数据中心自动化运维设计与应用

2020年第11期68计算机应用信息技术与信息化

数据中心自动化运维设计与应用金光涛* 丰德伟 马小亮 王 韬 JIN Guang-tao FENG De-wei MA Xiao-liang WANG Tao 摘　要 作为“新基建”的重要内容，数据中心增长迅速。随着数据中心规模的提升、人工成本的上涨，传统人工运维已很难适应[1]。基于数据中心基础设施管理系统（Data Center Infrastructure Management，DCIM）的整体自动化、智能运维渐被得到更多应用。DCIM通过对各专业监控系统的数据聚合和分析，架起各专业设施之间运维协同的桥梁，助力提高数据中心资源利用水平和运维效率。本文结合某数据中心项目DCIM系统建设经验，以及业内先进的数据中心运维实践，讨论了数据中心自动化运维的基础、应用场景和实现方式，可为后续的数据中心运维实施工作提供参考。 关键词 数据中心；DCIM；自动化运维

doi：10.3969/j.issn.1672-9528.2020.11.019

* 石化盈科信息技术有限责任公司 北京 100007 1 背景随着数据中心业务和设施的高速发展，在架构设计上更加弹性化，采用了更多虚拟化、模块化等技术，使空调、UPS等基础设施和服务器、网络等IT基础架构之间的匹配更加的困难。数据中心运维方式与工具的发展则比较缓慢。有报告显示，市面上84%的数据中心都面临制冷、供电及空间使用方面的问题[2]，带来的影响包括延长应用上线时间、增加管理支出甚至中断服务。另一方面，随着数据中心规模的提升、人工成本的上涨，传统人工运维已很难适应，基于传感器、DCIM和自动巡检机器人的整体智能运维渐被得到更多应用。

[3] 郑长松 ,谢昱北,郭军. SOLIDWORKS 2006中文版机械设计高级应用实例(附光盘)[M]. 北京:机械工业出版社, 2006.[4] 刘晓伟, 于普源. 基于STC89C52的高精度电子秤的设计[J]. 信息技术与信息化, 2017, 211(9):20-22.[5] 杨阳, 浦瀚, 郭晓凤. 基于STC89C52单片机压力测试与显示系统研究[J]. 电子设计工程, 2018, 26(19):157-160.[6] 赵金奎. 共模干扰和差模干扰及其抑制技术[J]. 电子质量, 2006(5):72-76.[7] 牛耀国, 朱朝霞, 芮新芳. Altium Designer软件在印刷电路板设计中的应用[J]. 电子科技, 2011, 24(8):128.【作者简介】张雅迪（2000—），女，汉族，山东滨州人，本科，智能工程学院电子信息工程2018级；张名淑（1999—），女，汉族，山东滨州人，本科，智能工程学院电子信息工程2018级；王旭（1985—），男，

汉族，山东济南人，博士，副教授，研究方向 ：电子学。

（收稿日期：2020-09-24 修回日期：2020-10-21）DCIM通过一整套包含硬件设施、传感器和特定软件的管理平台与工具，来实现数据中心场地基础设施（制冷、配电、布线、机柜）和IT关键设备等所有关联的对象进行管理，是设施管理和信息技术的综合集成。2 DCIM功能介绍结合业务需求，DCIM系统主要由以下功能模块组成：统一数据处理平台：主要的核心功能包括数据接入、数据分发、数据持久化。设备管理：主要实现风火水电设备类型、设备属性统一管理；对数据中心内设备的组成、分布情况进行统计；实现风火水电设备的维保管理；实现机柜内U位IT设备状态自动监视。 2020年第11期69计算机应用信息技术与信息化

图 1 DCIM功能架构图监视管理：从业务维度和区域维度对场地基础设施实现全面监视。报警管理：主要实现报警信息的汇总、分级、分类展示；实现报警信息的确认及处理；报警屏蔽与延时；报警等级划分与报警通知方式配置功能。 容量管理：实现对数据中心空间、电力、冷量、承重等容量进行管理，对数据中心各节点容量信息实时统计展示功能。能效管理：主要实现对关键能效指标的算法配置和计算；分区域、按类型对能效数据进行统计、排名与展现。检维修管理：实现设备定期检修管理；实现巡检计划、巡检路线、巡检任务的配置；实现移动端电子巡检辅助。报表管理：主要实现数据中心运维所需的各类业务报表，并可指定报表定时生成的时间和发送策略，按指定的时间生成报表，并发送到指定人员邮箱。系统管理：主要实现系统用户、权限、组织机构的管理维护，实现日志管理和系统运行状态自监测。三维可视化管理：包括模型库、图形库、渲染引擎、功能可视化。模型库存储三维模型，图形库存储二维图形，渲染引擎将三维模型、图形与数据结合渲染出3D效果。功能可视化是对环境、容量、设备、监视、管线、参观演示的3D展现，可逼真还原现场场景。3 自动化运维的基础3.1 物联网技术与监控系统一方面，智能化设备越来越普及，很多设备自带传感器，可对自身运行状态进行监测，如空调、UPS、列头柜等设备；另一方面，可通过在传统设备上加装信息传感器，实现传统设备联网化，如通过加装蓄电池传感器，可对蓄电池状态进行监控。基于物联网技术的各专业设备监控系统，可实现数据中心环境与设备的深度感知，是支撑实现自动化运维的基础。3.2 建筑信息模型利用建筑信息模型（Building Information Modeling，BIM），可通过对数据中心建设过程各阶段的信息整合实现，对数据中心结构、电气、暖通、弱电等设备精准建模还原。BIM与DCIM结合后，可以支持故障模拟演练、3D自动巡检等功能。3.3 配置管理数据库配置管理数据库( Configuration Management Data-base,CMDB) 可对配置项之间的关系进行详细的管理，来体现物理设备之间的逻辑关系。例如通过对设备-U位-机柜-机柜列-机房的关系记录，可以直观体现设备安装位置；通过对电气设备输入端、输出端及线缆的连接属性记录，可以方便构建电气设备链路，进而对电气设备故障的传递关系进行分析[3]。2020年第11期70计算机应用信息技术与信息化

3.4 数据分析与机器学习随着各监控系统的运行，数据中心运维过程中会积累海量的监测数据，这些数据蕴含了大量的信息，可供运维人员分析与学习。例如，可以通过对同类设备的运行功耗数据进行分析，总结、发现设备实际运行功耗的统计学规律，在设备上架时适当参考，可减轻电力容量的浪费；也可以通过对设备报警发生时的数据进行分析，筛选特征值，建立并训练合适的机器学习模型，从而实现对报警的预测[4]。4 自动运维分析与设计以前述先进技术为基础，结合数据中心运维实际工作需求，分析自动化场景并进行方案设计与设想。4.1 设备上架自动规划传统的设备上架规划，是机房管理人员根据机房使用记录，人为挑选符合设备上架需求的机柜与U位，考虑的主要是空间因素。设备上架自动规划是指，DCIM通过上架设备的属性，基于机房各项设计参数，并结合底层联网传感器监测的实际负荷数据，自动计算出最优的设备上架方案。具体流程为：（1）根据设备型号，在配置库搜索U高、功率、重量等属性；（2）在配置库搜索机柜的空间设计容量、电力设计容量、承重设计容量；（3）从底层监控系统获取机柜的实时U位使用数据（通过U位监视设备获取）、电力负荷数据（通过动力环境监控系统获取）、承重负荷数据（依据设备在架情况与设备重量信息进行计算）；（4）对机房内的机柜逐个迭代，计算出符合条件的可用机柜及U位；（5）结合上架设备数量，根据既定业务规则（如临近安装、电力负荷平衡等），对前述计算结果进行组合，并按符合程度排序，推荐给用户选择。前述上架自动规划技术方案，在一定程度上改变了设备上架只片面考虑空间容量的不合理情况。在上架规划时，设备的功率属性信息，一般以设备额定功率，或设备电源的额定功率作为电力负荷计算依据。实际上，这种计算方法不够准确。根据数据中心运维经验推断，IT设备平稳运行时的功率一般不超过额定功率的70%。较为理想的设备功率属性信息，需要通过长期运行监测与数据积累，经过分析计算得出。获取IT设备运行电力监测数据，一种方法是通过智能PDU，配合CMDB中PDU与IT设备的连接关系，分别监测IT设备的A路负荷、B路负荷，然后求和得出IT设备总负荷；另一种方法是通过服务器状态监控系统获取监视服务器的电源使用数据，直接获得IT设备电力使用数据。两种方法相比，智能PDU设备造价高昂；服务器状态监控系统则造价交底，且大多数IT设备都支持IPMI(Intelligent Platform Management Interface),具备配置服务器状态监控系统的条件。因此，通过服务器状态监控系统获取IT设备电力监测数据，分析计算IT设备功率属性信息，方案性价比较高。设备上架自动规划，不仅能降低机房管理人员的工作量，而且在规划时考虑了空间、电力、承重多个因素，提高了上架方案的合理性。4.2 设备操作辅助设备操作辅助主要通过在机柜内加装U位监视设备实现。U位监视设备基于射频识别技术(RFID)技术，由设备标签和U位监视模块组成。设备标签一端固定于被监视的设备（如服务器、交换机）表面，另一端与U位监视模块连接并进行通信。U位监视模块安装于机柜内侧，每个U位有一个监测接口，可连接资产标签，以实现对每个U位的状态进行监视。传统的设备上下架后，需要根据工单上的设备信息、计划上架位置信息，进行人工比对。在有U位监视设备的情况下，DCIM系统可自动检测到设备信息与上架位置，进而与计划上架信息进行比对，由系统完成操作合法性校验，并可根据检测结果，对操作人员进行指示灯提示。查找定位目标设备，是设备操作过程中枯燥无味的工作，会占用工作人员一定时间。通过DCIM系统，可以在工作人员接到工单后，自动生成提示路线，并在设备U位点亮指示灯，极大提高运维人员工作效率。4.3 布线自动跟踪与识别基于电子配线架，结合DCIM的布线管理功能，可实时自动探测配电子配线架与跳线之间的链接关系，并可根据探测到的跳接变化实时地自动更新数据库。LED引导跳线是基于电子配线架的一个运维辅助功能。运维人员在布线管理功能中找到需要操作的端口后，可以向电子配线架上的端口发送命令使之点亮，运维人员在配线架跟前就可以按照LED灯的指示进行相关操作。对于没有配置电子配线架的数据中心，可以考虑使用RFID电子线缆牌，结合RFID手持终端，也可实现类似快速引导跳线的功能。具体过程为：（1）RFID手持终端接收跳线工作任务数据；（2）运维人员到达指定设备附近；（3）运维人员通过RFID手持终端，发射RFID信号，激发电子线缆牌亮灯进行提示。4.4 报警自动收敛通过报警关联性分析，梳理并配置根源报警和衍生报警关系后，可以有效实现报警自动收敛，避免发生报警风暴。以沙河数据中心项目为例，梳理的各类根源报警与衍生报警的关系如表1所示。 2020年第11期71计算机应用信息技术与信息化

表1 根源报警与衍生报警关系表序号衍生报警根源报警1精密列头柜主回路电流超阈值精密列头柜支路电流超阈值2低压配电柜支路电流超阈值精密列头柜主回路电流超阈值3精密列头柜主回路欠压低压配电柜支路欠压4精密列头柜主回路过压低压配电柜支路过压5低压配电柜主回路欠压UPS输出电压低6UPS输入电压低市电电压低7UPS输入电压低电池组电压低8精密空调通讯故障精密空调低压配电柜断电9湿膜恒湿机通讯故障湿膜恒湿机断电10蓄电池组电压低蓄电池单体电压低11蓄电池组电压高蓄电池单体电压高4.5 故障影响范围分析故障影响范围分析依托于CMDB，主要适用于链路关系明确的电气系统故障。DCIM通过CMDB构建的电气链路关系，可以分析某一设备故障所影响的下游设备或环境，进而可以对相应区域设备或环境的重要参数进行重点监控。通过与BIM相结合，可以方便地对系统图扑平面图中某一设备所影响三维区域进行关联展现，极大提高了影响范围的可视性。通过DCIM与IT运维平台的打通，还可以关联分析出某一基础环境设备故障给应用系统带来的影响；反之，当应用系统故障通过电气系统根因分析结合云管，实现物理设备与应用系统间的影响分析。4.6 故障处置辅助决策通过设置故障处置库，建立告警类型与处置方法之间的关联。在告警发生时，DCIM可自动根据告警信息类型，显示辅助决策处置方案，如告警对系统的影响、可能的原因及建议的处理措施，同时可查看历史故障处理专家维护经验库，并可把新的处理方法补充在专家维护经验库中，形成闭环管理，使故障处理智能化、简单化、可追溯化。对于现场疑难故障处置，还可以借助单兵系统、可穿戴视频电话等设备，实现指挥中心与现场的音视频连线，由专家进行远程指导，并可将处置方案等信息推送到现场终端进行显示，有效缩短故障处置时间。4.7 监控自动协同DCIM可基于报警数据，对报警区域有关联设备实现协同监控并展示相关信息。如针对水浸、入侵、门禁报警、入侵报警发生的情况，系统可自动协同查看报警区域视频监视信息，并将各路视频信息同时展现，方便运维人员快速查看报警区域情况。目前各DCIM产品均为手动配置监控协同关系，需要通过人工查看图纸，分析报警设备与视频监控摄像头的位置关系，并将其写入到系统配置数据库中，供监控协同时使用。较为先进的另一种方法是，在BIM中实现各类监视设备的建模，然后通过设备的三维坐标位置信息，自动建立监控协同关系。4.8 运维人员定位与状态识别人员定位系统有基于UWB、蓝牙、WIFI、RFID等多种技术方案，但这些方案大多需要在现场安装定位天线，施工较为繁冗。另一方面，门禁系统、视频监控系统，是数据中心的常规配置，因此考虑通过既有监控系统实现人员定位是可行方案。DCIM系统作为数据中心管理平台，打通了各监控系统间信息壁垒，具备了各系统协同的可能。以人员定位为例，可以通过门禁刷卡、人脸识别相结合的方式，对人员进行定位跟踪，记录其运动轨迹。通过与电子检维修功能相结合，可以代替常规的NFC巡检点打卡报到功能，不仅减少了设备配置，还提高了巡检作弊的难度。随着识别技术的发展，通过视频监控系统，对巡检人员状态进行监视已经成为可能。如人员静止、非站立状态识别等，都可以作为视频识别判断的探索方向，以防止工作工作人员发生意外而较长时间不被发现。 5 结论文章基于DCIM的功能，结合先进技术应用情况，分析了自动化运维的场景，探讨了自动化运维的设计和设想，可为后续自动化运维的探索和实现提供参考。随着人工智能等技术的发展，数据中心自动化运维，甚至智能化运维，未来可期。