去年7月,我们机房一台接入层交换机连续三天下午三点左右自动重启。换了电源、刷了固件都没用,最后拿温度枪一测,机柜顶部出风口62℃。把柜门打开、加了个风扇,问题当天就消失了。这事之后我才认真去整理夏季交换机的那些坑,发现大部分故障不是设备本身坏了,而是热出来的。
夏天跟其他季节不一样。机房空调的制冷余量本来就按全年平均负载设计的,室外35℃以上时,冷凝压力上来,制冷效率往下掉。加上雷雨天气多、市电波动大,交换机面对的是高温、潮湿、电压不稳三件事同时来。我见过不少单位,平时设备跑得好好的,一到七八月就开始出状况,报修电话一个接一个。

温度这件事,比你想的更敏感
多数企业级交换机的允许工作温度标的是0到45℃,看着挺宽裕。但那是进风口的温度,不是机柜里的温度。设备自身散热会把周围空气加热,如果机柜前后门通风不好,冷风进不来、热风出不去,机柜中上部的实际温度能比机房环境温度高10℃以上。

我的判断标准是这样的:夏天用温度枪测机柜进风口,超过35℃就该处理了。处理顺序我一般按这个来:

- 先清理防尘网和风扇口的积灰,半年没清过的机器,风量损失能到三成
- 检查机柜是否装了盲板,空U位不封堵,冷风全从缝隙跑了
- 把发热量大的设备分散到不同机柜,别都堆在一个柜子里
- 机柜顶部加装排风扇,成本几十块,效果立竿见影
还有个细节容易忽略:交换机最好别贴着机柜顶部装。热空气往上走,最上面那台设备进风温度最高,出事概率也最大。我们后来把核心设备统一挪到机柜中下部,一年下来高温告警少了八成。
雷雨天和市电波动,是另一个高频故障源
夏季雷暴多,感应雷通过网线、电源线窜进设备的案例不少。去年我们隔壁园区一次雷击,打坏了三台交换机的上联光口。光口比电口更娇气,光纤虽然不导电,但光模块和设备的接地如果没做好,一样会中招。
防雷这块我建议做三件事:机柜接地电阻控制在4欧姆以内,网线走线避开外墙和避雷带,跨楼宇的链路一律用光纤不用网线。这几条不花钱或者花很少的钱,但真能救命。
市电波动的问题更普遍。夏天用电高峰,电压偏低,交换机电源模块长期在低压状态下工作,寿命会明显缩短。我见过一台交换机用了两年就频繁掉电,拆开看电容鼓包了。机房配UPS是基础操作,但很多人不知道UPS电池在高温下老化速度翻倍,35℃环境下电池寿命可能只有25℃时的一半。夏天顺手检查一下电池组的内阻和鼓包情况,比等到停电时发现UPS顶不住要强得多。
运维上几个我踩过的坑
夏天做变更要格外小心。有次我们图省事,在下午两点业务高峰换了个光模块,结果新模块散热不良,半小时后端口直接down掉,影响了整层楼的办公网。后来定了规矩,夏季的设备变更尽量放在夜间或者早上,换完至少观察一小时再走人。
还有就是灰尘。夏天机房密封性差,空调外机侧的粉尘容易倒灌进来。交换机风扇吸入灰尘后,散热片表面积灰,风道堵死,温度能飙到七八十度。我现在要求每季度清一次灰,七八月加密到每月一次,用压缩空气从出风口往进风口方向吹。
最后说一句监控。很多单位只看设备在不在线,不采集温度和风扇转速。其实现在的交换机基本都支持SNMP读温度传感器,配个阈值告警,进风口超过40℃就推送到手机上,比事后抢修省心太多。这个设置花不了半小时,但能在故障发生前给你留出处理时间。
夏季交换机出问题,八成是环境和维护的事,真不是设备质量不行。把机柜温度压下去、把接地和UPS看住、把清灰和变更节奏管好,这三件事做到了,夏天基本能安稳过。别等宕机了再去翻日志,那时候损失已经发生了。