为什么需要制定数据中心制冷应急预案
CRAC机组可能会毫无预兆地停机。无论是断路器跳闸、皮带磨损还是压缩机故障——机房温度都会开始上升。 在一个典型的服务器机房中，如果配备10个机架，每个机架耗电5千瓦，那么就会产生50千瓦的热量，而这些热量无处散发。如果没有制冷，温度可能会每分钟上升几度，具体取决于机房体积和IT负载。正因如此，数据中心制冷应急响应计划绝非奢侈之举，而是必不可少的。.
该计划应足够简单，以便在压力下也能顺利执行。你肯定不希望在警报声大作时，人们还在手忙脚乱地翻阅手册。你需要明确的职责分工、明确的行动步骤和明确的临界值。下面让我们来详细看看实际应对措施是怎样的。.
步骤 1：确认故障并评估风险
首先，确认报警情况。有时传感器故障或短暂的电压波动会触发误报。检查CRAC机组的显示屏或控制器。设备是否确实已停机？风扇是否在转动？压缩机是否在运行？如果设备确实停机，请记录时间——这将成为计算升温速率的基准。.
接下来，评估风险。机房内的IT负载有多大？当前进风温度是多少？如果配备了冗余制冷系统，剩余的设备能否承担该负载？例如，如果拥有两台30 kW的CRAC机组，而IT负载为40 kW，那么单靠一台机组无法满足机房的制冷需求。 您已经陷入困境。如果负载为20千瓦，您还有余量——但这种情况不会持续太久。.
- 检查 CRAC 控制器是否有错误代码，并记录故障发生的时间。.
- 在机架顶部测量进气温度——热点会最先出现。.
- 检查冷却系统的冗余情况：是否有 N+1 台设备可以自动启动？
- 注意房间的升温速度——这能告诉你还有多少时间。.
步骤 2：启动临时通风措施
时间紧迫。如果机房升温速度超过每分钟1°C，您需要争取时间。如果采用架空地板冷却系统，请打开地板格栅。这样可以让冷空气更接近机架。将便携式风扇放置在热区附近，使其将空气吹向这些区域。但请注意——如果放置不当，风扇可能会将热空气重新循环。 应将风扇对准地面或最近的运行中的机柜空调（CRAC），以吸入冷空气。.
在许多服务器机房中，问题并不在于总热量，而在于热量分布不均。一个装有高密度设备的机架可能热得发烫，而机房的其他部分却一切正常。检查过道封闭情况——冷通道是否有缝隙？用塑料布甚至纸板暂时封住这些缝隙。虽然看起来不太美观，但确实有效。.
第 3 步：调入便携式制冷设备或备用机组
如果房间温度继续升高，你就需要更多 制冷量. 便携式空调或局部制冷机虽然能起到一定作用，但效果有限。一台典型的便携式设备通常只能提供 5–10 千瓦的制冷量，这往往不足以满足整个房间的需求。应将其用于针对性降温——将设备放置在进气温度最高的机架附近。.
如果现场有备用CRAC机组，现在正是将其推入机房的时候。但更换机组需要数小时，而非几分钟。 您需要断开故障机组的连接，将备用机组移至指定位置，接通电源和冷却液管路，并进行测试。这需要由受过专业培训的技术人员来完成。在此期间，您的临时措施正在维持机房的正常运行。.
有些设施已预先安装了便携式制冷机的连接接口。如果您的设施尚未安装，请考虑在下次升级时增设这些接口。在冷水循环管路上安装一个简单的快速接头，可在紧急情况下节省数小时的时间。.
第 4 步：减轻 IT 负担
有时，降低热量的最快方法是关闭非关键工作负载。 如果您拥有虚拟化环境，可以将虚拟机迁移到其他位置，或者直接关闭开发服务器。在托管机房中，您可能需要联系客户，请他们减少负载。虽然这并不愉快，但总比完全停机要好。.
请提前明确负载优先级。哪些应用程序对业务至关重要？哪些可以停机一小时？请将这些内容记录在数据中心制冷应急响应计划中。当警报响起时，您不希望临时抱佛脚地做出这些决定。.
- 识别非关键工作负载，并优先将其关闭。.
- 如果可能的话，请将虚拟机迁移到其他主机上。.
- 如果您有多个机房，请将高密度工作负载迁移到制冷能力有余量的机房中。.
- 在关闭任何系统之前，请先与IT相关方沟通——他们可能存在一些你所不知道的依赖关系。.
第 5 步：了解安全关机阈值
总会有一个临界点，你必须停止IT设备的运行，即使这意味着系统会停机。 大多数服务器制造商都会规定一个最高进气温度——通常为35°C至40°C（95°F至104°F）。但如果长期在这些极限温度下运行，风险很大。部件可能会老化，风扇也会全速运转，从而消耗更多电能。.
将关机阈值设置得低于硬件限制。例如，如果服务器规格要求温度上限为40°C，则应在35°C时开始关机。这样就能留出缓冲余地。此外，别忘了湿度——如果房间过于干燥，静电放电可能会损坏设备。 大多数机房空调（CRAC）设备都能控制湿度，因此当它们发生故障时，您可能会发现湿度下降。如果湿度降至 20% RH 以下，这也是需要关机的另一个原因。.
| 参数 | 典型阈值 | 动作 |
|---|---|---|
| 服务器进水温度 | 35°C (95°F) | 开始限电 |
| 服务器进水温度 | 40°C（104°F） | 关闭非关键IT系统 |
| 室内湿度 | 低于 20% RH | 若持续发生，则关闭 |
| 温度上升速率 | >每分钟2°C | 立即关闭所有IT系统 |
这些数值仅供参考——请查阅您的设备规格，并自行设定阈值。关键在于提前做好决定，这样到了关键时刻就不会犹豫不决。.
第 6 步：清晰沟通并记录一切
在事件发生期间，沟通与技术应对同样重要。哪些人需要知晓？ 设施经理、IT运维团队，以及可能的高层管理人员。如果您位于托管机房，服务商的网络运营中心（NOC）也应列入您的联络名单。此外，如果您有客户，他们需要了解其服务是否面临风险。.
指定一名事件指挥官。该指挥官负责协调所有行动和沟通，其他人员均向其汇报。这样可以避免混乱和指令冲突。利用电话会议系统或群聊确保所有人及时掌握情况。同时，对所有事项进行记录——包括谁做了什么、何时做的以及当时的温度。这些记录对于事后复盘将具有不可估量的价值。.
第 7 步：诊断根本原因并恢复冷却
一旦紧急情况得到控制，您需要查明CRAC机组故障的原因。检查错误代码、检查皮带、排查制冷剂泄漏，并测试电气连接。是简单的断电故障吗？还是皮带磨损断裂？还是压缩机电机故障？诊断结果将决定维修所需的时间。.
如果您与VERHI等服务商签订了维护合同，请立即致电联系他们。他们可以派一名携带所需备件的技术人员前来。如果您是自行处理，请确保手头有备件——皮带、滤网、接触器，以及可能需要的备用风扇电机。等待备件是任何维修中最令人头疼的部分。.
在重新启动CRAC机组之前，请确认电源供应是否稳定。如果故障是由电源浪涌引起的，您可能需要检查UPS和配电盘。此外，请检查冷凝器盘管——如果盘管被灰尘堵塞，机组在重新启动后不久就会再次发生故障。.
第 8 步：活动结束后——总结与改进
一旦恢复冷却且温度回归正常，工作并未就此结束。请在几天内召开事后评审会。哪些方面做得不错？哪些方面做得不够好？阈值设定是否正确？沟通计划是否奏效？是否有人因不确定该怎么做而犹豫不决？
根据此次经验教训，更新您的数据中心制冷应急响应计划。也许您需要更完善的监控系统、更多的便携式风扇，或者调整关机顺序。或许您应该增加一台冗余的CRAC机组，或者优化预防性维护计划。目标是让下次故障造成的干扰更小。.
此外，请在事件发生后检查您的PUE（电源使用效率）。如果当时不得不让风扇全速运转或使用便携式制冷设备，您的PUE很可能出现了激增。这种情况在预料之中，但值得记录下来，以说明停机对财务造成的影响。.
常见问题解答
当CRAC机组发生故障时，首先应该做什么？
确认故障，记录时间，并检查温度上升速度。如果房间温度上升过快，请立即启动应急预案——首先采取临时通风和减载措施。.
服务器机房的温度能升到多高，设备才会自动关机？
大多数服务器都能承受最高35-40°C（95-104°F）的进气温度，但长期在这些极限温度下运行存在风险。请将关机阈值设得更低一些，例如35°C，以便留出安全余量。.
便携式空调能拯救服务器机房吗？
它们可以缓解局部过热问题，但典型的便携式设备仅能提供5-10千瓦的制冷量——这通常不足以满足整个房间的需求。在寻求更持久的解决方案期间，可将它们用于针对性地冷却最热的机架。.
我应该多久测试一次应急制冷方案？
每年至少两次。进行一次模拟故障演练，以检验团队的应对情况。你很可能会发现计划中的漏洞，并在真正发生紧急情况之前加以弥补。.
哪些维护措施可以防止CRAC故障？
定期检查皮带、滤网、制冷剂液位和电气连接。此外，应保持冷凝器盘管清洁，并在磨损部件发生故障前及时更换。制定合理的预防性维护计划，可降低突发故障的发生概率。.
需要帮助制定或测试您的制冷应急预案吗？VERHI 的工程师可以审查您当前的配置，并推荐切实可行的措施来提高系统韧性。立即联系我们。.
