為什么思考“失敗后”很重要
如果發生災難性故障，這將導致您的基礎架構癱瘓，運營陷入停滯，因此您需要一個明智的、強調優先級的、易于遵循的行動計劃。隨著公司運營越來越依賴網絡服務、數字數據庫、電子通信和網絡流量，信息技術基礎設施(以及他們的能力高度可用)變得越來越重要。

然而，失敗還是會發生。無論是天災，還是僅僅是老式的人為錯誤.報告稱，2016年22%的數據中心停機都是由人為錯誤造成的——您的工作流程、收入流和基礎架構都容易停工。如果災難襲擊了您的企業，您需要一個清晰的想法，知道如何(也許更重要的是，什么時候)恢復正常運行，以便您可以恢復業務。

您的17步災難恢復計劃清單
承諾實施災難恢復計劃。讓它成為一項政策。您需要將災難恢復作為優先事項，而不僅僅是口頭說說。避免不會立即帶來好處的行為是人的天性，所以這個清單上的第一項可能會很糟糕。但是，這很重要。如果你和你的公司不認真致力于災難恢復計劃，無論你做什么來創建一個都將是不成熟和相當無效的。將災難恢復作為優先事項(并堅持承諾)的一種方法是使it成為公司政策和公司文化的一部分。您組織的最高層可以(以書面形式)建立一個策略聲明，其中包括此清單中的項目(所有項目、部分項目或這些項目的一個版本，它們對您的企業來說是獨一無二的)。至少，聲明應包含創建災難恢復計劃的書面意圖；對風險和影響評估的承諾；承諾測試該計劃；定期(通常每年)更新災難恢復計劃的書面意向，以及讓員工了解災難恢復計劃的明確方法。
進行影響評估。檢查、調查并確定災難性失敗(通常是收入損失)對您的業務造成的真實后果非常重要�；�礎架構每停機一小時，您將損失多少錢？不要依賴行業估計，因為每個公司都是獨特的，你不想低估你的潛在損失。確定基礎架構維護、更新、升級和運營的成本也是一個好主意。一旦你有了這兩個數字，你就可以保持一個成本對影響的比率——你花了多少錢，而你可能會損失多少錢——這將有助于指導你的決策升級您的基礎設施。你肯定不想投資那些不會保護超過其價值的保護措施。這些評估應該定期進行(至少每年一次)，因為優先級、工作流程、成本和風險總是在變化。
創建(并持續更新)優先級加權列表。作為一家公司，您需要清點您的設備和系統，并按照它們對您的運營有多重要的順序列出它們。如果你的電話系統出了故障——它們只用于辦公室之間的通信——這可能不是關鍵任務。把它放在列表的底部。然而，如果你的網站是你的大部分業務，你最好移動電源，網絡服務和主機網絡集群到最頂端。在絕對的本質(你絕對需要操作什么)和其他一切之間劃清界限是個好主意。這樣，您將確切知道在災難恢復計劃中應該優先考慮什么，目標是盡可能縮短停機時間。
建立一個恢復團隊(包括備份)，并明確傳達您的員工的職責。不言而喻，你的員工的安全應該是重中之重。然而，除此之外，他們將是那些讓你恢復和運行。建立一個員工團隊來領導恢復過程，每個人都有自己明確定義的角色和職責。然后，建立第二個員工團隊，他們可以扮演與第一個團隊相同的角色，履行與第一個團隊相同的職能。這在容易發生自然災害的地區尤其重要；道路可能無法通行，房屋可能受損，等等。有了兩個災難恢復團隊，當最糟糕的情況發生時，您越來越有可能組建一個完整的恢復團隊。
使文檔清晰、安全和傳播成為重中之重。一項繁瑣的任務是必不可少的，它不僅需要工程師，還需要制作一份主文檔，保護該主文檔(最好是在多個地方，包括一個非現場位置)，并將該主文檔交到所有公司員工手中。該文件應包括關鍵員工(尤其是恢復團隊)的聯系信息，并應清晰明了。無論怎樣強調都不為過，你應該煞費苦心地做出一份直觀的、用通俗易懂的語言寫的、組織良好的、絕對清楚需要采取哪些步驟、何時采取以及由誰采取的文件。這可以挽救你的生意。在預定員工無法完成任務的情況下，能夠完成任務的人越多越好，這要歸功于您令人難以置信的清晰文檔。這是高質量的冗余，除了人。
確保您的基礎架構在災難發生前盡可能(定期)安全。處理災難性故障的最佳方法是什么？避開它。是的，當災難發生時，最好的情況是所有的自動化防御(冗余節點，自動故障轉移,負載平衡器、集群監視器、備用電源、網絡冗余等。)做他們應該做的事情，失敗只不過是日志上的幾行文字。但是，這意味著要對測試您的基礎架構、維護和升級您的設備保持警惕，并注意保護方面的差距。
測試您的備份。執行恢復測試。很快，很容易。這是顯而易見的。你想知道你的備份實際上可以做他們應該做的事情:恢復數據。
維護(并替換)您的備份。即使是最精心設計的備份介質也會降級、損壞或以其他方式出現故障。這意味著您應該輪換和替換備份。制定一個時間表并堅持下去。同樣，至少每年一次。
確保您的備份是冗余和安全的。您的備份應該有備份，并且這些備份的安全性應該是冗余的。您是否在現場將物理備份存儲在防火容器中？很好，現在對備份進行備份，并將其存儲在一個防火的環境中。
對您的安全措施進行清點。你知道你實際上有什么樣的保護嗎？您是否繪制了基礎架構圖？知道什么在適當的位置，它實際上在什么地方，將有助于您更快地診斷、隔離和補救任何問題。
加強你的安全措施。對您的保護措施進行清點將使您能夠更容易地識別和支持基礎架構中的任何弱點或單點故障。
將員工培訓作為(常規)優先事項。22%的數據中心停機都是人為錯誤造成的。訓練有素的勞動力可以成為你抵御災難的最好方法之一。如果人力資源部的那個人從來沒有按錯開關，那就沒什么可挽回的了。
如果您的位置變得不可用，請選擇另一個位置進行操作。在恢復期間有另一個位置(即使不是最佳位置)來運行操作。
為災難性故障后必須完成的任務制定一個循序漸進(甚至可能是分分鐘)的時間表。您已經對您的系統進行了優先級排序，您已經創建了一個恢復團隊，兩個恢復團隊—并且您已經有了一個臨時運營基地，現在是時候創建您的行動計劃了。不要吝嗇細節。創建一個徹底的(達到單調乏味的程度)逐步災難恢復計劃。將單個團隊成員和員工分配到單個任務中，創建精確到分鐘的完成時間估計/期望，并制定清晰的操作順序。第一步。做這個。第二步。做這個。你明白了。
定期練習您的災難恢復計劃。把你的計劃進行一遍。練習一下。觀察結果。給他們計時。如果有必要，調整你的計劃。這樣做似乎有點奇怪——就像某種信息技術戰爭游戲一樣——但它可以為你節省數千甚至數十萬的收入�；謴偷迷娇�，損失越小(工作流程、收入等)。)你來拿。
尋求專家意見。請一位顧問來看看您的災難恢復計劃。他們可能會發現一些你忽略的東西，或者對如何發現有想法降低成本。
確保你重新審視、調整優先次序、更新和再投資。災難恢復計劃不是靜態的。災難恢復計劃是一個活的文檔，必須根據現實世界的變量進行更改。你能改變它的唯一方法是重新審視它，所以確保你定期和持續地這樣做(至少每年一次)。當你重新審視你的災難恢復計劃時，它會給你機會調整你的優先事項，并做出改變，以支持你的計劃，為你省錢或兩者兼而有之。同樣重要的是，不僅要繼續投資于你的計劃(額外的培訓和資源是一種投資)，還要繼續投資于你的保障措施。