N+1 冗余如何保障数据中心持续冷却

AI 工作负载已超出风冷的极限。N+1 冗余有助于降低系统中断的风险。

在当今的高密度环境中，即使是短暂的冷却中断也可能导致温度急剧上升。随着机架功率达到 100 千瓦 (kW) 甚至更高，容错空间越来越小，反应时间也越来越短。

冷却已成为可靠性的首要问题。根据 Uptime Institute 的 2025 年全球数据中心调查，14% 的严重停电与冷却故障有关。 电源问题仍然居首，但冷却问题紧随其后 （见图 1）。

随着设施部署 AI 优化的基础设施，其性能和功率密度正在达到新的水平。例如，一个 NVIDIA GB300 NVL72 系统的单机架功耗超过 120 kW，远远超出了传统冷却设计的极限。这为重新思考冷却设计创造了机会。

这就是 N+1 冗余的用武之地。

图 1.根据 Uptime Institute 的 2025 年调查，配电故障导致 45% 的严重停电，而冷却系统故障则占 14%—持续存在的七分之一风险。随着机架密度的上升，如果没有充足的缓解措施，冷却故障率可能会上升。解决方案在于主动措施：冗余散热系统和基于 不间断电源 (UPS)的冷却架构，这些架构专为满足未来功率阈值而设计。来源： Uptime Institute

冷却系统中的“N+1”是什么意思

N+1 冗余是指在满足全部热负荷所需的冷却装置之外，额外增加一个冷却装置。如果您的系统需要四台冷却器或 冷却液分配单元 (CDU) 来维持性能，那么 N+1 意味着安装五台。即使一台装置发生故障，其他装置仍可不间断地处理负载。

这种方法适用于整个冷链，包括空气处理器、 液体冷却回路、冷却器、泵和控制器。但系统设计必须考虑冗余。

如果单个控制面板为整个回路供电，那么备用 CDU 就没有什么意义。

N+1 并不能消除故障。它可以帮助管理系统中断。

高性能计算的冗余策略

许多运营商会混合使用冗余级别。一个数据中心可能采用 2N 电源和 N+1 制冷。这种平衡取决于工作负载和风险承受能力。但随着制冷成为更常见的故障点，N+1 冗余已成为现代数据中心制冷系统设计的行业标准最低要求。

N+1 冗余的运营优势

冷却系统中的 N+1 冗余使设施能够在出现设备问题、计划维护或负载转移时保持性能。

在设备故障期间保护冷却正常运行

如果冷却器或冷量单元 (CDU) 发生故障，备用机组可以接管，最大程度地降低性能影响。这可以防止出现可能导致节流或触发停机的大幅热波动。

无需中断即可进行维护

团队无需停机即可维护或更换组件。对于持续高负载的AI环境，灵活性至关重要。

通过负载共享减轻压力

在许多系统中，所有冷却装置在部分负荷下一起运行—即使是冗余的，也能降低组件的压力，使故障转移更加平稳。

改善故障隔离

冗余单元通常单独供电和控制。这有助于在断路器跳闸或可编程逻辑控制器 (PLC) 错误等局部故障蔓延之前将其控制住。

支持实时验证

有了 N+1，您可以在真实负载条件下模拟故障。这样，您就可以以更低的风险测试响应时间、故障转移逻辑和热性能。

在差距扩大之前将其缩小

N+1 冗余并不能解决所有问题，但它能在最关键的时刻（例如故障或服务时段）为您争取时间。它如今已成为冷却高密度工作负载的基准，帮助设施始终领先于需求，维持正常运行时间，并自信地进行扩展。

下一步做什么：

检查你的热架构。了解你需要多少台设备保持在线，以及是否有缓冲区。这个缓冲区就是你的“加分项”。

在初步规划期间评估冗余需求有助于提高运营效率。

想要优化高密度工作负载的冷却系统？ 请联系 Vertiv ，探索适合您数据中心的液体冷却策略。