Pythonic AI
499 subscribers
317 photos
84 videos
67 files
538 links
منابع، دوره ها، همایشها ، مقالات و میم کامپیوتر
Download Telegram
Pythonic AI
Photo
مرکز عملیات شبکه چیست و چگونه دسترس‌پذیری مراکز داده را بهبود می‌بخشد

مرکز عملیات شبکه که در محاوره فنی "اِن اُ سی" یا "ناک" نیز نامیده می‌شود، یک مقر کنترلی است که سازمان‌ها و شرکت‌های بزرگ، برای مدیریت شبکه‌های کامپیوتری و نظارت بر کارکرد صحیح زیرساخت ارتباطی خود ایجاد می‌کنند. این مراکز با نظارت بدون وقفه بر فعالیت‌ها، مشکلات فنی ایجاد شده را به محض وقوع شناسایی نموده و آنها را با عکس‌العمل سریع و به موقع برطرف می‌نمایند. معمولا ناک‌ها برای تامین بالاترین پهنای باند ممکن با سرعتی بسیار بالا به اینترنت متصل هستند.
.
بدین ترتیب و با کمک ناک‌ها، زمینه دسترس‌پذیری حداکثری مراکز داده فراهم شده و تضمین و کنترل کیفیت این مراکز به بهترین شکل ممکن انجام می‌شود. دسترس‌پذیری یک مرکز داده، به مدت زمانی گفته می‌شود که آن مرکز در شرایط عملیاتی قرار داشته باشد. .
بسیاری از مراکز داده بزرگ مانند دیتاسنتر پارس آنلاین، برای مدیریت، نظارت لحظه‌ای، عیب‌یابی و رفع سریع مشکلات احتمالی شبکه خود، دارای سالن ناک می‌باشند. وسعت ناک معمولا به وسعت مرکز داده و حساسیت داده‌های مستقر در این مرکز وابسته است. مراکز داده کوچکتر اغلب از سیستم‌های مانیتورینگ و نرم‌افزارهای خودکار رفع عیوب استفاده می‌کنند و معمولا نیروی انسانی در روند کاری آنها دخالت یا نظارت چندانی ندارد.
.
صرف نظر از فرایندها، هدف اصلی ناک‌ها، تامین پایداری شبکه در تمام ساعات شبانه روز و تضمین حداکثری دسترس پذیری مراکز داده است. اگر هزینه‌ها مطرح نباشد، این هدف همیشه دست‌یافتنی است. اما مشکلات زمانی نمایان می‌شوند که سازمان‌ها سعی می‌کنند تا با رویکردی مقرون به صرفه، مرکز عملیات شبکه خود را پیاده‌سازی نمایند.
.
برای تحقق اهداف اصلی ناک‌ها، بکارگیری نیروی انسانی مجرب و خبره که به اصطلاح "مهندس ناک" نامیده می‌شوند یکی از ضروریات مهم است.

برخی از وظایف و مسئولیت‌های مهندس ناک عبارتند از:
Network Monitoring
نظارت بر کارکرد صحیح شبکه
Incident Response
واکنش سریع به وقایع پیش‌بینی نشده
Troubleshooting Problems
شناسایی و برطرف نمودن مشکلات
Reporting & Tracking All Issues
مستندسازی و پیگیری تمام وقایع، مشکلات و راهکارها
#NOC
#Network
@pythonicAI