1.综述
在数据中心规划设计时，往往以“规划机柜数量”ד机架平均功率”考虑机房的用电需求及热负荷。但实际使用中，IT设备需遵循网络、业务等方面的原则进行部署，并非均匀分布，且设备的功耗在不同时段也存在波动，使得数据中心的实际负荷与设计指标存在偏差，从而造成供电过载或机房过热的风险。因而运维人员需要监控IT设备实际运行参数，分析机房运行状态，对可能的隐患及时排除。同时，在实际运维中，合理分配机房电力、机架，可以有效避免机房资源的浪费，提高资源利用率，降低PUE。本文通过介绍某机房案例，简要介绍数据中心规划与实际运维的差异，并通过变更解决机房风险的过程。
2.情况介绍
如图1所示，某数据中心A机房模块规划安装服务器机架61个，单机架平均功率4.4kW，机房总功率268.4kW。机房IT设备采用1000kVA UPS系统(单台500kVA 2+2配置)供电，分配给A机房模块的功耗为300kW。机房设有3台冷冻水型精密空调，2用1备，单台显冷量160kW，不考虑人员及围护结构散热，并考虑20%的制冷量冗余，该模块的制冷量阈值约为266.67kW(160kWx2/1.2)。
图1 某机房机架布局平面图
该机房投产时，实际部署了6个网络机柜和55个服务器机柜，机柜内IT设备及功耗如表2-1所示，机房内实际部署网络设备134台，服务器设备550台，合计684台，估算总功耗267.6kW。机房列头柜输入断路器、输出微型断路器、PDU容量均满足设备需求。
表1 机柜内IT设备部署及功耗估算
实际运行过程中，运维人员通过监控机房列头柜总用电量，统计了该机房IT负载在24小时内的波动情况，如图2-2所示。可以看到，机房实际负载24小时内大部分时间在255-265kW之间，符合机房供电、制冷容量范围内，但负载在每日凌晨1点开始提升，2点左右达到峰值时较平均功率提升了约15kW，已超出了机房制冷量阈值约7kW，之后开始逐步下降并在3点左右恢复平稳，超出冷量阈值时间约1小时。
图2 24小时机房负载功率曲线
该曲线说明，IT设备在业务高发时段的功耗超出了此前典型功率的预估值，机房整体功耗也超出了设计值。虽然由于冗余设计未造成配电系统过载，但也少许占用了其他机房模块的配电容量，且若长时间运行在高功耗状态，可能造成机房实际温度的上升、或因不同机柜之间功耗的差异产生局部热点，进而出现运行风险。同时，电力资源与制冷资源的不匹配也会导致机房资源浪费。
3.解决方案
由于该数据中心已建成投产，且未提前预留基础设施扩容条件，因此机房供电、制冷阈值已无法调整，只能将部分IT设备迁移至其他机房模块。根据图2数据，机房功耗峰值为274.5kW，超出理论冷量阈值约7.5kW。经实际测算，服务器设备峰值功率约为462W，应迁移至少16台服务器设备才能确保机房总体负载满足要求。
由于IT设备在该机房内以TOR组的形式部署，为不浪费网络端口、实现综合布线的一致性，设备迁移需以TOR组为单位进行。机房内最小的TOR组为双服务器机柜配置，组内共包含4台网络设备及20台服务器设备，功耗合计约9.8kW，迁移一个TOR组即能够满足需要。由于在机房规划中，B机房机架建设晚于A机房，设备迁移前，B机房设备上架率及实际功耗较低，目前有5台空机柜，设备设计冷量267kW，预留电量300kW，实际设备功耗为190kW，具备迁移条件。
经综合评估，确定将该机房内04-13、04-14机柜(如图2-1红框所示)，共24台IT设备迁移至相邻的、设备上架率和负载率均较低的B机房。A、B机房由同一UPS系统供电，迁移后两机房负载均在供电、制冷阈值范围内。迁移后，机房峰值功耗预计将降低9.8kW。
4.设备迁移
机房设备迁移，首先要完成相应准备工作，如：提前在B机房目标机柜内进行设备落位规划、提前布线并完成机柜PDU测试、提前屏蔽监控、提前通知相关人员做好业务交接等。
在准备工作完成后，相关运维人员关停待迁移设备所承载的应用及系统，将IT设备关机，拔除相关线缆，将设备下架并搬迁至B机房目标机柜上架。设备安装完毕后，连接电源线，设备启机，观察待设备正常启动运行后，连接光纤、铜缆，检查配置并完成系统等各项验证，待设备完全正常工作后，解除告警屏蔽，更新设备部署信息。
此外，进行设备迁移还应做好风险预案，设备故障、配置错误等因素均可能导致失败，为保证回退所需环境，光纤拔下时注意保护，避免弯折，并盖上光纤帽。如设备迁移后无法恢复，则回退至A机房原位置上架加电，并恢复综合布线连线。
5.效果验证
在设备迁移变更完成后，机房负载功率曲线如图3所示：
图3 迁移后24小时机房负载功率曲线
由上图可知，变更后机房峰值功率下降约10kW，全天均处于冷量阈值以内。风险基本解决。同时，B机房设备上架率提高，电力、制冷设备利用率提高。由于机房运行是个动态过程，运维人员将持续观察机房运行各项参数。
机房的建设是以规划与设计为标准，而在机房投产运行后，实际供电、负载变化等因素常常出现，受其影响，设计指标并不一定能完全实现，因而机房实际运行中会出现许多难以预测的风险，对安全运营产生各种威胁。在实际的运维工作中，运维人员要从实际出发，对机房的各种设备实时监控，对风险早发现、早处理，为最终实际结果负责，以充足的技术论证为前提，合理分配机房设备，充分利用闲置资源解决现有问题，从而优化PUE，为机房安全、高效率运营保驾护航。
