數據中心應急預案范文(通用4篇)

時間：2022-10-31 寫作知識點擊：

應急（yìngjí），應對突然發生的需要緊急處理的事件，以下是為大家整理的關于數據中心應急預案4篇 , 供大家參考選擇。

數據中心應急預案4篇

第一篇: 數據中心應急預案

國科數據中心：數據中心建筑應該建多高

一線城市人口密集，高樓林立，地皮價值真可謂寸土寸金，正是這樣，在城市土地異常珍貴的時代，只能向上要空間，所以這些城市里的高樓越來越多，高樓也挨著高樓。在土地資源如此緊張和昂貴的時期，不可能為數據中心建設提供大量的土地供應，這樣數據中心也只能往高了建，但是數據中心建筑畢竟和普通的商業建筑不同，數據中心具有很多自己的特點，不能照搬商業建筑的建設思路，數據中心也建設個100層樓高，顯然是不合適的，但是又不能建設一排排平房，像別墅一樣，這樣的數據中心估計誰也用不起，當然國家土地資源部門也不審批過。那么數據中心到底能建設多高，才能最大地提升節約建設成本，同時又能發揮出數據中心最佳的效能，也許國科數據中心的建設經驗將帶給您關于數據中心建設高度的全新思考。

數據中心建筑和普通的商業建筑不同，內部要放置大量的電子設備，還要布置通風管道和布線，所以高度空間上要比商業建筑要高。根據國家標準《電子信息系統機房設計規范》，要求數據中心內部凈高不得低于2.6M，這個凈高指的是活動地板和吊頂板之間的高度，再加上地板以下高度和吊頂板以上高度，實際上數據中心的高度至少要超過3.2M，一般在4M左右，那么再加上樓板的厚度，一層數據中心的高度應該在4.5M是比較適宜的。國家標準對單層數據中心的高度有明文規范，卻對于整體數據中心的高度并沒有說明，也沒有對高度范圍進行限制和推薦。在實際的數據中心里，我們很少看到只建有一層，平房式的數據中心，這樣的數據中心太過奢侈，一般都是樓房。我們所講的數據中心都是至少1000臺服務器以上中大型規模的，也有不少的數據中心就在辦公樓里，甚至也要處于幾十層樓高，這樣的數據中心稱之為數據機房更為貼切，這些數據機房也不具備數據中心的計算規模和數據處理能力，更多的是滿足日常辦公網絡，小數據處理業務，總共也不會有多少臺設備，商業建筑的水電等設施基本可以滿足。而真正的數據中心往往要耗費大量的電力，還需要配備完善的接地系統，備用電源系統以及空調系統等等，普通的商業建筑根本滿足不了。受到數據中心本身的特點所限，數據中心無法像普通商業建筑那么建設數百米高。首先，數據中心內部要放置大量的電子設備，有些設備重大半噸，要幾個人才能抬得動，而且這樣的設備數量并不在少數，這需要樓板承受巨大的重量壓力，如果建設幾十層樓高，然后放滿各種數據中心設備，那么樓板、承重墻和地基都要大大加固，我們知道建設高層建筑，隨著層數的增加成本是呈幾何方式增長的，如果再將承重考慮進去，那么成本是不可想象的，也設計不出來，可能承重墻就要占據一半的空間。其次，在搬移大型設備時，就需要使用電梯，貨梯承重越大設計成本越高，樓層越高設計成本也越高，很多電子設備一臺就頂幾個人重，數據中心的貨梯承重能力都要比較強，這樣的貨梯自然上升和下降的速度的都會比較慢，如果要上升50層，恐怕要十幾分鐘，而且還特別耗電。再次，數據中心若樓層過高，通風和制冷成很大的問題，制冷需要大量的冷水，要部署大容量高壓泵。通風要鋪設管道，每層都需要布置。樓層越高制冷和通風部署的成本就越高，設計也越復雜，甚至無法合理地設計出來。最后，數據中心依然是屬于危險場所，一旦發生火災，地震等自然災害，高樓層里的人們可能無法及時逃出，大量的設備甚至會壓倒建筑，一旦倒掉，成千上萬的設備從天而降，會給周圍帶來致命性的災難。

既然數據中心無法隨心所遇地建設高樓，那么到底建設多高才合適呢。其實我們統計一下現有的數據中心，不難發現絕大部分的數據中心層數基本集中于3~5層之間，高度大概在20~30米。這樣數據中心既可以在空間上得到復用，又不至于建設成本過高，處于5層以下，甚至可以不用部署電梯（貨梯還是必須的），然后通風和制冷系統可以直接采用外掛數據中心墻體上。處于這樣的層高，上下搬設備也很方便。如果是采用1~2層高的數據中心，除非是土地價格的確很便宜，否則不允考慮。單層建設面積過大，不僅從土地成本上考慮，從可維護性方面考慮也是不可取的。這意味著在數據中心內部要鋪設過長的通風、制冷管道，還有布線系統，反而使得內部系統過于復雜。而通過多樓層部署，這些資源都可以復用。數據中心的高度處于20~30米，往往是數據中心能夠發揮最大效能的高度。對于建設于一線城市的數據中心，從成本方面考慮也是最優的。如今，一線城市土地價格昂貴，再加上數據中心依然屬于高能耗的行業，所以基本不再一線城市新建大型的數據中心，數據中心轉投二、三線城市，土地成本并不是一個特別關注的一項。盡管如此，新建的數據中心依然以20~30米為準，這個基本已經成為了業界不成文的標準。數據中心有它自己適合的高度，這是經驗形成的結論，必須要遵循這樣的高度范圍來建設數據中心，數據中心的技術在過時，設備在更新，但是高度范圍永遠都不會過時。

第二篇: 數據中心應急預案

數據中心能耗實例分析

前言：本文著重分析了影響數據中心能耗的因素，從數據中心的空調、UPS、運維等方面對其能耗進行了綜合分析。本文認為影響數據中心能耗的關鍵因素是空調系統，并以2個數據中心的空調系統為例，結合作者在數據中心建設和運維中的經驗，提出了數據中心節能的建議。

一、數據中心節能的必要性

近年國內大型數據中心的建設呈現快速增長的趨勢，金融、通信、石化、電力等大型國企、政府機構紛紛建設自己的數據中心及災備中心。隨著物聯網、云計算及移動互聯概念的推出，大批資金投資到商業IDC的建設中。數據中心對電力供應產生了巨大的影響，已經成為一個高耗能的產業。在北京數據中心較集中的幾個地區，其電力供應都出現飽和的問題，已無法再支撐新的數據中心。目前某些數據中心移至西北等煤炭基地，利用當地電力供應充足、電價低的優勢也不失為一個明智的選擇。

隨著數據中心的不斷變大，綠色節能數據中心已經由概念走向實際。越來越多的數據中心在建設時將PUE值列為一個關鍵指標，追求更低的PUE值，建設綠色節能數據中心已經成為業內共識。例如，微軟公司建在都柏林的數據中心其PUE值為1.25。據最新報道Google公司現在已經有部分數據中心的PUE降低到1.11。而我們國內的PUE平均值基本在1.8~2.0，中小規模機房的PUE值更高，大都在2.5以上。我們在數據中心綠色節能設計方面與國外還存在很大差距，其設計思想及理念非常值得我們借鑒。

根據對國內數據中心的調查統計，對于未采用顯著節能措施的數據中心，面積為1000平方米的機房，其每年的用電量基本都在500多萬kWH左右。因此對于新建的大型數據中心，節能的必要性十分重要。

從各大數據中心對電力的需求來看，數據中心已經成為重要的高耗能產業而非“無煙工業”，建設綠色、節能的數據中心急需從概念走向實際。

二、影響數據中心能耗的因素

數據中心的能耗問題涉及到多個方面，主要因素當然是空調制冷系統，但UPS、機房裝修、照明等因素同樣影響著數據中心的能耗，甚至變壓器、母線等選型也影響著能耗。例如，對UPS而言，根據IT設備的實際負荷選擇合理的UPS容量，避免因UPS效率過低而產生較大的自身損耗。同時，選擇更加節能的高頻UPS、優化UPS拓撲結構都可起到節能的效果。

1、 UPS對數據中心能耗的影響

UPS主機的自身損耗是影響數據中心能耗的一項重要因素。提高UPS的工作效率,可以為數據中心節省一大筆電費。下圖為某大型UPS主機的效率曲線。從該曲線中可以看出，當UPS負荷超過30%時UPS的效率才接近90%。很多數據中心在投運初期IT負荷較少，在相當長的時間內負荷不足20%。在此情況下UPS的效率僅僅為80%左右，UPS的損耗非常大。因此，在UPS配置中盡量選擇多機并聯模式，避免大容量UPS單機運行模式。例如，可以用兩臺300kVA UPS并聯運行的模式代替一臺600kVA UPS單機運行模式。其優點在于IT負荷較少時只將一臺300kVA UPS投入運行，另一臺UPS不工作，待IT負荷增加后再投入運行。這種UPS配置方案及運行模式可以提高UPS效率，降低機房能耗。

2、供配電系統對數據中心能耗的影響

數據中心的用電負荷非常巨大，并且有很多變頻設備例如冷水機組、水泵、冷卻塔、照明燈具等，這些變頻設備會產生很大的諧波。此外，UPS、IT設備等也會產生很大的諧波。諧波對數據中心有非常大的危害，而且會增加能耗。對于用電負荷為1000kW的數據中心，進行諧波治理后，每年可節能100多萬度電。

3、空調系統對數據中心能耗的影響

據美國采暖制冷與空調工程師學會（ASHRAE）技術委員會9.9（簡稱TC9.9）統計報告顯示，數據中心各部分的用電量分布大致如下圖所示：

從上圖可看出，空調制冷系統占數據中心總電量的近三分之一，是影響機房能耗的關鍵指標。每個數據中心空調制冷的能耗存在很大差異，好的空調制冷方案可以極大降低能耗，降低PUE值。因此，本文以2個數據中心為例，著重分析空調系統對數據中心能耗的影響。

三、數據中心空調系統實例分析

1、小型數據中心空調系統能耗分析

以南方某數據中心為例，說明小型數據中心的能耗。該數據中心2007年建成，IT機房總面積為530平方米，220個機柜。4臺120kVA UPS，3用1備，每個機柜的平均功率為1.3kW。采用風冷式精密空調制冷，配置10臺80kW顯冷量空調，8用2備。經多年運行，目前該機房負荷已接近滿載。該機房是在廠房基礎上改建而成，幾乎沒有采用任何節能措施，僅在改建過程中對樓板、墻壁、門窗等進行加固、封閉及保溫處理。該機房的年PUE值為2.68。每天的用電量約為1.3萬kWH。

該機房原配置8臺精密空調，6用2備。機房建成后出現局部熱點，經分析后，確定由3個因素所致。其一，因機房層高較低，機房架空地板僅為350mm，扣除地板下的強度電纜線槽，有效靜壓箱高度很低，不利于氣流流動。其二，該機房存在空調死角，氣流無法有效流動。其三，空調室外機與室內機的高度較大，超過20米，對額定制冷量有折減。為解決上述三個問題，只能通過增加空調數量來解決。因此該機房的PUE值較高。

在這類機房中，機房風冷式精密空調的能耗是影響該數據中心能耗的關鍵指標，因其房間結構所限，造成精密空調的效率較低，也影響到數據中心的整體能耗較高。

2、大型數據中心空調系統能耗分析

該數據中心總面積約為3000多平方米，2009年初開始正式投入運行。在本項目中空調冷凍水系統采用了“Free Cooling”技術，在過渡季節利用壓縮機+自然風冷卻運行模式。在冬季則完全利用自然風冷卻進行板式換熱。在冬季及過渡季節，外界濕球溫度小于4℃時，采用“Free Cooling”運行模式，即冷水機組停止運行，經冷卻塔散熱后的冷卻水和從精密空調來的冷凍水在板式換熱器內進行熱交換，將機房內的熱量帶走，此時冷卻塔起到冷水機組的作用。在此過程中僅冷卻塔的風扇、水泵及精密空調等設備在耗電，冷水機組完全沒有耗電。在夏季及過渡季節當外界濕球溫度高于4℃時，“Free Cooling”運行模式已無法滿足數據中心制冷需求，此時冷水機組開始制冷，回到傳統的空調壓縮機制冷模式運行。系統示意圖如下圖所示：

作為數據中心的關鍵基礎設施，冷凍站的設計是最重要環節。本項目設置2個相對獨立的制冷機房，每個冷凍機房有2臺3500KW（合1000RT）的離心式冷水機組，3用1備。冷凍水供回水溫度設定為11℃/17℃。考慮前期負荷較小，為避免離心式冷水機組在低負荷時發生“喘振”現象，系統配置2臺400RT的螺桿式冷水機組。板式換熱器按冷凍水11℃/17℃ ,冷卻水 9℃/14℃進行設計。

為實現制冷系統的不同運行模式，冷凍水泵選擇了2種不同揚程的變頻水泵以適應“Free Cooling”運行模式和冷水機組制冷模式。

本系統的關鍵技術是空調系統的控制邏輯。控制邏輯的優劣直接關系的空調系統的能耗及系統安全。

在制定空調系統控制邏輯時，首先基于冷水機組、水泵、冷卻塔的能耗數據及本地區的氣象條件，提出了合理的節能系統流程圖，并與假定冷水機組全年運行的能耗數據進行比較，在理論上做出節能運行分析。

其次，為了保證空調系統安全、節能運行，控制邏輯分為夏季和冬季2種模式。在由冷水機組轉換到自然冷卻時，為了避免冷水機組發生低溫保護，必須首先開啟冷卻水管道的旁通閥，將冷卻水水溫提高，以便順利開啟冷水機組。

冬季自然冷卻時，冷卻塔處于低溫環境，而冷卻塔又必須供應低于冷凍水溫的冷卻水（比如6-8℃的冷卻水），控制邏輯必須防止冷卻塔結冰現象的發生。

根據近幾年的實際運行經驗，本數據中心最遲從每年的11月下旬就可啟用“Free Cooling”運行模式，一直可持續到第二年的3月底至4月中旬，即每年至少可使用4~4.5個月的免費冷源，節能效果非常顯著。

下表是該某數據中心的2010年7月份至12月份的用電量統計及相應的PUE值。

從上表可知，8月份 IT設備的負荷比7月份有所增加，因此8月份的PUE值比7月份略有降低。9、10月份平均氣溫低，此時冷卻水溫度較低，冷水機組效率得以提高，因此9、10月份的PUE值比7、8月份PUE值明顯偏低。因當年11、12月份的氣溫較低，該系統已完全具備FREE-COOLING運行模式所需的條件，冷水機組壓縮機已停止工作不再耗電。因此，此時雖然UPS的用電量在逐步加大，但空調的用電量卻比7、8、9、10月份的用電量還要低，PUE值從1.76降低到1.33，節能效果非常巨大。

3、數據中心水處理系統與能耗的關系

大型數據中心通常采用冷水機組作為機房冷源，因此數據中心的水系統（冷卻水及冷凍水）對于數據中心而言極為重要，其安全可靠性直接關系到數據中心的運行。不僅如此，水質也直接關系到節能的問題，例如北京地區水質較硬，當水系統中的結垢現象很嚴重時，空調系統的能耗也隨之增加。

冷卻水與空氣接觸進行熱交換的同時也將空氣中的污染物帶入系統，進而會影響設備的正常運行。空調的冷卻水系統易受到結垢，腐蝕，污垢，微生物等問題的困擾。其主要原因是冷卻塔在通過水的蒸發將熱量帶走的同時，水中的離子濃度會不斷升高，進而會加劇系統設備和管道的結垢、腐蝕。另外，在滿足一定的溫度、陽光、空氣等條件時，水中會滋生很多微生物，微生物的存在會影響系統設備和管道的正常運行。

在空調專業上將冷卻水出水溫度與制冷劑的冷凝溫度之差稱之為冷凍機趨近溫度。當冷水機組內的銅管干凈時，該差值小也即趨近溫度低；反之，當銅管有水垢粘附時，差值大也即趨近溫度高。趨近溫度越高，空調壓縮機需要額外多做功壓縮制冷劑，產生額外的電耗。根據實際運行中的統計，趨近溫度每增加1℃，冷水機組即增加3%的能耗。此外，當趨近溫度達到7℃時，會對冷水機組的運行造成非常大的危險。因此實時的檢測水系統的水質并自動進行加藥處理對數據中心的水系統尤為重要。

水系統自動檢測及自動加藥設備通過在線的、實時的控制，可以嚴格地控制水的電導率，控制電導率在合理范圍內，根據電導率大小自動控制排污閥的開或關，使補水量更精確，從而達到節約用水的目的。下面以實例說明自動水處理系統在節電、節水方面所取得的效果。

某數據中心在采用自動水處理系統前遭遇冷凍機組結垢、微生物滋生等問題困擾，造成趨近溫度升高，最高時達到6.5℃，產生了嚴重的能源浪費和運行風險。經過自動處理系統后，現趨近溫度穩定在1℃以下。在處理前，冷水機組耗電量為202kw。處理后，在相同的負荷下，耗電量降為170kw。在采用“Free cooling”技術的前提下，冷水機組每年運行7.5個月計算，則一年節約用電為：

（202-165）kW * 24h * 225d =199800 kWh。

四、數據中心運維能耗分析

1、提高機房環境溫度。國內機房運行溫度普遍偏低。我國關于機房的國標規定，A級機房的溫度為23℃~24℃。通常情況下機房管理人員將此溫度設為機房精密空調的回風溫度。那么，精密空調的出風溫度通常是18℃~19℃。但隨著芯片技術的不斷提高，芯片耐高溫性能也在不斷更新，IT設備可正常運行的溫度也在不斷地提高。國外有越來越多的數據中心設計和管理人員將機房精密空調的出風溫度設置到27℃。據估算，制冷參數變化1℃，可能會產生5%~10%的能耗變化。此外，提高機房環境溫度還可以延長節能裝置（例如“Free Cooling”免費冷源）的使用時間，提高精密空調送風溫度和提高冷凍水出水溫度。

2008年ASHRAE給出了推薦的機房環境溫度，如下圖所示。圖中紅色線條區域為推薦的環境溫度。在最新的白皮書《數據處理環境熱指南（thermal guidelines for data processing environments）》中，該溫度又有了提高。ASHRAE所給出機房環境溫度是經過國際上主流IT設備供應商確認的，也就是說該機房環境溫度并不與IT設備供應商的要求相抵觸。

2、UPS節能運行。在市電供電質量好的情況下，將UPS主機運行在旁路模式，使逆變器處于“休眠”狀態，但當市電不滿足要求時，逆變器迅速投入工作。這種工作模式可以有效的降低UPS自身損耗。

3、嚴格有效的數據中心管理可以極大的降低能耗，根據機房IT負載的變化及時調整精密空調的運行數量，調整風口地板出風面積，安裝機柜盲板等措施。

五、結束語

大型數據中心的能耗在不斷的增加，從保護環境，節約能源的角度出發，國家應采取措施規范大型數據中心的建設，對大型數據中心采取相應的政策加以限制和引導。

我們在大力倡導節能減排，少開車，綠色出行等健康節能的生活方式，殊不知不加節制的網絡瀏覽、網絡游戲也是一種浪費能源。因為網絡供應商為了追求快速瀏覽，需要安裝大量的服務器，這些服務器無時無刻不在耗費大量的水、電等寶貴能源。你可能想象不到，在我們進行輕松聊天、視頻的時候，你也在浪費著能源，產生著二氧化碳。

第三篇: 數據中心應急預案

云計算數據中心建設項目數據中心設計方案1.1 設計原則

1.1.1 統一建設

數據中心必須統一規范建設。通過制定統一的數據交換與共享標準，建設統一的數據共享與交換平臺和統一的接口系統，可以避免重復投資，降低接口的復雜性，有效實現數據中心與業務部門以及業務部門之間的數據共享與數據交換，消除“信息孤島”，實現數據資源的互聯互通。

1.1.2 相對獨立

根據數據中心的功能定位，數據中心的建設和運作必須保持業務系統的相對獨立性。為此采用松散耦合方式，通過在業務部門統一配置接口系統實現數據資源整合。

1.1.3 共建共享

一方面建設數據中心的目的是為了實現業務部門之間的數據共享。

另一方面，數據中心的數據來源于各個業務部門，因此數據中心的建設必須依靠各業務部門的積極參與和配合。

1.1.4 安全可靠

數據中心的安全是非常重要必須要做好系統的安全設計，防范各種安全風險，確保數據中心能夠安全可靠的運行。同時數據中心必須采用成熟的技術和體系結構，采用高質量的產品，并且要具有一定的冗災功能。

1.2 數據中心平臺設計

1.2.1 平臺總體架構

1.2.2 數據資源規劃

數據資源是數據中心最重要的資源。數據中心的數據資源分布狀態具有階段性，每個階段都對應數據資源整合的不同階段，體現數據資源的管理集中、有機分布的特點。根據“基于數據，圍繞數據，面向數據”的建設思路，我們進行數據資源體系的總體規劃，然后具體描述共享型的共享數據庫、操作型的業務數據庫和分析型的歷史數據庫這三類數據資源的構建、維護和使用。

1.2.2.1 數據資源規劃的總體思路

數據資源規劃的總體思路主要包括如下幾個方面：

? 數據共享標準化

首先共享數據是標準的，其次共享的方法和途徑是規范的。目前各系統數據資源數據庫已經有多種存在方式，要解決系統間信息的互連、互通、互操作，必須針對共享數據建立共同遵守的標準規范，只有編碼是統一的、格式是統一的、數據交換的方式是統一的，才能保證數據是一致的，才能實現對數據交換和數據共享的有效管理。

? 業務數據相對獨立

各職能部門分管業務的范圍和職責不同。因此，系統在全局考慮、統一設計的同時，還要充分考慮不同業務部門自身的特點，在統一規劃的前提下，保證支持不同業務活動的數據具有相對獨立性，建立面向各部門進行聯機事務處理的業務數據庫。

? 決策數據集成化

建設數據中心的另一個目的就是將各部門的業務結果數據有機地集成在一起，進行綜合查詢和統計分析，為各級領導的決策提供有力的數據支持。

1.2.2.2 數據資源體系結構

數據中心數據資源體系結構

對公共服務系統、業務應用、決策分析提供支持，數據中心的數據庫包含如下內容：

? 共享數據庫，包含：自然人基礎數據、法人基礎數據庫、元數據庫、標準代碼庫、共享業務數據(如果業務部門之間通過數據中心進行數據交換)。

? 統計分析數據庫，匯集各業務部門的統計分析數據，為決策提供數據支持。

? 運行管理數據庫，用于監控管理、節點管理、日志等。

? 公共服務數據庫，提供對公共服務系統的數據支持。

1.2.2.3 共享數據一致性的保證

共享數據包括自然人和法人基礎數據及其元數據和標準代碼數據、共享業務數據。共享數據一致性問題是數據中心面臨的關鍵問題。從范圍上劃分，共享數據包括基礎數據，基礎數據包含基準數據。

● 基準數據

基準數據是指唯一表示自然人和法人的數據字段集合，自然人有身份證號碼和姓名標識，法人有法人機構代碼和名稱標識。基準數據主要來源是市公安局和市質監局。基準數據必須保證在整個社會保障信息系統是一致的，將來擴展到整個電子商務系統是一致的。市公安局和市質監局負責將更新的信息交換到數據中心；市數據中心負責匯總數據，進行比對整理校驗，形成一致的基準數據，通過數據共享與交換平臺分發給市級各業務部門和區數據中心；由業務部門/區數據中心校驗更新自身的基準數據，保證基準數據的一致性。基礎更新頻度要達到每天更新甚至實時更新。數據的傳遞和分發通過數據交換平臺實現。

● 基礎數據

基礎數據是指自然人和法人的常用基本信息，各業務部門日常管理都需要用到的面向主題的數據。基礎數據包括自然人和法人的基準數據和其他元數據。主要來源是市級業務部門和區數據中心。基礎數據一致性必須建立于基準數據一致性的基礎上。基礎數據的一致性也需要通過數據共享與交換平臺和相應的機制、管理辦法來保證。各部門按照業務職能明確元數據維護責任和權限，定期將在辦理業務過程中更新的元數據項數據提供給數據中心；數據中心根據基準數據一致性的原則，對各業務部門提供的數據進行比對校驗，正確的數據增加或更新到數據庫中，并每天按照各業務部門業務要求，將更新數據分發到各業務信息系統；各業務部門可以直接使用這部分數據作為支撐行政業務和行政管理的數據資源，也可以作為業務參考信息。基礎數據的范圍將隨著元數據范圍的擴大而擴大。這部分數據同時可作為社保卡的數據。基礎數據更新的頻度，按照元數據使用的頻度分別定義，通過部門協商機制研究確定，最低要求每周更新，一般每天更新，業務關聯度較高的信息，要實現實時更新。數據的傳遞和分發通過數據交換平臺實現。

● 元數據標準和標準代碼數據

元數據標準和標準代碼數據由市數據中心維護更新，并發布給各業務部門和區數據中心使用，由于業務部門系統內部沿用的代碼可能與數據中心的發布版本不一致，業務部門需保證與其他業務部門進行共享交換的數據必須遵循數據中心的標準規范，而在系統內部可以采取逐步過渡遷移的方案，盡量減少影響業務運作。

● 共享業務數據

共享業務數據是指多個業務部門之間需要共享使用的數據，作為各業務部門進行行政管理的參考數據。數據來源渠道包括市級業務部門、區級數據中心、社會保障卡和公共服務等業務運營機構。共享業務數據以業務數據的發生地管理部門為準。這類數據由各業務部門按業務需求和協商的頻度提供給數據中心，在數據中心處提供各部門查詢。由于這類數據量比較大，預計可以分業務、分批更新。

1.2.2.4 共享數據庫的建立過程

共享數據庫的建立采取逐步擴展的策略，達到數據整體上的一致性、完整性和準確性是一個逐步完善的漸進式遞歸過程。共享數據庫的建立由業務驅動，業務部門提供的自然人、法人基礎數據經數據源單位確認后存入基準數據庫，并反饋業務部門，經過不斷的提交和確認，基準數據庫的數據不斷增加，覆蓋范圍不斷擴大，比對的工作量逐步減少。在基準數據庫的基礎上，不斷補充其他的自然人、法人基礎信息，最終形成自然人、法人共享數據庫。

采取圍繞自然人和法人基準數據為核心，在核心的基礎上不斷擴充和完善自然人和法人共享數據的策略進行建設。首先建立和整理自然人和法人基準數據庫，保證核心的準確性，為各業務部門進行數據清洗和整理提供基礎；再在基準庫的基礎上搭建自然人和法人共享數據庫的整體框架，共享的信息內容成熟一個、整合一個、交換一個。