韩国大田国家数据中心,13名外包工人正在执行一项听起来很常规的任务——把UPS的锂电池从服务器机房搬到地下室。这批电池是2014年装的,已经用了十多年,厂商LG在前一年的例行检查中就建议过更换。
搬了大概四十分钟,一块电池突然冒出火花。
然后事情失控了。
机房温度飙到160摄氏度,温控设备直接失效。为避免火烧到更多服务器,管理方下令关停全部设备。消防队调来云梯车破墙排烟,凌晨6点半终于宣布火势受控。但不到两小时,火又着了。
锂电池堆在一起,和服务器之间只隔了60厘米。火烧了一块又一块,消防员不敢大量喷水——服务器里存着政府的命脉数据。只能一点点浇,一点点扑。
大火烧了整整22个小时,到第二天下午6点才被彻底扑灭。
灾后清点:384组锂电池烧成灰,740台计算设备报废,647套系统集体下线——韩国数字政务的四成。96套系统数据没有备份,直接没了。应急等级拉到"严重",这是该国头一回因为IT事故启动这个级别的响应。
在这之前,同类事故就没断过:2022年,韩国SK板桥数据中心,也是UPS电池起火。3.2万台服务器瘫痪,Kakao Talk全国断线,CEO引咎辞职。2021年,法国OVH斯特拉斯堡数据中心,UPS起火。360万个网站挂掉,游戏《Rust》25台欧洲服务器连数据带机器一起烧光——那家游戏公司后来在声明里写了一句话:没有备份,无法恢复。2024年,阿里云新加坡数据中心,锂电池爆。火势持续超过36小时,托管在上面的科技公司服务大面积中断。每次都复盘,每次都检讨,但每次复盘都会绕回到同一个死结:你想换掉老化的电池 → 你得先断电 → 断了电系统就停 → 停了系统业务就崩。
只要你的UPS电池更换需要先关机,这个死结就永远解不开。
韩国大田那场火的直接诱因是什么?工人在断电状态下搬运和拆装电池。
但如果你用的UPS,换模块根本不需要断电呢?
诺电MS模块化系列,所有功率模块都支持在线热插拔。设备照常运行,你拔掉要换的模块,插上新的,五分钟收工。没有"先关机"这一步,火花从哪里来?温度从哪里飙?系统怎么会瘫?
就这一个设计思路的转变,把那场22小时大火的起点直接掐掉了。
除了热插拔,MS系列还做了这几件事:
N+X冗余:一个模块出问题,同一机柜里的其他模块自动把负载接过去。不是"赶紧派人来修",是"修之前系统已经在正常跑了"。用户那边什么都感觉不到。
智能电池管理:电池节数和充电电流都可以在现场调。什么意思?不同品牌、不同批次的电池,特性不一样。能调,就能让每一组电池都工作在它合适的状态下,老得慢,寿命长。韩国那批电池用了十年,如果充放电管理足够细致,不至于那么快走到起火那一步。
10寸触摸屏:运行参数、电池状态、负载率全在屏幕上。不是翻日志才能发现问题,是问题还没变成事故,屏幕上已经有苗头了。