助力大规模数据中心高效稳定运行

北京2021年8月2日 /美通社/ -- 7月27日，由OCP社区主办、浪潮承办的第三届OCP China Day顺利举行。会上，浪潮联合腾讯云发布《数据中心服务器智能故障诊断TIFDS（Tencent & Inspur Fault Diagnosis System）系统技术白皮书》，白皮书详细解读了当前大规模数据中心运维面临的挑战，阐述了腾讯云与浪潮联合研发的TIFDS系统架构，为大规模数据中心提升服务器运维效率，保障数据中心稳定运行提供重要参考。

以腾讯云数百万服务器运营数据和浪潮深厚的固件研发专家经验库为基础，“TIFDS”系统可利用AI技术对海量服务器运行数据实时分析，对各类部件故障实时预警，故障诊断“火眼金睛”，故障自动明确化率提升至95%以上，远超业界平均水平。

OCP China Day现场腾讯云星星海实验室研发副总监刘超介绍白皮书内容

大规模数据中心服务器猛增 人力运维接近极限

伴随着互联网企业的崛起，云计算市场已走过十多年的时间，据Gartner数据统计，2020年全球云计算市场快速增长，增速超过40%，中国云计算市场也持续两位数增长，市场增长动能逐渐从泛互联网向产业化快速渗透，增长持续加速。

白皮书指出，云计算的快速扩张带来了数据中心服务器数量的爆发式增长，随之而来的服务器运维管理复杂度和难度也越来越大，而传统的海量服务器故障运营面临着更大的挑战和更高昂的成本，从最初的脚本运维、工具运维到平台运维演进至今，人力已接近极限，越来越无法满足快速修复故障和恢复业务运行的要求。为高效管理十万甚至百万级服务器，智能化的监控诊断系统成为大规模数据中心必不可少的工具。

公布TIFDS系统架构，故障自动明确化率95%以上

TIFDS（Tencent & Inspur Fault Diagnosis System）是腾讯云与浪潮联合研发的故障诊断系统，是服务器健康监管技术及故障预警诊断技术的总称，旨在实现运维工作由人工离线分析向自动智能在线识别的方向发展，建立一套以带外BMC为中心的故障诊断系统。据白皮书介绍，TIFDS系统具有风险实时预警，故障精准诊断和日志定制化透明安全等特点，对提升大规模数据中心运维效率具有重要意义。

风险实时预警：该系统基于腾讯云现网运行的百万台服务器运维经验，结合AI智能算法，可对非宕机类故障进行实时预警，降低服务器高负荷运行下突然失效的风险。

故障精准诊断：浪潮构建专家经验库，将故障自动明确化率提升至95%以上，远高于业界平均标准，秒级告警，精准反馈故障触发源，提升运维效率。

日志定制化透明安全：创新性的按照腾讯云需求联合定制日志输出上报方式，使诊断过程清晰透明，并对疑难问题进行了识别并建立了线上联合诊断系统，不断提升系统运维效率。

腾讯云服务器运营中心副总经理严勇表示：“腾讯云在全球数据中心服务器数量早已超过百万台，此次发布的TIFDS系统，不仅能大幅提升自身数据中心的服务器运维效率，为腾讯云平台的稳定运行提供坚实的技术支撑，也将为各类新兴应用在公有云平台的大规模落地提供良好的技术储备。”

浪潮信息研发项目管理部总经理宋晓锋表示：“TIFDS是数据中心服务器运维技术的重要创新，是腾讯云与浪潮双方基于JDM模式，打破原有产业链上下游合作模式，进行联合研发的又一成果。此次，浪潮与腾讯云将TIFDS架构进行梳理，联合发布了业界首个数据中心故障运维白皮书，为提升数据中心运维效率和云计算稳定性具有重要的借鉴意义。”