Retos y buenas prácticas en la monitorización de la temperatura de los centros de datos

El sobrecalentamiento del hardware de los centros de datos merma su eficiencia operativa y reduce su valor de reventa, al tiempo que sienta las bases para que se produzca una interrupción del servicio a causa de los componentes dañados.

Si controlas adecuadamente la temperatura de tu centro de datos, podrás hacer frente al calor y protegerlo de estos peligros.

Un enfoque adecuado para la monitorización de la temperatura del centro de datos puede garantizar que los administradores sepan exactamente qué está ocurriendo en el centro de datos y en qué lugar.

A medida que las implementaciones de GPU elevan la densidad de los racks por encima de los 40 kW y más allá, el margen de error en las lecturas de temperatura se reduce rápidamente. Debes confiar en los informes de tu panel de control, pero estos no son la última palabra. 

Datos clave: lo que debes saber sobre la monitorización de la temperatura de los centros de datos

• El estrés térmico no detectado acorta la vida útil del hardware y adelanta el ciclo de sustitución, lo que supone una carga para tu presupuesto de adquisición de TI.
• Los problemas medioambientales, incluidos los de naturaleza térmica, están relacionados con cerca de 30% de interrupciones imprevistas en los centros de datos, según el proveedor de soluciones de monitorización AVTECH.
• Un solo sensor de admisión puede indicar 70 °F, mientras que el lado de escape de ese mismo rack alcanza una temperatura superior en más de 20 grados. Calcular la media de las lecturas de temperatura oculta el punto de fallo, cuando lo que se necesita es detectarlo.
• ASHRAE recomienda un mínimo de seis sensores por rack: tres en la parte delantera (arriba, en el centro y abajo) y tres en la parte trasera. No te limites a colocar un sensor por fila.
• No se trata solo del sobrecalentamiento y del exceso de humedad. Una refrigeración excesiva conlleva un gasto excesivo en electricidad, y los entornos con baja humedad favorecen la condensación y la corrosión.
  

¿Por qué es importante gestionar y supervisar la temperatura de un centro de datos?

El calor no avisa. Los discos duros no se estropean en cuanto un rack se calienta demasiado.

Los equipos que se sobrecalientan pueden fallar semanas o meses después de que el estrés térmico prolongado ya haya desgastado los componentes internos. La monitorización sirve para detectar el problema cuando aún no es más que un número en un panel de control. Esto te evitará que una serie de componentes del centro de datos fallen todos a la vez.

Una regla empírica sobre fiabilidad muy citada sostiene que las tasas de fallo se duplican aproximadamente por cada aumento de 18 °F (10 °C) por encima de la temperatura de funcionamiento nominal de un componente. Si mantienes un rack funcionando a una temperatura incluso unos pocos grados superior a la que debería durante un periodo prolongado, estarás aumentando las probabilidades de fallo en todas las unidades de disco, GPU y fuentes de alimentación de ese rack.

La monitorización de la temperatura en los centros de datos también protege contra los fallos que no se deben directamente al calor. Una unidad CRAC o CRAH que empieza a funcionar por debajo de su rendimiento rara vez falla de golpe. Su rendimiento se va deteriorando gradualmente, y una instalación que no disponga de datos de temperatura detallados no detectará ese deterioro hasta que un rack lleve ya horas funcionando a temperaturas elevadas. Los problemas ambientales, incluidos los térmicos, están relacionados con cerca de 30% de interrupciones no planificadas en los centros de datos, y la mayoría de esos incidentes se deben a una falta de monitorización más que a un defecto de hardware.

Esto también tiene un aspecto económico. Una instalación que no confía en sus datos de temperatura tiende, por defecto, a enfriar en exceso, manteniendo la sala a una temperatura más baja de lo necesario para garantizar la seguridad. Esto aumenta el gasto energético sin aportar ninguna protección real. Una monitorización fiable de la temperatura del centro de datos elimina las conjeturas, lo que permite mantener la temperatura más cerca del rango recomendado por ASHRAE y aprovechar el ahorro energético que ello conlleva.

Buenas prácticas en la supervisión de centros de datos: cómo las GPU lo han cambiado todo

A la hora de establecer los rangos de temperatura para la monitorización, esto es lo que debes saber: ASHRAE recomienda un rango de temperatura de bulbo seco de 64-81 °F (18-27 °C) y una humedad relativa de entre 40% y 60% para los equipos A1-A4. Esta categoría está relacionada con el hardware de los centros de datos. El rango de temperatura de bulbo seco admisible según ASHRAE es de 59 a 90 °F (15-32 °C) también para el hardware de las categorías A1-A4.

Esos son los rangos dentro de los cuales debes trabajar. El siguiente paso consiste en diseñar tus sensores para obtener la imagen más precisa posible de tu entorno.

Hace diez años, era aceptable utilizar un solo sensor por fila para la monitorización de la temperatura en los centros de datos. La mayoría de los racks consumían entre 4 y 6 kW, el flujo de aire era predecible y la diferencia entre una temperatura ambiente agradable y una peligrosa era considerable. La infraestructura podía permitirse algunos puntos ciegos.

Implementación masiva de GPU obligó a los responsables de TI a replantearse la arquitectura. Los modernos racks de computación acelerada superan con creces los 40 kW, y se ha informado de clústeres de IA de alta densidad que superan los 100 kW en las instalaciones más recientes. Cada aumento de 1 °F en la temperatura ambiente produce aproximadamente un aumento equivalente de 1 °F en la temperatura de la CPU y la GPU, por lo que el margen que solía existir a nivel de fila ha desaparecido casi por completo a nivel de rack.

El sobreenfriamiento no es la solución. Supone un derroche de energía y dinero sin proteger los equipos. La refrigeración representa una parte considerable así como la proporción del consumo total de energía de una instalación. Los sensores de los que ya dispones deben colocarse de manera que detecten una desviación real, y no las condiciones medias de todo el centro de datos.

Retos en la monitorización de la temperatura de los centros de datos: puntos ciegos y fatiga por alertas

El cálculo de la media es el mayor punto ciego que conlleva la monitorización de la temperatura en los centros de datos. Un rack que tenga un sensor cerca de la entrada de aire y ninguno cerca de la salida siempre parecerá estar en mejores condiciones de las que realmente está. 

Las obstrucciones en el flujo de aire plantean una serie de problemas propios. Un haz de cables que bloquee una salida de aire trasera, la falta de un panel ciego o una baldosa del suelo fuera de lugar pueden crear un punto caliente localizado que un sensor a nivel de fila nunca detectará.

La configuración ideal de las alertas de los sensores señalará los problemas legítimos que requieran alguna acción por parte de los administradores y evitará las notificaciones no esenciales. Incluso la mejor infraestructura de sensores puede verse mermada por la fatiga de las notificaciones. Una configuración que envíe constantemente notificaciones de baja prioridad hace que el personal pase por alto la única alerta que realmente importa, lo que frustra el objetivo mismo de la supervisión detallada.

Mantener una temperatura demasiado baja en un entorno con poca humedad favorece la condensación y la corrosión. Mantener una temperatura demasiado alta favorece las descargas estáticas que dañan los componentes sensibles. La monitorización de la temperatura en un centro de datos sin una estrategia complementaria de humedad y punto de rocío solo ofrece una visión parcial de la situación.

Los sensores inalámbricos permiten un control constante de la temperatura y la humedad 

Diseña tu sistema basándote en la densidad de sensores, no solo en el número de sensores. La regla de los seis sensores de ASHRAE —tres en el lado de entrada y tres en el de salida por cada rack— existe porque un único punto no permite medir adecuadamente el estado de un rack.

Las redes de sensores inalámbricas hacen que el modelo de 6 sensores sea el más eficaz. Las baterías proporcionan una fuente de alimentación independiente para estos sensores, por lo que los técnicos pueden instalarlos en cuestión de minutos sin necesidad de cableado adicional.

El software DCIM convierte las lecturas de los sensores individuales en un mapa térmico, lo que supone la diferencia entre consultar una lista de números y saber dónde se está gestando un problema. Los análisis detallados de la temperatura y la humedad del centro de datos también pueden ayudar a los equipos a identificar las partes problemáticas de la arquitectura y a realizar cambios antes de que se produzcan daños en el hardware. 

Las alertas basadas en umbrales a través de SNMP, SMS o correo electrónico solo funcionan si los umbrales se ajustan al rack, y no a la sala. Una alerta a 90 °F podría ser adecuada para una estantería de almacenamiento antigua y con un retraso peligroso para un clúster de GPU situado tres racks más allá.

Combina cada sensor de temperatura con un sensor de humedad y de punto de rocío. La temperatura y la humedad son dos puntos de fallo distintos que interactúan entre sí, pero que tienen causas y soluciones diferentes. Tu equipo necesita saber cuál es el problema y dónde se encuentra lo antes posible. 

La supervisión de los centros de datos te avisa cuando el hardware se sobrecalienta y cuándo debes retirarlo

Calor prolongado y no detectado en un centro de datos corre el riesgo de sufrir una interrupción del servicio, pero eso se puede solucionar rápidamente con el personal informático adecuado y las herramientas adecuadas. Lo que sí es más permanente es el daño o el desgaste de los equipos. Este tipo de daños puede ser difícil de evaluar y, a veces, solo te haces una idea de la gravedad de los daños que ha sufrido el hardware semanas o meses después. 

El hardware de los centros de datos cuenta con mecanismos de protección frente a situaciones de sobrecalentamiento. Las GPU y las CPU disponen de una función de regulación térmica que reduce su rendimiento cuando el dispositivo detecta un calor excesivo. No obstante, el hardware de los centros de datos no está diseñado para soportar un calor excesivo durante periodos prolongados. Esto acorta la vida útil de cualquier componente que se encuentre en esa zona de calor.

Es aquí donde la supervisión de la temperatura en los centros de datos deja de ser un problema exclusivamente relacionado con las instalaciones y pasa a ser una cuestión de gestión de activos. Cuando los datos muestran un patrón de estrés térmico en racks concretos, hay que evaluar si ese hardware sigue siendo apto para el entorno de producción. Si ha llegado el momento de darlo de baja En cuanto al hardware, ¿qué ocurre con el activo una vez que deja de fabricarse?

Los sensores, las pasarelas y los dispositivos DCIM de tu infraestructura de monitorización también son activos de TI, y al final de su vida útil conllevan el mismo riesgo que cualquier otro elemento. Las credenciales de red, los datos de configuración de las instalaciones y los registros térmicos históricos no desaparecen por el simple hecho de que se retire un sensor de un rack. Requieren el mismo proceso de destrucción certificado y la misma documentación de la cadena de custodia que cualquier otro elemento que salga de su entorno.

exIT Technologies se encarga de ambos aspectos de esta ecuación para los centros de datos que llevan a cabo ciclos de renovación de hardware: la destrucción certificada de datos según la norma NIST 800-88, respaldada por las acreditaciones R2v3 y NAID-AAA, y la recuperación de activos, que devuelve un valor real a los equipos antes de que se conviertan en un lastre acumulado en un armario. Averigua cuánto vale el hardware que vas a retirar.