8月22日2017开放数据中心峰会的数据中心分论坛上，阿里巴巴IDC研发事业部副总经理闫昆为大家分享了《从四到零-IDC稳定运营之道》。闫昆表示，他的主要工作是保障数据中心安全稳定，提升效率，而到目前为止已经实现连续648天无影响可用性故障。
大家在使用支付宝和微信时应该遇到过中断问题，不由得戏称：再强健的系统，也比不上蓝翔技校的挖掘机！不得不说，造成数据中心业务中断的有很多方面的因素，如断电是我们经常遇到的问题（阿里云香港的节点遇到的故障便造成了相当大的影响）。其次，数据中心还会遇到高温问题（达到35度服务器就会宕机，将造成重大影响）。还有因为控制软件，雷击、漏水、火灾、设备质量等。
阿里巴巴IDC研发事业部副总经理闫昆
数据中心是由七大子系统组成，包括防雷接地系统、供配电系统、空调系统、消防系统、综合布线系统、安全防范系统、供电系统。可以说，数据中心有着很多的故障可能，这些其实是跟数据中心整体构架有关的。
如何稳定运营？
闫昆表示，稳定性依托于七大子系统，要实现每个子系统的稳定运行，一定要全链路监控，包括服务器侧的供电状态，设备功耗，设备入风温度，CPU温度等，设备侧包括UPS变压器等，监控内容包括功耗、告警情况等。
从长远来讲，我们是希望通过智能运营的方式，首先我们会对所有设备进行全面监控，同时可以通过和设施联动，进行设施调节；通过智能算法，减小能耗，降低运营成本，最后是和业务联动，实现系统识别风险后动态调节迁移业务；检查维修保养这也是我们必须要做的。
其次，要有比较全面的应急预案实现风险管理。被动的应急预案是否就够了呢？每次应急预案又是针对什么场景制定的？那么哪些应急预案需要不断演习优化呢？这三个方面是一定要思考，思考怎么更好地做好风险管理。另外数据证明，数据中心70%的故障都是人为造成的，良好的人为保养会提升单个设备乃至整个系统的可用性。
如果我们要保证百分之百的可用应具备哪些条件？
闫昆表示，根据运营风险库可以对风险进行排查，实现排查以后我们要从预防开始。一类风险是影响可用性，二类风险是影响系统冗余性，三类风险是存在影响单设备性能的风险。IDC的规模，在过去几年一直实现着翻倍的增长，而阿里在2015年便建立风险库，筛查300+项风险，解决率96%，未关闭重要风险，共累计进行60+次演练，已识别机房级故障11次，成功规避了11次业务故障，影响业务故障从4个下降为0，持续648天无影响可用性故障。
