数据中心对洪水风险应具备应急措施

简介:

随着夏季的来临,很多地方暴雨成灾。而对于一些位于洪水高发地区的英国数据中心基础设施的公司来说,这确实是一个令人头疼的问题。

英国伦敦及周边地区是一个主要的数据中心枢纽,特别适用于需要优越网络连接性的行业。而这些数据中心正在支持英国许多金融服务以及许多其他行业的运营。在2014年发生的这些洪灾中,位于伦敦泰晤士河附近的设施安全令人担忧。

由于遇到221年来最高水位的洪水,那些在河边拥有主要办公空间和基础设施的企业也对此越来越紧张。

许多公司以合乎逻辑的财务/现状的方式来部署他们的建筑空间;高层一般为办公空间,而一些基础设施大多位于地下。

人们经常开玩笑说,数据中心和通讯室通常是建筑物中最关键的区域,但总是被分配给没有其他人想要的空间,因为谁想在地下室办公呢?

对于许多人来说,洪水在个人层面上是灾难性的,企业也将受到巨大的影响。随着对伦敦,泰晤士河谷和西南的威胁,企业需要意识到这种极端的偶然性。从美国超级风暴“桑迪”天气事件中吸取教训,也是了解对数据中心影响的好方法。

像Verizon和Datagram这样的公司在美国曼哈顿的建筑物中拥有主要的数据中心,而当风暴桑迪到来时,他们的数据中心首当其冲,遭遇中断,而为数据中心配备的紧急备用发电机的柴油箱和位于其建筑物地下室的其他重要基础设施都被淹没。不仅淹没而满是海水,甚至数据大厅的水深齐腰。这些数据丰富的公司所提供的服务受到相当大的威胁,损失惨重。

而客户的数据需要保持在线和可访问,这是至关重要的。由于电网已关闭,这两家公司的员工集中精力确保其在康乃迪克州和新泽西州的托管中心作为其他较大客户的备用数据中心,可以确保维护所有服务的连续性。

这些公司需要一个星期才能使外部部署的发电机到位,并恢复“正常”服务。

云计算服务只有通过他们所在的数据中心提供的业务的连接才能正常实施。随着云流量的增加,连接速度变慢,交换机站点和POPs的服务可能会因洪水而中断,更多的流量被迫通过其他的网络。

为了确保企业数据中心正常运营,通常需要进行压力测试,这将有助于组织在受到极端天气事件的影响时,将损失降到最低,并保持持续运营。

本文转自d1net(转载)

目录
相关文章
|
6月前
|
机器学习/深度学习 存储 监控
利用机器学习技术优化数据中心能效
【7月更文挑战第36天】在数据中心管理和运营中,能源效率已成为关键性能指标之一。随着能源成本的不断上升以及环境保护意识的增强,开发智能化、自动化的解决方案以降低能耗和提高能源利用率变得尤为重要。本文探讨了如何应用机器学习技术对数据中心的能源消耗进行建模、预测和优化,提出了一个基于机器学习的框架来动态调整资源分配和工作负载管理,以达到节能的目的。通过实验验证,该框架能够有效减少数据中心的能耗,同时保持服务质量。
|
8月前
|
移动开发 监控 前端开发
基于 HTML5 WebGL 和 VR 技术的 3D 机房数据中心可视化
基于 HTML5 WebGL 和 VR 技术的 3D 机房数据中心可视化
|
9月前
|
机器学习/深度学习 资源调度 监控
利用机器学习技术优化数据中心能效
【5月更文挑战第30天】在数据中心管理和运营中,能源效率的优化是降低运营成本和减少环境影响的关键。本文旨在探讨如何应用机器学习技术来提升数据中心的能源效率。通过对现有数据中心运行数据的深入分析,开发预测性维护模型,以及实施智能资源调度策略,我们可以显著提高数据中心的能效。本研究提出了一种集成机器学习算法的框架,该框架能够实时监控并调整数据中心的能源消耗,确保以最佳性能运行。
|
9月前
|
机器学习/深度学习 数据采集 资源调度
利用机器学习技术优化数据中心能效
【5月更文挑战第27天】 在本文中,我们探讨了一种基于机器学习的技术框架,旨在实现数据中心能效的优化。通过分析数据中心的能耗模式并应用预测算法,我们展示了如何动态调整资源分配以减少能源消耗。与传统的摘要不同,此部分详细阐述了研究的动机、使用的主要技术手段以及期望达成的目标,为读者提供了对文章深入理解的基础。