IT硬件故障的主要原因和预防的最佳实践

　　IT运维中常见的硬件问题，如设备过热或服务器过载，即使是很短的时间，也可能导致企业的巨大的损失和客户流失。据Dynamic研究发现：企业组织面临的超过 45% 的网络中断完全是由于硬件故障造成的，因此 24x7 全天候监控硬件至关重要。虽然硬件故障可能由于多种因素而发生，但下面列出了导致跨网络基础设施硬件故障的一些最常见问题。

硬件故障最常见的因素

　　●温度峰值：温度异常峰值是大多数硬件故障的主要原因。网络设备处理大量数据，为了使它们始终如一地运行，需要保持最佳温度。设备中的任何异常升温或降温都可能导致硬件系统冻结或关闭，从而导致硬件故障。

　　●通风不良：设备温度不可避免的升高会降低设备速度、影响其性能或使其损坏。由于设备的布置或风扇设置无效而无法消除设备产生的额外热量而导致的通风不良可能会对网络的生产力产生不利影响。

　　●容量过度利用：用完设备的剩余容量会极大地减慢它的速度，从而导致性能滞后。通过将设备的工作负载分配给其他设备来控制设备容量的过度使用。即使是单个端点的小故障也可能影响整个网络。

　　●电源波动：腐蚀的连接或其他外部因素可能会导致电源的潜在波动。电源突然浪涌会导致意外断电，从而影响设备的性能或导致其短路。

　　●过度使用电池：当电池耗尽 80% 的能量时，电池往往会失去效率。电池完全耗尽将导致缓存数据丢失或设备或服务器突然关闭。此外，低容量电池的保质期很短，而且功率效率不高，这会影响设备的性能。

　　正确制定战略的硬件监控实践可以帮助避免这些问题，并确保组织的网络基础设施不会受到设备硬件故障的影响。以下是一些利用硬件监控来建立高效网络运营的方法。

硬件监控的最佳实践

　　1.确保多供应商支持：当前网络架构变得越来越异构。除了默认的供应商支持的系统外，组织还利用自定义配置的设备来提供业务解决方案。因此，硬件监控策略必须支持多供应商监控，并且能够支持任何设备，而不受供应商或配置障碍的影响。技术人员还需要对多供应商硬件设备具有统一的实时可见性。

　　2.对关键警报进行优先级排序和渠道化：网络硬件问题可能源于具有不同关键程度的众多因素。应根据设备的严重性和潜在问题的严重性对硬件故障进行优先级排序。处理硬件故障也可能涉及分布在不同团队甚至不同地理区域的多方；重要的是通过正确的渠道向正确的团队发送警报，以创建一个管理良好、定义正确的故障解决路径，以帮助更快地解决硬件故障。

　　3.主动监控和故障排除： 与其在硬件发生故障后寻找解决方案，不如从一开始就采取主动措施防止故障，可以节省大量资源。应预先监控和管理硬件设备，以提前提醒技术人员，促使他们在问题变得更糟并对组织造成严重损害之前解决问题。这可以通过利用报告形式的历史性能数据来预测任何前所未有的硬件故障来实现。这种主动硬件监控和故障排除方法有助于提前结束问题的恶化。

　　4.获得更深入的可见性：硬件问题可能由于多种因素而发生，需要深入了解其根本原因才能在不影响网络整体性能的情况下有效解决这些问题。通过更深入地了解硬件设备的性能直至其最细微的细节，技术人员可以更轻松地诊断设备中的潜在问题并迅速修复它。这提高了硬件效率并防止硬件问题影响网络。

　　5.自动化基本任务：基本维护任务和 L1 和 L2 故障排除操作是重复性的，并且会消耗大量时间和资源。自动化这些任务使技术人员有更多时间专注于需要立即采取补救措施的高严重性硬件警报。同时，技术人员需要密切关注自动化任务中的任何中断或故障。简而言之，在手动工作和自动化之间取得健康的平衡。

　　6.明确硬件依赖性和流程：当一个硬件设备发生故障时，依赖它的其他设备也会出现性能下降甚至整个设备故障。跟踪网络中所有硬件设备之间的连接对于防止故障导致网络中断至关重要。硬件故障有时也可能由于内部流程或应用程序的问题而发生，因此拥有一个有效的流程、带宽和应用程序管理系统非常重要，以确保性能瓶颈不会导致硬件故障。