工作总结

发布时间：2026-04-16

2026年机房年终工作总结。

又是一年收尾。翻出故障记录本和巡检日志，数了数：全年127起故障，紧急的23起，大故障4起。核心网络可用性99.98%，折算下来全年断网105分钟——跟去年比，好了0.03个百分点，多了大概15分钟的正常时间。数字好看不好看另说，但我知道这105分钟里，有47分钟是拜一块漏换的电池所赐。

说几个今年真正让我上火的事。

三月份某个周四下午，核心业务分区的存储控制器开始发疯。先是A控报“缓存镜像超时”，我还没跑到机柜前，B控也黄了。读写延迟从2ms直接干到300多ms，数据库连接池开始死锁。我第一反应是看缓存电池——这玩意儿要是挂了，缓存一关，性能得崩。拆面板一看，两块电池容量分别剩12%和8%。当时我就骂了一句。为什么？因为按照维保计划，这批电池去年12月就该换了。供应商的到货记录单上白纸黑字写着“已完成”，实际压根没换。我没空扯皮，直接干了几件事：第一，把缓存策略从“回写”强制切到“透写”，性能会掉一截，但至少不丢数据；第二，从本地备件柜翻出两块兼容电池——幸好上个月我刚盘过一次备件，知道型号对得上；第三，换电池时发现其中一块备件上机自检报failed，拆开静电袋一看，生产日期是两年前的，又去找另一块。折腾47分钟后系统恢复正常。事后我干了两件事：一是在Zabbix里加了电池寿命的独立监控项，阈值设20%，每周出报表；二是跟采购吵了一架，要求所有存储备件必须季度盘点，电池这种耗材本地至少常备两套可用件。供应商后来补了那块漏换的电池，但我没让他们进机房——自己人换的，踏实。

八月那次空调故障更让人冒火。周六下午，我在家给孩子洗澡，手机炸了。动环系统连发十几条温度告警，北区温度从23度到34度只用了15分钟。我开车冲过去，路上让值班的先手动开所有备用空调。到现场一看，温度已经39度了，服务器风扇全速转，声音像吸尘器。施耐德的群控系统，主控程序死锁，备控也跟着挂了——这套系统去年刚升级完，厂家吹的是“全自动冗余”，全自动个屁。我直接切本地模式，强制三台精密压缩机的制冷开100%。然后我和另一个同事拿着测温枪，一排一排机柜扫过去，把进风口温度超35度的服务器手动降频。两个小时后温度回到27度。那天晚上我没走，蹲在机房地上改应急操作手册，把原来23页的流程压缩成两页纸——写清楚第一步拔哪个网线、第二步按哪个按钮、第三步看哪个灯。第二天拉所有值班的人现场练，要求每个人在5分钟内完成手动切入。有人嫌烦，我说你不想再被热醒就练。

日常那些不起眼的活儿，其实更磨人。

上半年处理一根光纤的链路丢包，查了两天，最后发现是扎带勒太紧，微弯损耗超了。那根光纤在机柜最里面，要拆三层设备才能摸到。我一怒之下，把四个核心机柜的所有线缆全拆了重走。光纤用螺旋缠绕管分开，网线按VLAN分色，每根线两端打上带日期的标签。这活儿干了两个星期，每天夜里干到两三点。但值——后来故障定位时间从平均40分钟缩到25分钟。顺手把标签机模板统一了，以前有人手写、有人打拼音，现在一律是“机柜号-U位-设备名-端口号”，字体字号都固定。

年底换那批老交换机，16台，跑了7年，端口错包率已经明显往上走了。但停机不行，业务不能断。我用的笨办法：先搭临时堆叠，用STP阻断原链路，然后每晚迁移一个机柜的业务。干了11个夜班，中间出过一次岔子——老交换机跑的是PVST+，新设备默认MSTP，生成树算出来乱套了。半夜两点，我一个人蹲在机柜前面，手工指定根桥和端口优先级，拿计算器算了一遍路径开销才稳住。那几天每天睡四个多小时，但最后一台老设备下电时，我坐在地上喝了口凉水，觉得值。

新办公区机房扩建那会儿，施工队送来的桥架方案，槽钢间距超规范15厘米。我拿GB 50462-2018跟他们工头说，按这个干，满载后桥架会弯。对方说“差一点没事”。我直接拿激光水平仪打给他看——按他们方案，理论挠度超标0.3毫米。后来全部返工。验收那天我还发现精密空调的加湿管路保温棉只有10mm，设计要求20mm。夏天结露滴水到下面配电柜上，那就是短路。施工方拆了重做，耽误了三天工期，但我不敢赌。

说到反思，今年有一件事让我挺没面子。处理一套磁盘阵列的逻辑坏块，我按流程做一致性检查，但漏掉一个隐藏的RAID条带状态——那个条带在命令行里显示“degraded”但不报错，我扫了一眼没在意。结果恢复时间多花了两个小时。后来我立了个规矩：所有关键操作必须双人复核，两个人一起看参数、一起敲命令。哪怕夜里只有一个人值班，也要电话叫另一个人远程盯着。

▲一起合同网主编每日特别推荐: