数据中心MTBF和AFR如何计算与应用？

【51CTO.com独家特稿】避免关键数据中心出现故障始终是头等重要的任务。如果短时间的停机可能会对业务的市场价值产生负面影响，那么，支持这个网络环境的物理基础设施就一定要可靠。

如何才能确信自己实施的解决方案是可靠的？MTBF（MTBF,MeanTimeBetweenFailure，即平均无故障时间）是比较可靠性最常用的方式。不过，如果没有透彻地了解MTBF，可能就无法实现业务可靠性目标。如果故障定义不明确或者假设不现实或被曲解，MTBF就毫无意义。

本文说明应如何使用MTBF以及将MTBF用作规格和选择依据时的限制。本文还提供一个核对表，作为确保公平有效地进行跨系统比较的指导性原则。

一、MTBF的比较性分析的现实方式

预测MTBF有多种可用方法，似乎不可能找到使用同一方法的两个系统。不过，还是有一种方法可以适用于大多数组织的各种不同过程。

现场数据评估方法使用实际的现场故障数据，因此能够提供比模拟情况更准确的故障率评估。对于小批量生产的产品或新产品，此数据可能找不到；不过，对那些已在现场获得广泛应用的产品，应该始终采用此数据。因此，对于跨系统比较，从现场数据评估开始比较是最合理也是最现实的。请注意，此方法与其他许多方法一样，都是基于第78号白皮书中讨论的稳定故障率假设。

本白皮书介绍完成此方法的步骤，列举并说明各个步骤中可能影响结果的可变因素。如果要进行比较的系统间的关键假设或可变因素发生变化，那么评估这些变化对MTBF估计结果的可能影响就非常重要。图1说明现场数据评估过程的时间线。随后的过程步骤将说明时间线中的每个元素。

第1步：定义并估计抽样总体的大小

确定年故障率(AFR)并最终确定产品的MTBF的过程中，***步是确定要分析的特定产品抽样总体。是基于特定产品型号还是整个产品系列进行计算？此抽样总体中产品的生产时间跨度应该多大（以天或月计）？生产日期何时开始何时结束？为抽样总体选择的产品应该在设计方面非常相似，并具有足够多的数量以保证所采集数据的统计有效性，这非常重要。

第2步：确定采集数据的样本时间范围

过程的第二步是确定从抽样总体中采集故障数据的样本时间范围。通常在产品的用户给供应商报告故障时采集数据。抽样总体中产品的最晚生产日期和样本期间开始日期之间的适合时间间隔，因产品、地理位置、分销过程和库存地点不同而有所差异。例如，如果产品在工厂仓库中储存两个月，在分销渠道中历时两个月，那么最早只能在抽样总体中最晚产品生产日期的四个月后开始进行抽样。对于需要通过批发商、经销商和零售商这些环节的产品，四个月被视为是考虑上述可变因素的合理时间范围。