数据中心中断的严重程度似乎正在下降，而中断成本继续攀升。电源故障是“导致站点严重中断的最大原因”。网络故障和IT系统故障也会导致数据中心瘫痪，而人为错误往往也是原因之一。
这些是Uptime Institute(正常运行时间研究所)最近的数据中心中断报告中指出的一些问题，该报告分析了中断的类型、频率以及其在金钱和后果方面的损失。
1.数据不可靠是一个持续存在的问题
Uptime警告道，考虑到一些中断受害者缺乏透明度和报告机制的质量，应以怀疑的态度对待与中断有关的数据。
“中断信息是不透明且不可靠的，”Uptime研究执行总监Andy Lawrence在介绍Uptime的2023年度中断分析时表示。
”虽然航空企业等一些行业有强制报告要求，但其他行业的报告有限。所以我们必须依靠自己的手段和方法来获取数据。众所周知，出于各种原因，并不是每个人都愿意分享有关中断的详细信息。有时会得到非常详细的根本原因分析，而有时什么也得不到。”
Uptime报告从三个主要来源挑选数据：Uptime的异常事件报告(AIRs)数据库、自己的调查和公开报告，包括新闻报道、社交媒体、中断跟踪器和企业声明。每种方法的准确性各不相同。例如，公开报告可能缺乏细节，来源可能不可靠。Uptime将自己的调查评为产生公平/良好数据，因为受访者是匿名的，且其工作角色各不相同。空气质量被认为非常好，因为其包含数据中心所有者和运营商在同行之间共享的详细的设施级数据。
2.中断率略有下降
根据Uptime的说法，有证据表明近年来中断率一直在逐渐下降。
这并不意味着中断总数正在减少——事实上，随着数据中心行业的扩张，全球范围内的中断数量每年都在增加。“这可能给人一种错误印象，即与IT负载相关的中断率正在增长，而事实恰恰相反。中断频率的增长速度不及IT或全球数据中心的扩张速度。”Uptime报道到。
总体而言，Uptime观察到每个站点的中断率稳步下降，这是通过其在2020年至2022年对数据中心管理人员和运营商进行的四项调查跟踪得出的。到2022年，60%的调查受访者表示其在过去三年，从2021年的69%和2020年的78%下降。
中断率的情况似乎正在缓缓改善。
3.中断严重程度似乎正在降低
虽然60%的数据中心站点在过去三年中经历过中断，但只有一小部分被评为严重或严重。
Uptime以1到5的等级衡量中断的严重程度，其中5是最严重的。1级中断可以忽略不计，不会导致服务中断。5级关键任务中断涉及服务和运营的重大破坏性中断，通常包括巨额财务损失、安全问题、违反合规规定、客户损失以及名誉损害。
历史上，5级和4级(严重)中断占所有中断的20%左右。到2022年，严重/严重类别的中断率下降到14%。
Uptime首席技术官ChrisBrown表示，一个关键原因是数据中心运营商能够更好地处理突发事件。只要在设计系统和管理操作方面做得更好，单个故障或故障不一定会导致严重或严重的中断。
Brown表示，如今的系统具有冗余性，运营商在创建能够响应异常事件和避免中断的系统方面更加自律。
当服务中断确实发生时，其成本会越来越高——随着对数字服务的依赖性增加，这种趋势可能会持续下去。
回顾Uptime过去四年的调查数据，直接和间接成本超过10万美元的重大中断所占的比例正在增加。2019年，60%的中断恢复成本低于10万美元。到2022年，只有39%的中断造成的损失低于10万美元。
同样在2022年，25%的受访者表示，最近一次中断造成的损失超过100万美元;45%的受访者表示，最近一次中断造成的损失在10万到100万美元之间。
Brown表示，通货膨胀是部分原因;更换设备和劳动力的成本更高。
更重要的是企业在多大程度上依赖数字服务来开展业务。关键IT服务的损失可能直接导致业务中断和收入损失。Brown表示：“任何这些中断，尤其是严重和严重的中断，都有能力影响多个组织和更大范围的人群，而且必须缓解这种情况的成本不断增加。”
4.第三方提供商是最引人注目的公共中断的幕后推手
随着越来越多的工作负载外包给外部服务提供商，第三方数字基础设施企业的可靠性对企业客户越来越重要，而这些提供商往往遭受最多的公共中断。
Uptime报告称，自2016年以来，跟踪的所有公共中断事件中，IT和数据中心的第三方商业运营商(云提供商、数字服务提供商、电信提供商)占了66%。逐年看，这一比例一直在上升。2021年，由云、托管、电信和托管企业造成的中断比例为70%，到2022年，这一比例高达81%。
Brown表示：“企业越多地将其IT服务推向其他人的领域，就越不得不进行尽职调查——即使在交易达成后，也要继续做尽职调查。”
5.人为错误是导致中断的常见原因，也是一个相对容易解决的因素
根据Uptime基于25年数据的估计，虽然人为错误很少是中断的单一或根本原因，但在所有中断中，人为错误占了66%至80%。Uptime承认分析人为错误具有挑战性。例如培训不当、操作人员疲劳和缺乏资源等缺点可能难以查明。
Uptime发现，与人为错误相关的中断主要是由于工作人员未能遵守程序(47%的受访者表示)或程序本身存在问题(40%)造成的。其他常见原因包括服务中的问题(27%)、安装问题(20%)、人员不足(14%)、预防性维护频率问题(12%)以及数据中心设计或遗漏(12%)。
从积极的方面来看，投资于良好的培训和管理流程，可以在不花费太多成本的情况下减少中断。
6.电力问题继续阻碍数据中心的可靠性
Uptime表示，其目前的调查结果与前几年一致，并表明现场电力问题仍然是造成现场严重中断的最大原因。尽管大多数中断都有多种原因，而且关于其报告质量各不相同。
2022年，44%的受访者表示，电力是其最近发生有影响的事件或中断的主要原因。电力也是2021年(43%)和2020年(37%)严重中断的主要原因
Uptime表示，网络问题、IT系统错误和冷却故障也是令人不安的原因。
7.网络的复杂性导致更多的中断
Uptime使用其2023年的Uptime弹性调查数据来挖掘网络中断趋势。在调查受访者中，44%的表示其组织在过去三年中经历过由网络或连接问题引起的重大中断。另有45%的表示没有，12%的表示不知道。
导致网络和连接相关中断的两个最常见原因是，配置或变更管理失败(45%的受访者提到)，和第三方网络提供商的失败(39%)。
Uptime将这一趋势归因于当今的网络复杂性。“在现代、动态切换和软件定义的环境中，管理和优化网络的程序会不断修改或重新配置。错误变得不可避免，在如此复杂和高吞吐量的环境中，频繁的小错误可以在网络中传播，导致难以停止、诊断和修复的级联故障，”Uptime报道。
与网络相关的主要中断的其他常见原因包括：
- 硬件故障：37%
- 线路破损率：27%
- 固件/软件错误：23%
- 网络攻击：14%
- 网络/拥塞故障：12%
- 与天气有关的事件：7%
- 防火墙/路由表问题：6%
8.IT系统和软件中断的常见原因
Uptime在其弹性调查中询问受访者，其组织在过去三年中是否经历过由IT系统或软件故障引起的重大中断时，36%的表示有，50%的表示没有，15%的表示不知道。与IT系统和软件相关的最常见中断原因是：
- 配置/变更管理问题：64%
- 固件/软件故障：40%
- 硬件故障：36%
- 容量/拥塞问题：22%
- 数据同步/损坏：14%
- 网络攻击/安全问题：10%
9.IT系统和软件中断的常见原因
Uptime在其弹性调查中询问受访者，其组织在过去三年中是否经历过由IT系统或软件故障引起的重大中断时，36%的表示有，50%的表示没有，15%的表示不知道。与IT系统和软件相关的最常见中断原因是：
- 配置/变更管理问题：64%
- 固件/软件故障：40%
- 硬件故障：36%
- 容量/拥塞问题：22%
- 数据同步/损坏：14%
- 网络攻击/安全问题：10%
10.火灾并不常见，但可能是毁灭性的
公开报告的中断，包括媒体报道的中断，揭示了广泛的原因。原因可能与数据中心运营商和IT团队报告的不同，因为媒体来源对中断的了解和理解取决于其观点。
火灾是公开报告的中断原因之一，但在IT相关来源中排名不高。具体来说，Uptime发现公开报告的数据中心中断中，有7%是由火灾引起的。在网络简报中，Uptime研究人员将数据中心火灾的发生率与锂离子电池的使用增加联系起来。
与铅酸电池相比，锂离子电池占地面积更小、维护更简单、且使用寿命更长。然而，锂离子电池存在更大的火灾风险。2023年3月28日，法国Maxnod数据中心发生了一场毁灭性的火灾。认为这是由锂离子电池起火引起的。2022年10月15日，SK集团旗下、由其C&C子公司运营的韩国托管设施发生重大火灾，原因也是锂离子电池火灾。
