数据中心运营正迈入基础设施各层级统一智能化的时代。机架密度已超过 140 千瓦 (kW),工作负载也突破了传统设计的散热和功率极限。随着基础设施变得日益复杂和互联,运营故障的风险也空前高涨。
根据 Uptime Institute 发布的《2025 年全球数据中心调查报告》,五分之一的重大故障会给运营商造成超过 100 万美元的损失,即使是中等程度的故障,其成本也日益增加(见图 1)。熟练人才的持续短缺,也给先进冷却系统、高密度机架和复杂电力系统的管理带来了更大的压力。



图 1. 该图表展示了从中断到完全恢复期间停机事件的估计总成本,包括直接成本、机会成本和声誉成本,数据来自 Uptime Institute 的一项调查。来源:Uptime Institute

为了跟上时代步伐,运营商正在数据中心基础设施管理中融入更多智能和协调机制,通过实时适应的集成系统将电力、冷却和计算连接起来。他们正从孤立的监控模式转向IT/OT融合,以满足需求并提升数据中心的能源效率。.

IT 与 OT 的比较
:信息技术 (IT):处理、存储和传输数字数据的系统,例如服务器、网络和企业软件。
运营技术 (OT):监控和控制物理基础设施的系统,例如配电单元、制冷设备和楼宇自动化系统。
什么是 IT/OT 融合?
IT/OT 融合是指将数字系统和物理系统集成到一个统一的运营模型中(参见图 2)。根据国际自动化协会 (ISA) 的定义,这项技术使组织能够统一跨所有环境的数据模型和控制系统。IT/OT 融合旨在通过促进先前各自独立的功能之间的协作,提高可视性、自动化程度和决策能力。

Vertiv Next 统一 DCD AD 图 1 1000x1000
图 2. 数据中心运营中 IT/OT 融合的示例,重点展示了数据中心控制室与先进 IT 基础设施之间的联系。来源:Vertiv

IT/OT融合应用案例:
从其基本定义来看,集成运营正在重塑现实世界的数据中心运营。通过统一平台连接冷却、电力和IT系统,运营商获得的不仅仅是可视性,还能实现实时响应和更节能的基础设施管理。1. AI控制的数据中心冷却:
谷歌开发了一套AI驱动的控制系统,将IT工作负载数据与运行中的冷却基础设施连接起来。来自数千个传感器的数据每五分钟发送到云端AI,由AI计算理想的冷却设置。
这些操作在被本地控制系统执行之前,会根据安全限制(包括温度阈值、湿度限制和设备运行范围)进行检查。如果AI生成的操作与这些安全协议冲突,控制系统会拒绝该操作,应用保守的冷却基准,并向运营商发出警报。这种具有内置冗余的闭环配置能够根据活动的IT负载实时调整冷却,从而在多个站点平均降低30%的冷却能耗。由于冷却通常占数据中心总能耗的 30-40%,因此这可以显著节省运营成本。2. 电源和散热系统集成管理:
来自不间断电源 (UPS)、配电单元 (PDU) 和冷却系统的遥测数据通过 Modbus 和简单网络管理协议 (SNMP) 等开放式通信协议进行聚合和标准化。运维人员可以通过单一界面监控和控制这些系统,实时了解能耗、设备状态和环境状况(参见视频 1)。

视频 1. 例如,Vertiv™ Unify 是一个去中心化的自动化平台,它实现了所有站点流程的标准化,帮助数据中心运营商在保持性能和可靠性一致的同时扩展运营规模。3
. IT 和设施系统的统一可观测性:
Equinix 将网络、应用、电力和环境数据整合到一个统一的可观测性层中。通过 API 和与资产管理及数据中心基础设施管理 (DCIM) 平台的集成,可以整合来自数字系统和物理系统的遥测
运营商可以通过集中式仪表板或第三方工具查看这些数据,从而加快识别跨域问题的速度,例如冷却故障影响网络性能。4
. 关键基础设施的状态维护:
Vertiv 利用 IT/OT 融合来支持状态维护和高级监控。云平台分析来自设施系统和 IT 工作负载的持续遥测数据,生成健康评分并识别性能偏差。
中心工作人员使用这些健康数据来评估资产状况,并将计划维护重点放在检测到异常的组件上,从而最大限度地提高每次服务访问的价值(参见图 3)。运营商还会利用历史性能基准来评估生命周期趋势,并为未来的产能规划提供信息。
Vertiv 基于状态的维护服务图示(图 1)
图 3 显示,维护的演变表明,变革以及随后将落后和领先的传统实践相结合,使企业能够创建一种维护模式,从而优化正常运行时间、效率和资产的持续生命周期。

为什么 IT/OT 融合如今已成为核心基础设施?
随着基础设施规模的扩大和运营压力的加剧,IT 和运营技术各自为政的孤岛式结构会造成盲点和效率低下,无法满足当今环境对速度和精度的要求。将二者融合可以带来以下优势:
• 统一可视性:通过同时查看电力、冷却和 IT 数据,可以更快地发现问题并明确根本原因。
• 更快的决策:来自物理层和数字层的实时洞察可以加速故障排除和规划。
• 预测性可靠性:及早发现异常情况可以减少停机时间并延长设备寿命。
• 可扩展的运营:标准化流程可以提高在多个地点获得一致结果的可能性。
• 能源效率:协调的负载和冷却管理可以在保持运营性能在设计范围内的同时降低能源消耗。

 

本文由Vertiv提供 – http://www.vertiv.com