Bảo trì máy chủ định kỳ: vì sao phòng ngừa rẻ hơn xử lý sự cố?

Trong nhiều năm làm dịch vụ, các dự án tôi tham gia đã xử lý hàng chục triệu sự cố. Càng có thêm trải nghiệm, tôi càng tin vào một nguyên tắc: dịch vụ CNTT chất lượng không bắt đầu từ việc tổ chức đội xử lý sự cố thật nhanh, mà từ bảo trì thường xuyên và duy trì tài liệu kỹ thuật chính xác.

Điều này nghe không hấp dẫn bằng câu chuyện một đội kỹ sư khôi phục hệ thống giữa đêm. Người vệ sinh thiết bị, kiểm tra làm mát và cập nhật sơ đồ kết nối theo lịch ít khi được coi là anh hùng. Nhưng chính công việc đó giúp giảm số lần đội khẩn cấp phải lên đường.

Sự cố bắt nguồn từ đâu?

Trong kinh nghiệm các dự án của tôi, hai nhóm vấn đề xuất hiện thường xuyên:

• Khoảng 40% sự cố liên quan việc không thực hiện hoặc thực hiện chậm bảo trì kỹ thuật theo kế hoạch.
• Khoảng 10% liên quan tài liệu kỹ thuật thiếu hoặc lỗi thời.

Đây là khái quát từ thực tiễn của tác giả, không phải thống kê lấy mẫu đại diện cho toàn ngành, cũng không phải lời hứa rằng mọi khách hàng đều sẽ giảm một nửa số sự cố. Ý nghĩa chính là: một phần đáng kể vấn đề có thể được xử lý trước khi trở thành gián đoạn nghiêm trọng.

Nghiên cứu ngành cũng nhấn mạnh vai trò của quy trình. Trong thông báo công khai về phân tích gián đoạn thường niên năm 2025, Uptime Institute cho biết: trong các gián đoạn nghiêm trọng liên quan lỗi con người, 85% liên quan việc không tuân thủ quy trình hoặc bản thân quy trình có thiếu sót. Mẫu số ở đây không phải toàn bộ sự cố trung tâm dữ liệu. Xem Uptime Institute, 2025.

Bản gốc tiếng Nga dẫn thêm một số tỷ lệ từ các bài tổng hợp. Bản biên dịch này dùng phát biểu nguồn gốc có phạm vi rõ ràng nói trên, không cộng các tỷ lệ của những nhóm nguyên nhân khác nhau và không gộp kinh nghiệm của tác giả với khảo sát ngành thành một bộ dữ liệu.

Bụi: rủi ro có thể xử lý từ trước

Bụi là ví dụ dễ thấy. Nó tích tụ trên quạt, bộ tản nhiệt và bộ nguồn, ảnh hưởng luồng gió và khả năng thoát nhiệt. Bản gốc dẫn bài viết của Servermall về vệ sinh thiết bị, trong đó có số liệu nhiệt độ linh kiện tăng 16,5 °C trong những điều kiện cụ thể. Không nên hiểu rằng mọi máy chủ có bụi đều tăng nhiệt đúng bằng con số này.

Tương tự, một mức nhiệt độ phòng không phải ranh giới hỏng hóc chung cho mọi máy chủ. Nhiệt độ khí đầu vào, CPU và các linh kiện khác là những chỉ tiêu khác nhau. Giới hạn còn phụ thuộc mẫu máy, cấu hình, độ cao và yêu cầu của nhà sản xuất. Ví dụ, thông số Dell PowerEdge R740 nêu điều kiện áp dụng cho nhiệt độ vận hành tiêu chuẩn. Cần dựa vào tài liệu đúng thiết bị, cảnh báo và xu hướng đo, không suy ra rằng vượt 30 °C hoặc 35 °C là chắc chắn hỏng.

Hãy so sánh hai cách làm.

Cách thứ nhất: trong cửa sổ bảo trì đã thống nhất, kỹ sư kiểm tra thiết bị theo kế hoạch, dùng dụng cụ vệ sinh chống tĩnh điện phù hợp, tuân thủ quy định tắt nguồn, tháo lắp và bảo dưỡng của nhà sản xuất, kiểm tra quạt, nhật ký và ghi lại kết quả. Đó là công việc có thể sắp xếp trước.

Cách thứ hai: để thiết bị thiếu bảo trì nhiều năm rồi mới xử lý khi xuất hiện quá nhiệt hoặc vấn đề khác. Lúc này có thể đồng thời phải thay linh kiện, khôi phục dịch vụ và dữ liệu, trong khi hoạt động kinh doanh bị gián đoạn. Không phải mọi trường hợp có bụi đều dẫn đến hỏng cả máy, nhưng trì hoãn làm mất dần cơ hội xử lý có kiểm soát.

Bản gốc dẫn bài của Cyberprotect về chi phí dừng CNTT tại doanh nghiệp nhỏ và vừa ở Nga, với ước tính khoảng 2 triệu rúp để minh họa quy mô tổn thất có thể có. Đây là ước tính trong tài liệu bên thứ ba về thị trường Nga, không phải phép tính chung của ATRIMUT và không áp dụng mặc định cho mọi doanh nghiệp hoặc thị trường Việt Nam.

Với khách hàng cụ thể, điều hữu ích hơn là tính tổn thất dừng hệ thống và chi phí phòng ngừa của chính họ.

Thiếu tài liệu: kỹ sư như đang dò mìn

Vấn đề tài liệu ít trực quan hơn bụi, nhưng hậu quả có thể nặng hơn. Hai ví dụ sau được tác giả nêu trong bản gốc.

Ví dụ 1. Mạng lưu trữ SAN

Một máy chủ mất kết nối với mạng lưu trữ SAN. Ban đầu, sự cố chỉ ảnh hưởng hạ tầng phụ trợ. Kỹ sư đến hiện trường nhưng không có sơ đồ kết nối, hoặc chỉ có bản từ ba năm trước. Không rõ cổng trên switch đang nối đến đâu.

Nếu lúc này chuyển đổi liên kết trên switch SAN theo phỏng đoán, vấn đề một máy chủ có thể lan sang môi trường sản xuất. Trong ví dụ tác giả mô tả, cuối cùng cả hệ thống sản xuất bị ảnh hưởng: một sự cố cục bộ trở thành gián đoạn lớn hơn.

Ví dụ 2. Khung máy chủ phiến

Nhiệm vụ ban đầu chỉ là thay một máy chủ phiến, hay blade, trong chassis. Nhưng không có tài liệu cấu hình và danh sách mẫu tương thích. Kỹ sư chọn một blade “trông có vẻ phù hợp” rồi đưa vào khe.

Theo bản gốc, kết quả là hai blade và backplane của chassis bị hỏng, các dịch vụ chạy trên đó ngừng hoạt động. Từ thay một linh kiện, công việc trở thành sửa chassis và xử lý dừng dịch vụ. Đây là mô tả một tình huống thực tế, không có nghĩa mọi blade không tương thích đều gây cùng một cơ chế hỏng.

Vì sao bảo trì và tài liệu dễ bị xem là chi phí vô ích?

Phòng ngừa có một đặc điểm khó trình bày: khi hiệu quả, kết quả thường là “không có chuyện gì xảy ra”. Máy chủ không hỏng, không có gián đoạn và kỹ sư không phải chạy đến lúc nửa đêm. Khách hàng đọc báo cáo “đã bảo trì, đã cập nhật tài liệu” rồi có thể hỏi: chúng tôi thực sự mua được điều gì?

Tổn thất của một sự cố đã xảy ra rất dễ thấy. Giá trị của sự cố không xảy ra thì khó nhìn hơn.

Khách hàng không chỉ mua vài tờ giấy, mà mua cơ chế giảm rủi ro:

• Giảm những sự cố có thể phòng ngừa; kinh nghiệm tác giả cho thấy phần này đáng kể nhưng không phải bảo đảm chung.
• Giúp kỹ sư biết thiết bị ở đâu, kết nối thế nào và phải xử lý ra sao, giảm thời gian dò tìm.
• Giảm nguy cơ thao tác sai làm vấn đề nhỏ phát triển thành gián đoạn lớn.
• Hỗ trợ sử dụng thiết bị lâu dài và lập kế hoạch thay thế hợp lý.

Đánh giá giá trị của phòng ngừa

Chuyển cuộc trao đổi từ cảm nhận sang các mục có thể kiểm tra sẽ hữu ích hơn:

Có thể so sánh chi phí bảo trì cả năm với tổn thất sự cố có khả năng tránh được. Tổn thất nên tính giờ khôi phục, thiết bị, gián đoạn kinh doanh, phục hồi dữ liệu và trách nhiệm hợp đồng phù hợp, đồng thời tránh tính hai lần cùng một khoản thiệt hại. Nếu bảo trì thực sự ngăn được một gián đoạn lớn, giá trị có thể vượt rõ chi phí; nhưng phải xét xác suất và hoàn cảnh doanh nghiệp, không cam kết một hệ số hoàn vốn cố định.

Bảo trì và tài liệu tối thiểu cần có gì?

Tôi đề xuất làm rõ các nội dung sau trong hợp đồng dịch vụ và kế hoạch công việc:

1. Lập lịch vệ sinh và kiểm tra làm mát theo môi trường, yêu cầu nhà sản xuất và dữ liệu giám sát. Tác giả lấy khoảng mỗi nửa năm tại phòng máy thông thường làm điểm bắt đầu; môi trường nhiều bụi hoặc sản xuất có thể cần kiểm tra, bảo trì mỗi 1–3 tháng. Đây không phải chu kỳ bắt buộc chung cho mọi thiết bị.
2. Kiểm tra quạt, bộ nguồn, ổ đĩa, trạng thái RAID và nhật ký phần cứng.
3. Kiểm tra UPS và ắc quy, thử nghiệm theo yêu cầu bảo dưỡng tương ứng.
4. Giữ sơ đồ LAN, SAN và nguồn điện chính xác, có nhãn cáp và cổng.
5. Duy trì danh mục thiết bị, bản ghi cấu hình và danh sách linh kiện tương thích.
6. Chuẩn bị các bước thực hiện cho công việc thường gặp như thay blade, ổ đĩa và nguồn, bao gồm phê duyệt, điều kiện dừng, xác nhận kết quả và phương án quay lui khi cần.
7. Cập nhật tài liệu ngay sau thay đổi, không để đến “khi nào rảnh”.

Bản thân tài liệu cũng cần quản lý theo mức độ nhạy cảm. Sơ đồ mạng, cấu hình và thông tin truy cập không phải nội dung để công khai cho mọi người tải xuống. Cần cấp quyền có kiểm soát cho người thực hiện nhiệm vụ, không đưa dữ liệu nội bộ lên website công cộng.

Kết luận

Đội xử lý sự cố nhanh là cần thiết, nhưng đó là tuyến phòng thủ cuối, không nên là tuyến đầu tiên. Dịch vụ đáng tin cậy dựa trên bảo trì thường xuyên và tài liệu chính xác: loại bỏ rủi ro từ sớm khi có thể, giúp những sự cố còn lại dễ xác định và khôi phục hơn.

Bài viết giới thiệu cách ATRIMUT tổ chức công việc CNTT tại Nga để trao đổi chuyên môn với đồng nghiệp và đối tác Việt Nam. Có thể xem thêm trang dịch vụ CNTT. Đây là thực tiễn kỹ thuật và quản lý, không phải cam kết một kết quả giống nhau cho mọi thiết bị và mọi sự cố.

Câu hỏi thường gặp

Bảo trì kỹ thuật có kế hoạch trong bài gồm những gì?

Gồm vệ sinh theo lịch, kiểm tra làm mát và nguồn, ổ đĩa và RAID, phân tích nhật ký, cập nhật cấu hình và sơ đồ kết nối. Công việc cụ thể phải theo hướng dẫn thiết bị, rủi ro và cửa sổ bảo trì.

Bao lâu cần vệ sinh máy chủ?

Tác giả lấy khoảng mỗi nửa năm ở phòng máy thông thường làm điểm bắt đầu; môi trường nhiều bụi hoặc sản xuất có thể cần kiểm tra, bảo trì mỗi 1–3 tháng. Đây không phải chu kỳ chung, cần kết hợp hướng dẫn nhà sản xuất, môi trường và xu hướng nhiệt độ.

Bao nhiêu sự cố CNTT liên quan bảo trì hoặc tài liệu?

Trong kinh nghiệm dự án của tác giả, khoảng 40% liên quan bảo trì thiếu hoặc chậm, khoảng 10% liên quan tài liệu. Không thể coi đó là tỷ lệ chung toàn ngành. Con số 85% trong thông báo của Uptime Institute chỉ nói về các gián đoạn nghiêm trọng liên quan lỗi con người có vấn đề tuân thủ hoặc thiếu sót quy trình; mẫu số khác nhau.

Kỹ sư đã biết hệ thống, vì sao vẫn cần cập nhật tài liệu?

Nhân sự thay đổi, thiết bị và kết nối cũng được điều chỉnh liên tục. Sơ đồ, cấu hình, danh sách tương thích và hướng dẫn chính xác giúp giảm phỏng đoán, thao tác sai và nguy cơ vấn đề cục bộ lan thành gián đoạn lớn.