Una de las principales pesadillas del gestor de centro de datos es que se produzca un fallo de cualquier tipo en la instalación y, consecuentemente, una caída. Aunque la disponibilidad es un tema largamente debatido, por desgracia los errores y problemas continúan produciéndose de manera repetitiva.

 

En nuestra experiencia de los últimos años, nos hemos encontrado con hasta 38 casos de paradas en el servicio en centros de datos de primer nivel. Todas ellas están relacionadas con una falta de control del sistema.

 

Para llamar la atención sobre estos sucesos, hemos realizado un estudio en el que detallamos y clasificamos el origen de las principales faltas en cuatro categorías: Diseño, Ejecución, Mantenimiento y Producto.

 

Aquellos problemas achacables al diseño constituyen casi uno de cada cuatro, es decir, un 24,3%. Esto se debe en gran medida a que las cosas no se diseñan de forma especializada para el CPD.

 

Los errores que se refieren a la ejecución -todas aquellas labores que, realizadas de forma incorrecta, se lleven a cabo durante el despliegue de la instalación de modo que al cabo de un tiempo se manifieste un problema- constituyen un 8,6% y son los de menor repercusión de los cuatro grupos.

 

Por el contrario, el porcentaje de fallo originado por malas operaciones de mantenimiento asciende al 50%, coincidiendo con lo expuesto por otros organismos internacionales. Finalmente, los aspectos relacionados directamente con un mal funcionamiento de los productos constituyen un 17%.

 

Fallos en diseño

 

Yo destacaría, en el apartado de los errores achacables al diseño, la incorrección a la hora de realizar los balances de las potencias. A pesar de que debería ser una “rara avis” en los tiempos que corren, lo cierto es que es una constante en los proyectos que estamos examinando o a los que hemos acudido en respuesta a una llamada después de ocurrir una anomalía. El balance de potencias consiste en sumar todas las cargas que pueda demandar en un momento dado la instalación.

 

Al llevar a cabo la analítica del balance de puntos negros nos encontramos con errores de bulto a la hora de gestionar este aspecto tan delicado del diseño. Efectivamente, cuando se lleva el data center a situaciones límite, el sistema no puede satisfacer la demanda de potencia. Ésta ha sido la causa de las caídas de varios CPDs al completo.

 

Un ejemplo acontece cuando se suministra la potencia en condiciones de emergencia. Cuando se pierde una rama de suministro en un sistema dual, y la carga debe ser suministrada por una sola de las vías, nos encontramos con que si no están bien dimensionados los elementos que la conforman, se presenta una situación de sobrecarga que paraliza el sistema.

 

Por ejemplo, todavía hay casos en los que se realiza la suma de potencias en voltamperios, en lugar de en Kilowatios.

 

Hay que destacar, por otro lado, que hay que tener mucho cuidado con la óptica desde la que se diseña, que siempre ha de estar centrada en el equipo de TI para el que estamos construyendo la instalación y no para la red eléctrica general de la compañía.

 

Otro origen típico de los fallos radica en la capacidad de los grupos de emergencia. Yo suelo afirmar que, aparte del mantenimiento, una variable fundamental del riesgo deviene de los grupos electrógenos. Aunque debería ser la parte más robusta, puesto que constituye el colchón último de la seguridad, constituye la sección más débil de diseño.

 

Así, cuando aparece la necesidad de poner en marcha estos grupos, el sistema no responde. Generalmente se debe a una sucesión de causas, pero buena parte de ellas está relacionada con el diseño. Es decir, a la hora en la que el diseñador calcula las prestaciones del grupo o grupos electrógenos, el tiro se queda corto, y el fabricante entrega exactamente lo que se le ha pedido.

 

Aunque el problema surge cuando la instalación se somete a condiciones límites, suceso que no suele acontecer incluso en años, lo cierto es que las condiciones de los data center actuales están propiciando que estas situaciones se estén produciendo más pronto que tarde.

 

Junto con algún problema con los UPS (los menos), se han producido también algunos incendios que han tenido como consecuencia la destrucción del data center. En este caso, el error se ha producido en el sistema general de protecciones, un elemento básico en cualquier instalación, no ya de data center, sino meramente industrial pero que, aplicado al CPD, afecta a toda la vía de suministro de energía eléctrica.

 

Un problema de formación

 

En Ejecución también encontramos algunos fallos, principalmente en la distribución del cableado y en temas como el “enrutado” de bandejas. Se trata sobre todo de errores de manipulación y labores de reingeniería en un data center existente. Al tratarse de situaciones que ocurren en menos del 10% de los casos, no tienen verdaderamente tanta importancia como el conjunto de contratiempos que veremos a continuación, aquel que tiene que ver con mantenimiento.

 

Protagonista en la mitad de las situaciones de downtime, el mantenimiento es responsable de los errores más variopintos. En esta categoría ocurren sucesos inverosímiles, como que alguien tire abajo todo el CPD porque desconecte todos los interruptores de las salas, de forma manual, uno a uno. Es difícil averiguar qué motivó a esta persona a realizar tal operación, quizá sencillamente se equivocó de armario. Lo que está claro, es que en este caso fallaron las medidas de seguridad y el perfil del personal contratado.

 

Los cortocircuitos son también numerosos en este apartado. Ocurren cuando, por ejemplo, hay personal trabajando en cuadros donde no se ha cortado la tensión y una caída de una herramienta provoca un cortocircuito. Si el sistema no está construido con tolerancia a fallos, provocará la caída de todo el sistema.

 

Tampoco se salva el apartado de refrigeración. Por ejemplo, un caso típico es aquel del operario que está realizando un trabajo de mantenimiento en una máquina de aire acondicionado del centro de datos. Cuando termina la reparación y va a ponerla en marcha, apaga el resto de máquinas para iniciar la secuencia automática de encendido, de modo que entren progresivamente en funcionamiento. Se trata de dar sencillamente a un botón, pero el profesional no espera a ver concluir la operación. Cuando abandona la sala, se produce un problema en la secuencia de arranque, el aire no se activa y el centro de datos cae irremediablemente por un sobrecalentamiento.

 

Otro paquete importante de fallos viene derivado del tema de las desclasificaciones por capacitiva, especialmente en los últimos años. La desclasificación consiste en qué potencia de menos será capaz de suministrar una máquina si aquello que tiene que atender cambia su naturaleza.

 

Esto ha ocurrido especialmente en el caso de UPS que no son de última generación. La causa proviene del hecho de que las tecnologías de suministro de los equipos IT han cambiado, cambiando la naturaleza de las cargas de tener una cierta componente inductiva a ser cargas con una forma de onda menos pulsante y más triangular y con una apreciable componente capacitiva.

 

Explicado de forma sencilla: En un momento determinado instalé una máquina con una capacidad de dar 100, pero con la nueva naturaleza de las cargas solo puede dar 78. Por lo tanto, si el sistema me demanda 85 me confío pensando que aún tengo capacidad, si bien, como ya hemos indicado, no es cierto. ¿La consecuencia? El sistema se sobrecarga y se viene abajo.

 

La solución en este caso consiste en vigilar la evolución de la instalación, recibir un correcto asesoramiento para asegurar que todo funciona correctamente y corroborar que el sistema de alarmas funciona.

 

Por último, otro grupo de errores está relacionado con las situaciones extraordinarias, aquellas en las que hay que actuar de urgencia. En este caso, es conveniente contar siempre con protocolos escritos y que no haya ocasión de improvisar. Si no se sigue el procedimiento, el centro de datos está perdido.

 

Conocimiento es inversión

 

Antes de terminar, hay que mencionar el apartado de productos. La mayor parte de las caídas tiene que ver con UPS (SAI), grupos electrógenos, conmutaciones automáticas, sistemas de transferencia estática y enfriadoras.

 

En ocasiones, las principales contingencias tienen que ver no con lo que cabría pensar a priori, sino con todo lo contrario. Hay veces donde el componente nos ha dado problemas, y no por tener que soportar un elevado estado de carga sino exactamente al revés. En este caso, el dimensionamiento también se ha realizado mal. El fabricante satisface el pedido de producto pero no es su papel supervisar el sistema, y el equipo no era el indicado.

 

Por lo tanto, la responsabilidad de las caídas se reparte del siguiente modo: un 30% por ciento corresponde a topologías, redundancias del sistema y, en suma, a todo lo que tiene que ver con el diseño. El 70% restante tiene que ver con un concepto global que se denomina, a nivel internacional, sostenibilidad operativa.

 

La gestión y uso del data center ocasiona los principales problemas, y el mantenimiento tiene un papel importante en la mayor parte de las caídas de los sistemas. La solución a esta situación es sencilla: Invertir en conocimiento, formación y ejercitación. Si pienso sólo en el gasto, debo atenerme a que la continuidad de mi CPD está en peligro. Da igual que tenga ya unos años o esté recién implantado, las caídas se siguen produciendo. Si no se pone remedio, volverán a suceder en 2011. Es inevitablemente, volveremos a escuchar esta repetida frase: “No pensé que pudiera ocurrirme a mí…”