动化灾难恢复解决方案,使数据中心能够全面测试完整的IT服务在恢复之前可能出现的问题。这个测试可以让你知道,即使一些电源插头被清洁人员清扫时拔掉,数据中心也只需要简单点击一下鼠标进行备份和运行。连续数据保护和自动灾难恢复的结合,是您企业的数据的保险的策略。

由于当今复杂的IT基础设施和24小时全天候的数据的可用性和应用程序要求,数据中心经理的工作更复杂了。通过分组到集合中的IT服务和数据中心实施有效的保险政策,防止停机时间和数据丢失,你可以采取积极的措施来防止未来的数据丢失和停机时间。IT弹性和保险预案将大大有助于你企业。

责任编辑:黄丹 来源: ZDNet
相关推荐

2012-11-16 13:38:57

数据中心数据保护灾难恢复

2020-04-03 10:54:38

多云归档备份

2022-01-19 10:50:36

灾难恢复

2014-06-18 14:33:58

数据保护

2018-04-18 10:28:15

数据中心灾难恢复DR

2016-05-03 15:12:35

数据科学

2018-04-28 09:00:54

灾难恢复解决企业

2023-08-30 11:50:28

2022-10-19 15:00:16

2021-08-30 10:08:50

大数据数据安全数据防泄漏

2018-06-29 08:17:53

2011-03-03 10:11:15

数据库优化

2012-09-17 11:25:32

IBMdw

2019-05-30 11:14:34

2012-09-20 14:11:00

Linux灾难恢复

2012-02-06 09:58:48

2017-07-10 13:38:34

数据保护容灾

2020-12-14 18:51:21

数据库海量数据

2018-12-21 08:33:15

数据中心机房运维

2016-03-14 11:05:58

数据挖掘数据挖掘模型数据处理
点赞
收藏

51CTO技术栈公众号