为什么思考“失败后”很重要
如果发生灾难性故障，这将导致您的基础架构瘫痪，运营陷入停滞，因此您需要一个明智的、强调优先级的、易于遵循的行动计划。随着公司运营越来越依赖网络服务、数字数据库、电子通信和网络流量，信息技术基础设施(以及他们的能力高度可用)变得越来越重要。

然而，失败还是会发生。无论是天灾，还是仅仅是老式的人为错误.报告称，2016年22%的数据中心停机都是由人为错误造成的——您的工作流程、收入流和基础架构都容易停工。如果灾难袭击了您的企业，您需要一个清晰的想法，知道如何(也许更重要的是，什么时候)恢复正常运行，以便您可以恢复业务。

您的17步灾难恢复计划清单
承诺实施灾难恢复计划。让它成为一项政策。您需要将灾难恢复作为优先事项，而不仅仅是口头说说。避免不会立即带来好处的行为是人的天性，所以这个清单上的第一项可能会很糟糕。但是，这很重要。如果你和你的公司不认真致力于灾难恢复计划，无论你做什么来创建一个都将是不成熟和相当无效的。将灾难恢复作为优先事项(并坚持承诺)的一种方法是使it成为公司政策和公司文化的一部分。您组织的最高层可以(以书面形式)建立一个策略声明，其中包括此清单中的项目(所有项目、部分项目或这些项目的一个版本，它们对您的企业来说是独一无二的)。至少，声明应包含创建灾难恢复计划的书面意图；对风险和影响评估的承诺；承诺测试该计划；定期(通常每年)更新灾难恢复计划的书面意向，以及让员工了解灾难恢复计划的明确方法。
进行影响评估。检查、调查并确定灾难性失败(通常是收入损失)对您的业务造成的真实后果非常重要。基础架构每停机一小时，您将损失多少钱？不要依赖行业估计，因为每个公司都是独特的，你不想低估你的潜在损失。确定基础架构维护、更新、升级和运营的成本也是一个好主意。一旦你有了这两个数字，你就可以保持一个成本对影响的比率——你花了多少钱，而你可能会损失多少钱——这将有助于指导你的决策升级您的基础设施。你肯定不想投资那些不会保护超过其价值的保护措施。这些评估应该定期进行(至少每年一次)，因为优先级、工作流程、成本和风险总是在变化。
创建(并持续更新)优先级加权列表。作为一家公司，您需要清点您的设备和系统，并按照它们对您的运营有多重要的顺序列出它们。如果你的电话系统出了故障——它们只用于办公室之间的通信——这可能不是关键任务。把它放在列表的底部。然而，如果你的网站是你的大部分业务，你最好移动电源，网络服务和主机网络集群到最顶端。在绝对的本质(你绝对需要操作什么)和其他一切之间划清界限是个好主意。这样，您将确切知道在灾难恢复计划中应该优先考虑什么，目标是尽可能缩短停机时间。
建立一个恢复团队(包括备份)，并明确传达您的员工的职责。不言而喻，你的员工的安全应该是重中之重。然而，除此之外，他们将是那些让你恢复和运行。建立一个员工团队来领导恢复过程，每个人都有自己明确定义的角色和职责。然后，建立第二个员工团队，他们可以扮演与第一个团队相同的角色，履行与第一个团队相同的职能。这在容易发生自然灾害的地区尤其重要；道路可能无法通行，房屋可能受损，等等。有了两个灾难恢复团队，当最糟糕的情况发生时，您越来越有可能组建一个完整的恢复团队。
使文档清晰、安全和传播成为重中之重。一项繁琐的任务是必不可少的，它不仅需要工程师，还需要制作一份主文档，保护该主文档(最好是在多个地方，包括一个非现场位置)，并将该主文档交到所有公司员工手中。该文件应包括关键员工(尤其是恢复团队)的联系信息，并应清晰明了。无论怎样强调都不为过，你应该煞费苦心地做出一份直观的、用通俗易懂的语言写的、组织良好的、绝对清楚需要采取哪些步骤、何时采取以及由谁采取的文件。这可以挽救你的生意。在预定员工无法完成任务的情况下，能够完成任务的人越多越好，这要归功于您令人难以置信的清晰文档。这是高质量的冗余，除了人。
确保您的基础架构在灾难发生前尽可能(定期)安全。处理灾难性故障的最佳方法是什么？避开它。是的，当灾难发生时，最好的情况是所有的自动化防御(冗余节点，自动故障转移,负载平衡器、集群监视器、备用电源、网络冗余等。)做他们应该做的事情，失败只不过是日志上的几行文字。但是，这意味着要对测试您的基础架构、维护和升级您的设备保持警惕，并注意保护方面的差距。
测试您的备份。执行恢复测试。很快，很容易。这是显而易见的。你想知道你的备份实际上可以做他们应该做的事情:恢复数据。
维护(并替换)您的备份。即使是最精心设计的备份介质也会降级、损坏或以其他方式出现故障。这意味着您应该轮换和替换备份。制定一个时间表并坚持下去。同样，至少每年一次。
确保您的备份是冗余和安全的。您的备份应该有备份，并且这些备份的安全性应该是冗余的。您是否在现场将物理备份存储在防火容器中？很好，现在对备份进行备份，并将其存储在一个防火的环境中。
对您的安全措施进行清点。你知道你实际上有什么样的保护吗？您是否绘制了基础架构图？知道什么在适当的位置，它实际上在什么地方，将有助于您更快地诊断、隔离和补救任何问题。
加强你的安全措施。对您的保护措施进行清点将使您能够更容易地识别和支持基础架构中的任何弱点或单点故障。
将员工培训作为(常规)优先事项。22%的数据中心停机都是人为错误造成的。训练有素的劳动力可以成为你抵御灾难的最好方法之一。如果人力资源部的那个人从来没有按错开关，那就没什么可挽回的了。
如果您的位置变得不可用，请选择另一个位置进行操作。在恢复期间有另一个位置(即使不是最佳位置)来运行操作。
为灾难性故障后必须完成的任务制定一个循序渐进(甚至可能是分分钟)的时间表。您已经对您的系统进行了优先级排序，您已经创建了一个恢复团队，两个恢复团队—并且您已经有了一个临时运营基地，现在是时候创建您的行动计划了。不要吝啬细节。创建一个彻底的(达到单调乏味的程度)逐步灾难恢复计划。将单个团队成员和员工分配到单个任务中，创建精确到分钟的完成时间估计/期望，并制定清晰的操作顺序。第一步。做这个。第二步。做这个。你明白了。
定期练习您的灾难恢复计划。把你的计划进行一遍。练习一下。观察结果。给他们计时。如果有必要，调整你的计划。这样做似乎有点奇怪——就像某种信息技术战争游戏一样——但它可以为你节省数千甚至数十万的收入。恢复得越快，损失越小(工作流程、收入等)。)你来拿。
寻求专家意见。请一位顾问来看看您的灾难恢复计划。他们可能会发现一些你忽略的东西，或者对如何发现有想法降低成本。
确保你重新审视、调整优先次序、更新和再投资。灾难恢复计划不是静态的。灾难恢复计划是一个活的文档，必须根据现实世界的变量进行更改。你能改变它的唯一方法是重新审视它，所以确保你定期和持续地这样做(至少每年一次)。当你重新审视你的灾难恢复计划时，它会给你机会调整你的优先事项，并做出改变，以支持你的计划，为你省钱或两者兼而有之。同样重要的是，不仅要继续投资于你的计划(额外的培训和资源是一种投资)，还要继续投资于你的保障措施。