
10月27日,谷歌公布伦敦数据中心10月20日服务中断的最终调查报告。市电中断后,站内备用柴油发电机组始终没有启动,UPS仅支撑了约7分钟,40余项云服务累计中断超过6小时,波及银行支付、远程庭审与医疗服务。一座冗余设计齐全的数据中心,被一处接线配置击穿。
报告还原的时间线并不复杂。10月14日,这座数据中心按季度计划开展柴油发电机带载测试,发现异常后按规定将B路供电物理断开,全站转入A路单路供电。10月20日清晨6时53分,A路市电因外部地下电缆故障中断。按设计流程,UPS应先接带负载,为柴油发电机组启动争取约5分钟窗口;但控制器判断市电是否正常的电压检测点接在了B路断路器上游,断路器虽已断开、上游线路仍然带电,控制器据此认定电源正常,始终没有发出启动指令。
谷歌在报告中还承认两点:主用与备用控制回路共用同一套布线和判断逻辑,看似互为备份,实则同源失效;运维人员尝试通过PLC远程切换供电时,相关操作处于禁止状态,只能赶赴现场人工处置。对应整改包括复核PLC代码、重新验证发电机启动逻辑、11月15日前完成全球同类站点排查,并把应急演练加密到每班两次。
这起事故把柴油发电机组验收里最容易被跳过的一环摆上了台面:启动逻辑必须在真实断电条件下验证,而不是空载试机看看转速和电压。对国内数据中心和工业用户,至少有四条可落地:电压检测点设在断路器下游,并同时校验断路器实际位置;主备控制回路独立敷设,避免共用判断逻辑;ATS切换测试纳入月检,覆盖断路器断开等非典型工况;演练写进值班制度,真断电、真切换、真记录。冗余设计成立的前提是各路故障相互独立,一旦共用上游或共用逻辑,两路电源就会在同一个错误上同时倒下。
云南振邦ZIMBON在5千瓦至2500千瓦机组的交付中,把ATS调试、带载演练与启动逻辑验证列入验收清单,帮助用户在送电之前就把这道隐形关卡过一遍。


