机房空调坏了、机柜温度升高怎么办？高温告警应急处理流程

一、为什么空调坏了是大事故

服务器是"贪凉"的设备，满负荷运行时散热量很大，全靠机房空调把热量带出去。空调一旦停机，机柜内温度可能以每几分钟几度地往上飙，CPU过热会先降频、再重则自动关机保护，业务瞬间中断。所以机房高温告警不是"等半小时再处理"的事，而是要当成紧急事故按流程应对。

处理的核心原则只有一句：在温度到达服务器自动关闭临界点之前，把热负荷降下来或把冷空气补上去。

二、先判断告警级别

看到温度告警，第一件事是看当前温度和趋势，不同级别用不同力度：

越早介入，越不用做极端操作。所以平时就要监控好温度告警阈值，别等红色再动手。

三、三档应急动作

按告警级别，逐级执行，先保数据安全，再保业务稳定：

1. 第一档（黄色）：开所有可用的风扇/自然通风，机柜内部排风，把热空气往冷区导；打电话通知空调维保，缩短修复时间。
2. 第二档（橙色）：关停非关键设备或负载——暂时关掉测试机、备份作业、批量任务，把热量降下来。机柜散热优先留给核心业务。
3. 第三档（红色）：如果温度逼近危险线，优先考虑负载迁移（能迁到别的正常机房/云端）或有序关停易过热出事故的机器，宁可业务临时不可用，也不让硬件烧毁、数据受损。

四、临时降温手段

在等空调修好前，可以先临时降温拖时间：

• 开应急空调/可搬运移动空调，或借用备用制冷机组。
• 用工业风扇/大功率排风扇加强机柜前后风道对流（注意别吹挡进风口）。
• 部分机柜可打开前门增强进风（密闭冷通道的机房要谨慎，别破坏压力差）。
• 若能转移，将部分高功耗设备迁到冷气更好的机位暂放。

五、事后排查空调故障点

温度回落后别急着走，要查出空调为什么坏：

• 看空调面板报警代码：常见的是制冷剂不足、过滤器堵塞、压缩机保护、电源异常。
• 检查滤网是否堵灰（最常见，不影响太大但会降低制冷）。
• 确认电源与空开：空调跳闸、缺相也会导致停机，查到是三相不平衡或空开容量不够要修配电。
• 如果是双压缩机大功率精密空调，还可能单机负载失衡。

六、预防：别等再坏一次

机房空调故障的高温事故，最好的处理是"不发生"。预防三件事：

• 温度+空调状态都纳入监控，设好温度和告警，空调异常第一时间就知道，而不是等人发现"机房热了"。
• 关键机房配 N+1 空调冗余：一台停了一台顶上，避免单点。至少要有一台可应急的备机或移动空调。
• 定期维保空调：进出风口清灰、检查制冷剂压力、测试切换备份机组，把故障消灭在检修期。

一句话：机房空调坏了应付急，核心是"抢在温度触发服务器关机前把负荷降下来"。黄色就加强通风、橙色就关非关键设备、红色就迁移或有序关机，事后一定要查空调故障点并补上监控冗余。机房温度管理的本质，就是给服务器的"散热量"找一个永远可靠的出路。

高温应急的实战细节

预案写得再好，执行时的细节才决定损失大小。这几个实战要点，平时值得预演：

• 关机顺序先非核心：按开发测试环境、内部系统、对外业务的顺序逐批下电，千万别一刀切全关。有序关机十分钟搞定，乱序断电之后再开机，硬件故障率会明显上升。
• 手动通风有真实上限：开柜门加工业风扇对抽，一般能压住3-5°C。注意风扇别对着服务器进风口猛吹，灰尘会跟着风进来。
• 移动空调进场路线提前踩点：机房门宽、地面承重、冷凝水怎么排——真到应急时才现找路线，白扔半小时。
• 温度回落后别马上满负荷开机：设备回温有时间常数，分批开机，每批观察15分钟BMC温度曲线，稳了再开下一批。
• 事后报告写三页：时间线（几点告警、几点动作、几点恢复）、损失（哪些业务受影响多久）、整改（监控、冗余、流程各补什么）。给管理层看的不是检讨，而是"下次不再发生"的方案。

把这份细节清单打印出来贴在机房门内侧——真到高温告警那一刻，人是想不起任何流程的，能救场的只有墙上那张纸。

延伸阅读：

• 服务器温度监控与过热防护
• 机房建设标准T1到T4
• 服务器散热方案对比