文章
- 产品
- 文章
结合银行数据中心建设项目，设计银行数据中心机房动力环境监控系统，分析银行数据中心机房监控对象、搭建系统监控架构，给出监控实现方法，*后针对运行一段时间出现的问题，提出优化措施和建议，对同类工程建设具有一定借鉴意义。
银行数据中心机房的供配电和精密空调等基础设施多，而设备维护人力资源少，因此增加了基础设施运维人员工作强度和难度。为及时发现设备故障并处理，本文设计了动力环境监控系统，并针对运行中出现的主要问题给出优化措施。
监控对象银行数据中心机房动力环境监控系统（以下简称为动环监控系统）的监控对象可分为三大类：第一是对设备动力系统实时工作状态进行监控，如供配电系统开关状态、ＵＰＳ和柴油发电机等设备的运转参数和状态等；第二是对机房内运行环境进行监测与控制，如温度、湿度、漏水、氢气浓度及消防等；第三是对人员设备进出进行监控，如门禁、摄像头、防入侵等安全类设备。而机柜内服务器、交换机、加密机等安全或网络类硬件设备运行状态并未纳入，不在本文探讨范围。
银行机房动环监控系统设计应遵循“集中化、一体化、智能化”的设计模式，采用高标准的监控系统设计原则，实现主动、高效、流程化的监控管理。
（１）稳定性。动环监控系统作为机房基础设施“管家”，要求２４ｈ不间断提供服务，这不仅依赖动环监控设备供电的稳定性，还依靠网络通信的可靠性。
（２）安全性。动环监控系统信号采集回路应具备良好的保护机制，不会因采集回路故障而造成被监控基础设备误动作或故障，且系统应具备自检功能，在基础设施故障时能及时通过电话或****等方式告知运维人员设备故障部位、故障性质等。
（３）开放性。动环监控系统应符合开放式设计标准，预留多种对外接口和兼容ＭＯＤＢＵＳ－ＴＣＰ、ＯＰＣ、ＯＤ－ＢＣ、ＢＡＣＮＥＴ等标准通信协议，以实现与第三方厂商设备数据的传输与交换。
（４）可扩展性。动环监控系统应可扩容及易维护，以适应数据中心机房的扩容、监控设备增加等变动情形。
动环监控系统采用计算机网络、现代通信技术和控制技术，对机房动力设备及环境等进行实时监控，实现无人值守机房的现代化管理。硬件上采用三层架构：底层为现场设备层，由被监控设备、Ｉ／Ｏ采集模块等构成；中间层为数据采集处理层，由各串口服务器、动环服务器、交换机等构成；顶层为数据应用层，由监控平台或客户端等终端构成。软件上采用Ｂ／Ｓ结构，在机房中通过安装各种传感器及数据采集设备进行底层数据采集，将所有子系统集成在统一的用户界面下，对各个子系统进行统一监视、控制和协调，从而构成统一的协同工作的整体。系统架构设计如图１所示。
数据中心主机房设置在６Ｆ，按功能细分为服务器机房一、二、三，网络机房，配电间Ａ、Ｂ；配电间重要断路器或开关、电量仪、ＵＰＳ及防雷，主机房内新风机、精密空调及漏水检测、机柜ＰＤＵ、温湿度、防入侵（红外线检测）需纳入动环监控系统。ＵＰＳ蓄电池室设置在－２Ｆ，柴油发电机间设置在－１Ｆ，三电源切换室设置在１Ｆ，运维室设置在７Ｆ，消防气瓶间设置在８Ｆ。动环监控系统的监控对象见表１。
动环监控系统由２台服务器（双机热备）、２台客户端ＰＣ机、监控大屏、核心交换机（Ａ、Ｂ网）、视频汇聚交换机、门禁接入交换机、采集箱及串口服务器等构成。
采集箱负责开关量、温湿度等原始数据的采集，是整个监控系统的核心，采用深圳计通机架式，大小为２Ｕ，可安装在机柜内，箱内采集模块通过端子排与被监控设备相连。串口服务器采用计通ＯＡＯ－９０００Ｅ嵌入式智能管理单元，该设备集数据采集、解析、存储告警于一体，具备正确故障定位能力，可满足不同厂家设备数据信号的接入与“翻译”。
现场设备层的设备分为需接协议转换器设备、需提供通信协议设备、模拟量直集模块和开关量直集模块四类。
（１）需接协议转换器（串口服务器）的设备包括精密空调、漏水绳、机柜ＰＤＵ、电量仪、ＵＰＳ电源、蓄电池、柴油发电机。这些设备需相应厂家提供通信接口及其开放的通信协议，以便对各设备运行参数或状态进行监测。
（２）需提供通信协议的设备包括视频监控和门禁子系统。这些设备需相应的厂家提供通信协议，由动环监控系统进行集成和管理，能实现在动环监控端点击任意摄像头调出相应摄像头的实时监控画面和实现对任意门的开关控制。
①温湿度监测：通过在机房内的重要区域、冷热通道和机柜内部安装温湿度传感器，实时采集温湿度的变化情况和热力分布情况。
②氢气监测：通过在电池间安装氢气采集模块，可实时检测ＰＰＭ值是否超标，及时发现氢气泄漏的电池隐患；当氢气ＰＰＭ达到设定的阈值时，系统发出报警。
①重要开关监测：通过监测配电柜内重要断路器的辅助触点状态，判断开关的通断状态；当监测的开关状态与设定默认状态不一致时，监控主系统发出报警。
②防雷监测：通过监测防雷器的遥信触点，实时监测防雷器状态；当监测的防雷器状态与设定默认状态不一致时，监控主系统发出报警。
③新风排烟监控：通过在新风和排烟管道中安装压差开关检测压差信号，监测机房内新风机和排烟机的运行状态，可远程控制新风机的启停。
④防入侵监测：通过在机房内安装红外探头以监测机房内人员移动状态；当红外探测器的状态异常时，系统发出报警。
⑤消防监测：通过采集消防控制主机报警输出点的信号，实时监测机房内各分区的消防状态；一旦发生报警，系统就自动切换到相应的监控界面，火警状态图标变红且闪烁显示，同时产生报警事件并记录存储。
设备的供电需双路ＵＰＳ电源，以确保供电可靠性，满足２４ｈ不间断提供服务的要求；而且重要的硬件设备要求主从配置，如动环服务器具备双机热备功能，利用“双监控系统＋双数据库”模式，保证系统的不间断运行。
动环监控系统硬件设备的组网要求Ａ、Ｂ双网运行设备逐级汇接模式，网络设备由ＰＯＥ交换机、接入交换机、汇聚交换机、核心交换机组成。ＰＯＥ交换机负责视频摄像机的供电和数据传输；接入交换机使用二层有ＶＬＡＮ功能的交换机，负责采集单元中数据收敛；汇聚交换机使用三层交换机，用于汇聚ＰＯＥ交换机数据，避免二层网络过大导致环路，也减轻了核心交换机的数据负担。
动力环境集中监控平台软件采用Ｂ／Ｓ结构，通过在机房中安装各种传感器及数据采集设备进行底层数据采集，外厂家设备需提供通信接口及其开放的通信协议，进行数据“翻译”处理，通过机房监控平台集中监控，全中文、图形化；界面结构层次清晰，实时反映数据状态。集中监控平台需要能运 行于中文Ｗｉｎｄｏｗｓ操作系统。动力环境集中监控平台软件采用模块化设计，可划分为采集层、处理层、管理层及展示层，如图３所示。其中，个人工作平台能提供动环监控主界面、告警事件列表、待办事项、告警等级统计、ＰＵＥ实时曲线、基础设施分类饼状图等可自由选择的个性化定制界面。报表管理可根据机房管理原有报表格式生成详细的数据记录报表和数据分析报表，存储格式为Ｅｘｃｅｌ或ＰＤＦ；数据存储时间需长于１年，且具有防篡改功能。软件交互界面中，动环监控模块可直观看到各个机房实时运行状态，设置机房名称、设备图标等超链接可直达各子界面，通过温湿度监测、门禁、视频监控、温度场、漏水监测、红外监测、消防监测等按钮可直达各分画面，并提供基于电子地图、实时曲线、饼状图、折线图、直方图等多形式数据展现方式，便于运维人员分析设备历史运行趋势，以判断设备状况。
系统告警采取****、电话、现场语音三种报警结合的方式，报警等级分为紧急、重要、一般三个层次，不同级别的报警采用不同报警方式实现报警信息的发送。无论系统处于任何画面，都可自动提示告警，显示告警信息。当一个报警状态解除时，系统可自动发送相应的恢复****，以便机房管理人员随时掌握相关动态。
动环监控系统运行以来，出现过监控平台数据不刷新，监控平台电脑“假死”，采集数据不准确，系统告警漏报、误报、频发（告警信号抖动）及延迟报警问题。
（１）监控平台数据不刷新。这种情况在实际运维工作中*常见，整个监控平台软件数据不刷新或系统中某设备数据不刷新，导致运维人员无法收到告警信息。
（２）采集数据不准确。这种情况主要体现在监控画面显示的数据与现场设备实际运行数据不符，若画面显示的数据超过告警的阈值就有可能造成系统误告警或不告警，影响设备的运行安全。如智能仪表部分测点值与系统显示值不一致或单位不同，将导致该设备失去监控。在冷热通道温度检测过程中，监控软件显示的数值超过告警上限阈值引发告警，而运维人员现场检查后并未超限，造力资源的浪费。
（３）实时告警问题。动环监控系统告警漏报、误报、频发、延迟报警及告警信号抖动等问题是困扰数据中心运维工作人员的严重问题。数据中心运维值班人员７×２４ｈ应急值班，告警信息误报、频发将给人员造成很严重的身体伤害；而告警信息的漏报与延迟将导致设备出现故障时未能及时通知从而导致更严重的机房事故。
①告警漏报：告警漏报主要原因是告警级别设置过低或设备通信中断或设备信息采集故障等导致重要告警信息缺失，未能及时上报运维人员，从而错失重要告警信息，将导致严重后果。
②告警误报：告警误报是衡量动环监控系统可用性的重要指标，采集装置受到电磁干扰或周围环境改变、协议解析有误、采集装置故障、仪表故障、板卡端口故障等均会引起误报，如精密空调四周部署的漏水绳因灰尘或沙土等导致电阻增大从而引起误报。
③告警频发：告警频发类似于“信息轰炸”，可分为两种情况：一是同一告警信息频繁多次报送给运维人员，原因是当某一测点触发告警时，采集值在告警阈值附近来回波动；二是同一事件触发机房多个动力设备同时告警，如机房停电或闪停后恢复，各相应重要开关、电量仪、ＵＰＳ、机柜ＰＤＵ等多设备引起的“电话****轰炸”。④告警延迟：告警信息是否及时上报给运维人员是考验监控系统是否合格的重要指标之一，而上报时间应设置为用户可选项，如电力闪断立即恢复的情形，可设置一定延时；而重要信息应能在１５ｓ内完成上报。
（１）监控平台数据不刷新问题的解决。运维人员需熟知动环监控系统架构和网络拓扑，从单点设备故障到网络故障进行排除，对重要设备必要时可优化系统结构或网络拓扑，对采集设备或装置进行冗余备份，或对重要监控对象通信采用Ａ、Ｂ双网通信。
（２）采集数据准确性问题的解决。检查智能仪表装置或第三方设备的通信协议是否准确，与原厂家技术支持核实设备协议文本正确性，如更换智能仪表未核对通信协议，将导致数据不准确或无法采集。检查通信故障，首先检查物理连接是否存在问题，然后对通信配置进行检查，重点检查波特率、校验位、串口的设置等是否存在问题。检查采集装置或采集箱等设备、温湿度探测器等硬件自身是否存在故障，排除设备硬件故障导致数据采集不准确的问题。
（３）实时告警问题的优化。首先严格控制智能设备串接数量，避免串接设备数量过多引起数据上传缓慢，进而导致告警延迟。合理配置ＦＳＵ扫描时。