IT系统灾难恢复基本指南

　　数据中心可能遭遇的灾难是各种各样的。包括灾难性的自然事件，如洪灾、地震和龙卷风，以及网络攻击、设备故障等，都可以被归类为灾难。

　　公司和组织都应该通过制定灾难恢复计划，将遇到灾难时应有的行动和流程细化，以快速恢复关键业务功能，避免造成收入或业务方面的重大损失。

　　什么是灾难恢复?

　　在IT领域，灾难恢复聚焦于支持关键业务功能的IT系统。“业务连续性”通常与灾难恢复联系在一起，但这两个术语并不能完全互换。灾难恢复是业务连续性的一部分，它更侧重于在发生灾难时保持业务运行的各个方面。如今，IT系统对业务的成功至关重要，因此灾难恢复已成为业务连续性的一个主要支柱。

　　灾难损失

　　如果一个企业对灾难没有任何应对措施，那么灾难所造成的经济和运营上的损失会将其完全压垮。据IT灾难恢复计划(DRP，Disaster Recovery Preparedness)理事会2015年的一份报告显示，一小时的停机时间，就可能会让小公司损失高达8000美元，中型企业高达74000美元，大型企业的损失高达70万美元。而且那还是在三年前，今天可能更高。

　　某灾难恢复服务提供商的另一项调查显示，超过一半的受访企业(54%)在过去5年里经历的停机时间长达8个多小时。这其中有三分之二的受访者表示，他们的企业因停机造成的损失超过了每天2万美元。

　　风险评估，识别漏洞

　　即便你的公司已经制定了某种灾难恢复计划，可能也仍需更新。如果你的公司没有相应的计划，或者正准备进行制定，最好先做一次风险评估，识别IT基础架构的漏洞，并找到可能出现问题的地方。当然，先决条件你必须清楚地了解公司的IT基础设施。

　　在《灾难恢复期刊》(the Disaster Recovery Journal)最近的一篇博客文章中，作者汤姆?罗普克(Tom Roepke)和史蒂文?戈德曼(Steven Goldman)建议，在保持业务连续性的计划中，将最坏的情况从其他重大威胁中特意分离出来的做法是非常危险的:

　　“大体上，大家都会去尝试找出或定义最坏的情况。这是一个致命的缺陷，因为它决定了之后整个计划的努力，即使是在潜意识层面。因为当我们插入一个特定的场景时——如瘟疫、地震、网络攻击等，我们就会自动开始思考和计划响应/恢复措施，以应对这一特定的、潜意识定义下的事件。当这种情况发生时，我们不仅会在规划中形成一种隧道式的局限视角，而且也可能面临着增加风险的危险。这是因为在我们将最糟糕的情况特意分离探讨的时候，只有一两个特定的领域会被过度关注，而不是真正的事件。”

　　罗普克和戈德曼建议，在与项目小组沟通时应关注于“管理危机，重建业务关键职能并恢复一切。”

　　什么是灾难恢复计划?

　　在搜索引擎中输入“灾难恢复计划(预案)模板”，会出现几十甚至上百个计划书的模板。这些模板对于你的计划的制定有一定的参考价值。

　　灾难恢复计划本身应基本包括以下内容:

　　·计划的概述和主要目标。

　　·关键人员和灾难恢复团队成员的联系信息。

　　·灾难发生后紧急响应行动的描述。

　　·整个IT网络和恢复站点的图表。(包括如何到达恢复地点、需要到达的人员说明。)

　　·识别最关键的IT资产，确定最大的停机时间。了解恢复点目标(RPO，Recovery Point Objective)和恢复时间目标(RTO，Recovery Time Objective)。RPO表示当业务恢复重新上线后，应用可以回到或者它的数据允许恢复过去多久的时间点的数据。如果你选择一个5小时的RPO，那么系统必须至少每5小时备份一次。RTO是指灾难发生后，从IT系统宕机导致业务停顿到可以恢复支持各部门运作，业务正常运营所需要的时间。

　　·将用于恢复工作的软件、许可证密钥和系统列出一个表格。

　　·来自供应商的恢复技术系统软件的技术文档。

　　·保险摘要。

　　·处理财务和法律问题的建议。

　　·对公措施(如维护性声明，降低舆论影响)。

　　建立灾难恢复团队

　　该计划应该由负责公司内部关键IT基础设施的IT团队成员协调。其他需要了解该计划的人包括首席执行官或委派的高级经理、董事、部门领导、人力资源和公共关系专员。

　　除本公司之外，应了解与灾难恢复工作相关的供应商(例如软件和数据备份服务提供商)的联系信息。设施所有者、物业管理人员、执法人员和应急反应人员也应在计划内列出(甚至可以周期性地更新姓名或电话号码)。

　　在管理层将计划编写完成、批准之后，需要对计划进行测试，并在必要时进行更新。安排下一个审查周期，审核灾难恢复功能。当事件发生后(无论大小)，一定要更新、更新、更新。计划不是用来收藏的。

　　灾难发生了该怎么办?

　　当灾难已经发生时，就该启动你的事件响应了。确保事件响应团队(如果它与灾难恢复计划团队不同属一支)有一个灾难恢复计划的副本。

　　事件响应包括，评估情况(知道什么硬件、软件、系统受到灾难的影响)、系统的恢复和后续工作(哪些有用，哪些无效，哪些可以改进)。

　　下一个趋势?云或DRaaS(灾难恢复即服务)

　　就像许多企业将IT系统迁移到云端一样，灾难恢复也是如此。云计算的优势包括低成本、更容易的部署以及定期测试计划的能力。然而，这可能会增加带宽需求，或者降低公司的网络性能，而且需要使用更复杂的系统。

　　2016年，Gartner的相关调查报告中列举了超过250家DRaaS产品提供商，灾难恢复服务市场形势一片大好，有很多具有不同特性产品可供企业选择。限于篇幅，此处不对服务提供商进行过多描述。将灾难恢复交给专业的人来解决确实是一个不错的选择，但应注意对其产品进行全方位的评估。