為什么數(shù)據(jù)中心需要更好的預警系統(tǒng)降低熱失控風險

通過人工智能和機器學習技術，數(shù)據(jù)中心可以采用與建筑管理系統(tǒng)(BMS)同時運行的軟件解決方案，以識別和管理熱失控風險。
　　
　　2020年似乎成為10年來最熱的年份之一，歐洲今年夏季氣溫很快就達到去年夏季溫度的最高水平，這給當?shù)財?shù)據(jù)中心的運營敲響了警鐘。高溫不可避免地為數(shù)據(jù)中心帶來了冷卻方面的挑戰(zhàn)，英國有記錄以來最熱的10年是從2002年開始的，數(shù)據(jù)中心冷卻策略顯然需要組織為夏季高溫帶來的任何問題做好準備。
　　
　　鑒于冷卻問題仍占數(shù)據(jù)中心計劃外停機的近三分之一，因此，數(shù)據(jù)中心的風險規(guī)劃必須考慮到溫度升高的影響。不幸的是，大多數(shù)組織似乎仍然沒有意識到數(shù)據(jù)中心的過熱風險，這種風險會迅速使數(shù)據(jù)中心的運營處于危險之中。冷卻問題目前已成為數(shù)據(jù)中心服務中斷的第二大原因，對于組織而言，通過優(yōu)化散熱性能來降低這種風險至關重要。
　　
一、識別預警信號
　　
　　熱失控問題在很短的時間就能產(chǎn)生，即使是經(jīng)驗豐富的數(shù)據(jù)中心運營團隊也不會掉以輕心。冷卻設備故障很容易升級為熱失控情況，使全天候運行的數(shù)據(jù)中心面臨停機風險。
　　
　　調(diào)查發(fā)現(xiàn)，其中一個主要原因是現(xiàn)有的解決方案(如BMS)在及時發(fā)現(xiàn)熱失控方面不是很有效。由于沒有嚴重違反服務等級協(xié)議(SLA)或發(fā)生故障，冷卻散熱和氣流問題通常不會過早地觸發(fā)建筑管理系統(tǒng)(BMS)警報。但是一旦觸發(fā)，則為時已晚，其結果是散熱問題可能會迅速升級，在數(shù)據(jù)中心運營團隊解決問題之前，將會產(chǎn)生影響整體性能的局部數(shù)據(jù)中心熱點。
　　
二、不要等待警報，需要采取更主動的方法
　　
　　組織需要預防潛在熱失控故障，通過人工智能和機器學習技術，現(xiàn)在可以采用與BMS系統(tǒng)并行工作的軟件解決方案，以識別和管理來自數(shù)據(jù)中心的熱失控風險。
　　
　　借助這種實時熱監(jiān)控技術，可以跟蹤冷卻輸出并提前識別出性能不佳的冷卻系統(tǒng)，以便及時進行改進。在這里，數(shù)據(jù)中心機架和精密空調(diào)監(jiān)控對于發(fā)現(xiàn)典型的冷卻系統(tǒng)和BMS系統(tǒng)無法發(fā)現(xiàn)或隱藏的但易于修復的冷卻和氣流問題至關重要。
　　
　　A公司開發(fā)了數(shù)據(jù)中心的關鍵監(jiān)視系統(tǒng)，現(xiàn)在能夠完成對關鍵基礎設施的遠程熱失控風險預測分析。在最近的一個示例中，關鍵監(jiān)視系統(tǒng)的軟件和分析功能用于遠程識別異常熱失控行為，遠程診斷問題并建議如何減輕熱失控影響。所有這些都是在BMS系統(tǒng)發(fā)現(xiàn)問題之前完成的。
　　
　　A公司發(fā)布的視頻演示了基于預測性分析的方法如何為數(shù)據(jù)中心設置預防故障所需的預警功能。在這一示例中，由于精密空調(diào)發(fā)生故障，具有正常和穩(wěn)定的冷卻負荷曲線的數(shù)據(jù)中心的溫度很快就變得不穩(wěn)定。其時間軸如下：
　　
　　?軟件分析解決方案利用精密空調(diào)中的EkkoAir冷卻負荷傳感器的性能數(shù)據(jù)來識別精密空調(diào)的異常行為。
　　
　　?軟件分析解決方案可以識別單個冷卻效果不佳的精密空調(diào)。
　　
　　?如果精密空調(diào)出現(xiàn)問題，軟件分析解決方案提供了局部熱點的預警。
　　
　　?軟件分析解決方案還顯示，其他精密空調(diào)雖然仍在運行，但無法消除熱點。
　　
　　?軟件分析解決方案建議關閉發(fā)生故障的精密空調(diào)，以消除再循環(huán)的熱空氣。一旦采取行動，熱點問題立即得到解決。
　　
　　?調(diào)查并解決了精密空調(diào)問題，恢復正常的冷卻運行，并通過軟件分析解決方案進行了確認。
　　
　　在這個過程中，現(xiàn)有的BMS在任何時候都不會產(chǎn)生警報，因為沒有特定的組件故障或警報閾值被觸發(fā)。這個例子顯示了分析解決方案的早期風險檢測分析功能，如何能夠在最終失效之前識別和診斷性能不佳的冷卻設備，從而消除潛在的熱失控風險，并及時進行維修。它還說明了BMS系統(tǒng)缺乏警報生成，這意味著如果沒有額外的預測分析，數(shù)據(jù)中心團隊將不會意識到出現(xiàn)故障或查找出故障位置。通過對數(shù)據(jù)中心的整體觀察，關鍵分析軟件能夠捕捉到細微的變化，例如設定值的變化、閥門卡住或格柵移動等，這些變化可能會導致更廣泛的熱失控問題。
　　
三、熱失控之前的預警
　　
　　傳統(tǒng)的BMS方法僅在系統(tǒng)出現(xiàn)故障或超出閾值時才生成警報，A公司的高粒度感測和關鍵實時算法相結合，可以在潛在設備出現(xiàn)故障之前先對其進行突出顯示，以免影響數(shù)據(jù)中心服務的可用性。
　　
　　只有從數(shù)據(jù)中心運營中消除100%的熱失控風險，并為后續(xù)的冷卻優(yōu)化項目提供穩(wěn)定的平臺，數(shù)據(jù)中心管理人員才能真正實現(xiàn)熱失控管理。