IT系統災難恢復基本指南

　　數據中心可能遭遇的災難是各種各樣的。包括災難性的自然事件，如洪災、地震和龍卷風，以及網絡攻擊、設備故障等，都可以被歸類為災難。

　　公司和組織都應該通過制定災難恢復計劃，將遇到災難時應有的行動和流程細化，以快速恢復關鍵業務功能，避免造成收入或業務方面的重大損失。

　　什么是災難恢復?

　　在IT領域，災難恢復聚焦于支持關鍵業務功能的IT系統。“業務連續性”通常與災難恢復聯系在一起，但這兩個術語并不能完全互換。災難恢復是業務連續性的一部分，它更側重于在發生災難時保持業務運行的各個方面。如今，IT系統對業務的成功至關重要，因此災難恢復已成為業務連續性的一個主要支柱。

　　災難損失

　　如果一個企業對災難沒有任何應對措施，那么災難所造成的經濟和運營上的損失會將其完全壓垮。據IT災難恢復計劃(DRP，Disaster Recovery Preparedness)理事會2015年的一份報告顯示，一小時的停機時間，就可能會讓小公司損失高達8000美元，中型企業高達74000美元，大型企業的損失高達70萬美元。而且那還是在三年前，今天可能更高。

　　某災難恢復服務提供商的另一項調查顯示，超過一半的受訪企業(54%)在過去5年里經歷的停機時間長達8個多小時。這其中有三分之二的受訪者表示，他們的企業因停機造成的損失超過了每天2萬美元。

　　風險評估，識別漏洞

　　即便你的公司已經制定了某種災難恢復計劃，可能也仍需更新。如果你的公司沒有相應的計劃，或者正準備進行制定，最好先做一次風險評估，識別IT基礎架構的漏洞，并找到可能出現問題的地方。當然，先決條件你必須清楚地了解公司的IT基礎設施。

　　在《災難恢復期刊》(the Disaster Recovery Journal)最近的一篇博客文章中，作者湯姆?羅普克(Tom Roepke)和史蒂文?戈德曼(Steven Goldman)建議，在保持業務連續性的計劃中，將最壞的情況從其他重大威脅中特意分離出來的做法是非常危險的:

　　“大體上，大家都會去嘗試找出或定義最壞的情況。這是一個致命的缺陷，因為它決定了之后整個計劃的努力，即使是在潛意識層面。因為當我們插入一個特定的場景時——如瘟疫、地震、網絡攻擊等，我們就會自動開始思考和計劃響應/恢復措施，以應對這一特定的、潛意識定義下的事件。當這種情況發生時，我們不僅會在規劃中形成一種隧道式的局限視角，而且也可能面臨著增加風險的危險。這是因為在我們將最糟糕的情況特意分離探討的時候，只有一兩個特定的領域會被過度關注，而不是真正的事件。”

　　羅普克和戈德曼建議，在與項目小組溝通時應關注于“管理危機，重建業務關鍵職能并恢復一切。”

　　什么是災難恢復計劃?

　　在搜索引擎中輸入“災難恢復計劃(預案)模板”，會出現幾十甚至上百個計劃書的模板。這些模板對于你的計劃的制定有一定的參考價值。

　　災難恢復計劃本身應基本包括以下內容:

　　·計劃的概述和主要目標。

　　·關鍵人員和災難恢復團隊成員的聯系信息。

　　·災難發生后緊急響應行動的描述。

　　·整個IT網絡和恢復站點的圖表。(包括如何到達恢復地點、需要到達的人員說明。)

　　·識別最關鍵的IT資產，確定最大的停機時間。了解恢復點目標(RPO，Recovery Point Objective)和恢復時間目標(RTO，Recovery Time Objective)。RPO表示當業務恢復重新上線后，應用可以回到或者它的數據允許恢復過去多久的時間點的數據。如果你選擇一個5小時的RPO，那么系統必須至少每5小時備份一次。RTO是指災難發生后，從IT系統宕機導致業務停頓到可以恢復支持各部門運作，業務正常運營所需要的時間。

　　·將用于恢復工作的軟件、許可證密鑰和系統列出一個表格。

　　·來自供應商的恢復技術系統軟件的技術文檔。

　　·保險摘要。

　　·處理財務和法律問題的建議。

　　·對公措施(如維護性聲明，降低輿論影響)。

　　建立災難恢復團隊

　　該計劃應該由負責公司內部關鍵IT基礎設施的IT團隊成員協調。其他需要了解該計劃的人包括首席執行官或委派的高級經理、董事、部門領導、人力資源和公共關系專員。

　　除本公司之外，應了解與災難恢復工作相關的供應商(例如軟件和數據備份服務提供商)的聯系信息。設施所有者、物業管理人員、執法人員和應急反應人員也應在計劃內列出(甚至可以周期性地更新姓名或電話號碼)。

　　在管理層將計劃編寫完成、批準之后，需要對計劃進行測試，并在必要時進行更新。安排下一個審查周期，審核災難恢復功能。當事件發生后(無論大小)，一定要更新、更新、更新。計劃不是用來收藏的。

　　災難發生了該怎么辦?

　　當災難已經發生時，就該啟動你的事件響應了。確保事件響應團隊(如果它與災難恢復計劃團隊不同屬一支)有一個災難恢復計劃的副本。

　　事件響應包括，評估情況(知道什么硬件、軟件、系統受到災難的影響)、系統的恢復和后續工作(哪些有用，哪些無效，哪些可以改進)。

　　下一個趨勢?云或DRaaS(災難恢復即服務)

　　就像許多企業將IT系統遷移到云端一樣，災難恢復也是如此。云計算的優勢包括低成本、更容易的部署以及定期測試計劃的能力。然而，這可能會增加帶寬需求，或者降低公司的網絡性能，而且需要使用更復雜的系統。

　　2016年，Gartner的相關調查報告中列舉了超過250家DRaaS產品提供商，災難恢復服務市場形勢一片大好，有很多具有不同特性產品可供企業選擇。限于篇幅，此處不對服務提供商進行過多描述。將災難恢復交給專業的人來解決確實是一個不錯的選擇，但應注意對其產品進行全方位的評估。