中國儲能網(wǎng)訊：對于數(shù)據(jù)中心來說，保持業(yè)務連續(xù)性是首要目標，然而龐大的數(shù)據(jù)中心面臨眾多潛在風險，小概率事件也可能帶來災難性后果——機房火災、服務器長時間宕機、聲譽受損，據(jù)不完全統(tǒng)計，僅僅2020年以來有十幾樁類似大故障發(fā)生。
IDC圈經(jīng)過梳理盤點，列出近三年來嚴重程度可排前十的數(shù)據(jù)中心災難事件。
數(shù)據(jù)中心火災前/后對比
圖片
圖片
事件一：韓國SK公司數(shù)據(jù)中心火災
2022年10月15日，韓國SK公司C&C板橋數(shù)據(jù)中心發(fā)生火災，大火在大約8小時后被撲滅。
起火后數(shù)據(jù)中心斷電造成韓國國民級聊天軟件Kakao Talk、主流電商平臺NAVER等在內的眾多網(wǎng)絡服務中斷。據(jù)《韓國時報》報道，本次火災導致了約3.2萬個服務器癱瘓，數(shù)千萬用戶服務受到影響——截止2021年，韓國人口約為5200萬。一天之后Kakao Talk等服務才開始陸續(xù)恢復。數(shù)據(jù)中心客戶表示，由于損失了大量服務器，恢復過程比預期的要長。
調查發(fā)現(xiàn)，安裝在地下三層電氣設備室的5個電池機架全部燒毀，電池和機架附近似乎因電氣因素失火。
事件二：湖南電信荷花園大廈起火
2022年9月16日，位于湖南省長沙市芙蓉區(qū)的湖南電信大樓發(fā)生火災，數(shù)十層樓體燃燒劇烈，消防趕到后將火勢撲滅，撤離及時，無人員傷亡。經(jīng)初步偵察，現(xiàn)場為大廈外立面起火。為防止發(fā)生危險，大樓部分設備斷電，據(jù)中國電信官方及用戶反映，部分用戶手機語音和短信功能受到影響，截止當晚12時仍未恢復。
長沙電信大樓于2000年建成，建筑地上42層地下2層。大樓內含荷花園電信機房，是湖南最大的主干線接入點之一，此前資料顯示，機房具備25G光纖直CHINANET骨干網(wǎng)，總機架數(shù)量約1000個。
事發(fā)前招標信息顯示，該大廈消防設備超期運行，火災報警系統(tǒng)等存在較大安全隱患。
事件三：谷歌數(shù)據(jù)中心電氣爆炸
當?shù)貢r間2022年8月8日，位于美國愛荷華州康瑟爾布拉夫斯的谷歌數(shù)據(jù)中心發(fā)生爆炸，造成3人受傷。
媒體報道，3名電工在數(shù)據(jù)中心大樓附近的變電站工作時，突然發(fā)生了電弧閃光（電氣爆炸），導致三名電工被嚴重燒傷。事故發(fā)生后，多個地區(qū)的谷歌地圖、谷歌搜索出現(xiàn)中斷服務情況，有數(shù)據(jù)顯示，該故障影響了全球40多個國家/地區(qū)的至少1338臺服務器，包括美國、澳大利亞、南非、肯尼亞、以色列、南美洲部分地區(qū)、歐洲和亞洲部分地區(qū)。
谷歌證實了這場意外為電力事故，但未披露具體原因。
事件四：英國高溫致多個數(shù)據(jù)中心宕機
2022年夏天，歐洲經(jīng)歷極端高溫，當?shù)貢r間7月16日英國氣溫達到42℃，位于倫敦的谷歌云和甲骨文數(shù)據(jù)中心均因氣溫過高出現(xiàn)故障，導致系統(tǒng)宕機。
甲骨文報告，數(shù)據(jù)中心的兩臺制冷系統(tǒng)出現(xiàn)故障，導致數(shù)據(jù)中心內部氣溫越來越高，一些系統(tǒng)自動采取保護措施關閉作業(yè)，使得一些用戶的數(shù)據(jù)使用出現(xiàn)延遲問題。谷歌同樣稱數(shù)據(jù)中心內的冷卻系統(tǒng)出現(xiàn)故障，導致了該區(qū)域的部分容量故障，導致VM(虛擬機)終止和一小部分客戶的機器損耗，同時谷歌關閉了機房內的一些機器，以防進一步損壞。
谷歌表示只有“一小部分用戶”受到了影響。
事件五：網(wǎng)易游戲機房大規(guī)模服務器宕機
2021年11月3日，多款網(wǎng)易游戲出現(xiàn)無法登錄、斷連情況。
據(jù)《絕對演繹》等游戲官博表示原因系機房過熱導致服務器宕機“機房傳來報警，溫度過高。部分服務器過熱宕機。空調重新開機也沒有解決問題……”。
事發(fā)后約3小時左右，網(wǎng)易游戲各服務器已恢復正常登陸，網(wǎng)易方面并未就此次故障做統(tǒng)一回復。
事件六：Telstra英國數(shù)據(jù)中心火災
2021年8月27日，澳洲電信Telstra位于英國首都倫敦的托管數(shù)據(jù)中心發(fā)生火災并引起宕機?；馂脑斐梢话氪髽菙嚯姡廊藛T表示，雖然只燒毀了三層供應間的一小部分區(qū)域，但由于大火使支撐母線的斷路器跳閘，工程師們不得不通過發(fā)電機恢復電力。
據(jù)分析，這次火災事故很有可能是由于UPS故障引起，事故擊穿了溫度保障、消防滅火及ups預測性維護、ups預防性維護等多重保障，最終導致火災。
事件七：汛情致河南多機房斷電
2021年7月，河南遭遇極端暴雨天氣，多個數(shù)據(jù)中心受到汛情影響，機房停止服務：
河南移動樞紐機房斷電，無法正常辦理移動業(yè)務；海騰鄭州BGP機房、華中鄭州市BGP機房等數(shù)據(jù)中心因所在區(qū)域市電中斷超過1、2個小時，機房由柴發(fā)帶載，附近油站因道路積水暫時無法供油到機房，在出現(xiàn)電力中斷前，考慮到用戶數(shù)據(jù)安全，臨時中斷服務。
西部數(shù)碼鄭州區(qū)域、晉江文學城、河南省產權交易中心用戶方發(fā)布通知，表明服務受機房原因中斷。
當時IDC圈收到的照片顯示，有位于河南的數(shù)據(jù)中心出現(xiàn)機房進水情況。
事件八：OVH數(shù)據(jù)中心火災
當?shù)貢r間2021年3月10日，歐洲云計算巨頭OVH位于法國萊茵省首府斯特拉斯堡的數(shù)據(jù)中心發(fā)生嚴重火災，OVH在該區(qū)域擁有的4個數(shù)據(jù)中心全部暫停服務。4座數(shù)據(jù)中心中，一座被完全燒毀，一座的服務器損毀了三分之一。
起火后，癱瘓的法國政府、企業(yè)與公共事業(yè)網(wǎng)站達到約360個，一些游戲開發(fā)商在歐洲的業(yè)務也受到影響，部分位于該數(shù)據(jù)中心的服務器被燒毀，其中游戲《Rust》表示，25臺歐洲服務器完全損毀，沒有備份，數(shù)據(jù)無法被修復。
盡管OVH短時間調查后解釋，此次起火可能因UPS引起，但一年后法國官方事故調查機構的發(fā)布的報告顯示，災難更大可能是由電力室逆變器周圍的濕氣引起的。
事件九：WebNX美國猶他州數(shù)據(jù)中心起火
2021年4月，美國主機托管公司W(wǎng)eb NX位于猶他州的奧格登數(shù)據(jù)中心著火，導致超360萬個網(wǎng)站出現(xiàn)故障，約1.5萬名客戶的資料受到影響，部分客戶數(shù)據(jù)完全丟失且無法恢復。
事件十：微軟Azure美東數(shù)據(jù)中心服務中斷6小時
2020年3月3日，微軟Azure位于美國東部的數(shù)據(jù)中心發(fā)生服務中斷，持續(xù)六小時，導致客戶無法使用Azure云服務。
微軟隨后披露，一個冷卻系統(tǒng)故障是導致這次停機的原因，發(fā)生故障的樓宇自動化控制導致氣流減少，隨后整個數(shù)據(jù)中心的溫度峰值阻礙了網(wǎng)絡設備的性能，使計算和存儲實例無法訪問。
.......
當然，2020年以來，數(shù)據(jù)中心發(fā)生的故障大事遠不止以上這些。
例如2020年8月華為云香港機房制冷設備出現(xiàn)異常，導致服務器掛了3個小時；2022年10月，蘇州國科數(shù)據(jù)中心因備用冷塔著火致樓頂著火，但或是影響范圍較小，或是如蘇州國科數(shù)據(jù)中心般機房和業(yè)務未受影響，因此并未列入。
這里僅盤點故障嚴重和造成較大影響的事件，供大家了解，以作前車之鑒。
智者千慮，必有一失。業(yè)務連續(xù)性是數(shù)據(jù)中心的首要原則，災難預防和應對是數(shù)據(jù)中心每分每秒的“必修課”。當前數(shù)據(jù)中心高可靠性正面臨諸多新挑戰(zhàn)，災難預防需要多方共同參與構建。
