数据中心各种冷却技术的应用与发展

简介: 为了满足各种类型和规模数据中心的冷却需求,冷却技术仍在不断发展,例如托管数据中心、云平台、企业内部部署数据中心以及边缘数据中心正在
云栖号资讯:【 点击查看更多行业资讯
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!

为了满足各种类型和规模数据中心的冷却需求,冷却技术仍在不断发展,例如托管数据中心、云平台、企业内部部署数据中心以及边缘数据中心正在采用各种冷却技术——冷冻水、泵送制冷剂、遏制通道、行和机架级空气、液体冷却等。数据中心运营商可以根据服务器的数量和功率密度使用多种冷却方法。无论采用哪种冷却方式,都将为机架带来适合的温度和气流,以确保正常运行时间,最大程度地提高效率,并降低运营成本。

20200319021707287

随着人工智能、机器学习、高性能计算、数据分析等高功率密度应用的增长,也为现有数据中心带来了新的冷却散热需求,混合冷却解决方案应运而生,并采用多种冷却技术提供特定的机架级甚至芯片级冷却。

提供顺应发展趋势的冷却解决方案

冷却技术的应用必须顺应当前的数据中心发展趋势。

•一些数据中心的规模正日益庞大。如今电力容量10兆瓦以上的数据中心项目并不罕见。冷却技术必须实现最大限度地延长正常运行时间、降低成本、提高效率,以及加快上市的目标。

•此外,还有一些数据中心的规模正在变小。边缘数据中心的应用和数量呈爆炸式增长,并且越来越重要,需要有效冷却解决方案确保可用性,同时还要提供主要数据中心的效率效益。由于边缘数据中心设备通常是无人值守或是“熄灯”设施,因此远程热监测和控制是保障正常运行时间和维护的关键因素。

•数据中心的环境温度正在升高。《ASHRAE2016热指南》将让数据中心温度范围从18℃(64.4℉)升高到27℃(80.6℉)。这提供了更多的冷却选择,并有可能减少运营支出和资本支出。但是必须记住,数据中心的可靠性和可用性仍然是最重要的指标。

•在某些城市和地区,扩建数据中心不是向外横向扩展,而是向上扩展建设多层建筑。例如,旧金山、伦敦、东京、新加坡和香港等高密度人口地区的房地产成本促使数据中心需要向上扩展而不是横向扩展。数据中心建筑高度与特定的冷却技术直接相关。冷冻水解决方案适用于多层建筑(三层或以上)。这意味着虽然水冷技术并不是数据中心运营商的首选方案,但由于当前许多泵送制冷剂的冷却解决方案受到高度限制,因此需要水冷技术。

如果条件允许,数据中心可以使用泵送制冷剂技术,采用这种冷却技术可以提供1.05至1.2的能源使用效率(PUE),并且每MW的电力容量节省数百万加仑的水来增加价值。最新的冷却技术可以根据应用情况将泵送制冷机组的节能率提高50%,并应用在中低等环境条件中,根据室外温度和负载量来节省更多的能源。此外,还可以通过添加制冷单元来增加容量,从而使其成为一个可扩展的冷却解决方案。

但是如果受到了建筑物的高度限制,采用水冷技术可以提供灵活的冷却措施。但是,采用水冷解决方案会带来额外的成本问题,例如需要安装管道系统、集中式冷水机组和冷却塔,还有防止管道泄漏和腐蚀的维护成本。

其次,如果在水量相对稀少或成本高昂的地区,使用水冷技术将大量增加冷却成本。随着数据中心设施对于可持续性的承诺和时间的推移,每兆瓦数百万加仑水的使用量实际上也是一个难题。

•灵活性是大型数据中心体冷却系统的关键特性,通常采用非高架地板环境来降低成本。这种趋势加快了数据中心的部署,但同时也消除了通过改造地板来改变气流的能力。泵送的制冷剂、冷冻水或蒸发技术可以提供所需的冷却,还有其他几种灵活的方法可以达到制冷要求,其中包括:

(1)通过防止冷热空气混合以提高效率的通道封闭解决方案。

(2)安装在机架后部的机架烟囱,用于收集加热后的废气并将其输送到天花板通风室,然后返回机房空调单元进行室内再循环。其缺点是烟囱管道将机架固定在适当的位置,这可能限制将来的灵活性。

•中小型数据中心可采用行内热管理单元,这些单元位于设备机架旁边,具有更小的占地面积,同时为机架提供冷空气。

无论选择哪种冷却方式,数据中心都可以从中受益,这些冷却系统通过自动适应数据中心中不断变化的条件来提高整体系统的性能和稳定性,可以提供全天候运行状态的监测,允许授权人员使用智能手机应用程序进行远程监控并采取措施。

高功率密度需要创造力

金融、研究、学术界、托管和石化等运营和行业需要高密度计算来支持诸如面部识别、高级数据分析、人工智能和机器学习等应用。这需要采用机架和芯片级别的冷却技术。

这些高性能计算部署涉及部署30kW至60kW的机架,这些机架可以容纳超高性能的高功率服务器。这样的机架通常放置在大型云计算设施和主机托管设施内的吊舱环境中,并通过冷冻水、泵送制冷剂或蒸发技术进行整体冷却。采用的风冷技术包括安全壳、行内冷却或后门热交换器模块,这些模块可以使用辅助风扇通过盘管吸入空气。

有些数据中心不太可能需要机架或芯片级冷却。但是在这些环境中,采用液体冷却技术可能是适当的,但需要对数据中心设施进行改造,并对周边设备进行调整。即使这样,液体冷却也只能将总热负荷降低约50%。这意味着将需要其他冷却源,例如采用后门冷却系统提供全面的冷却。

用于高功率密度冷却的流体可以是冷水,这对于采用这种冷却技术的数据中心设施来说是一个考虑因素。但是其体冷却液体也可以是介质液体(在发生泄漏时不会使设备短路)或制冷剂,这样每个机架的环境温度可能会保持一致。

边缘计算的应用

随着减少延迟和让数据更接近最终用户的需要,围绕着高质量视频内容、物联网应用、电子商务以及即将到来的5G技术等因素,边缘计算的应用继续增长。边缘计算是企业对企业,以及企业对消费者数据中心应用程序的收入驱动力。因此,规模较小的数据中心和机房都变得越来越重要。对于当今的边缘环境,现有的机房空调已不再是一种很好的选择。

这并不是说制冷选项不能适用于建筑物管理系统(BMS)。通过物联网智能设备应用程序进行远程监控和管理,采用冷却技术将会更加理想。

还有多种专用冷却系统,具体取决于需求和站点限制。这些包括壁挂式系统或安装在吊顶上方的其他系统。边缘计算冷却选项包括机架式冷却,并向天花板通风室散热,这节省了宝贵的占地空间,以便在空间充足时允许扩展服务器。

一些边缘应用程序提供了使用智能独立的模块化数据中心的能力。这些交钥匙解决方案消除了构建数据中心空间的需求,可以提供多个机架、集成冷却、不间断电源(UPS)、配电设备、消防、监控以及通风等设备。

未来无论采用何种冷却措施都是高效

随着数据中心需求的持续增长,需要各种冷却选项来满足不同IT环境的需求。对泵送制冷剂冷却的需求仍在增长,再次为水冷技术的应用打开了大门。随着开发新的制冷剂和冷却技术以解决数据中心冷却问题,这种情况可能会改变。

边缘计算的应用将会继续增长,以满足消费者和企业的需求和期望。随着5G的推出和智慧城市等应用日益成为现实,必须开发可靠的IT基础设施,并且必须采用可靠高效的散热措施。

如今,数据中心运营商与冷却技术专家开展合作变得更加重要。而保持头脑冷静和数据中心冷却是企业业务成功发展的关键。

【云栖号在线课堂】每天都有产品技术专家分享!
课程地址: https://yqh.aliyun.com/zhibo

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间:2020-03-19
本文作者: 海誓

相关文章
|
8月前
|
存储 双11 数据中心
数据中心网络关键技术,技术发明一等奖!
近日,阿里云联合清华大学与中国移动申报的“性能可预期的大规模数据中心网络关键技术与应用”项目荣获中国电子学会技术发明一等奖。该项目通过端网融合架构,实现数据中心网络性能的可预期性,在带宽保障、时延控制和故障恢复速度上取得重大突破,显著提升服务质量。成果已应用于阿里云多项产品及重大社会活动中,如巴黎奥运会直播、“双十一”购物节等,展现出国际领先水平。
|
运维 监控 持续交付
自动化运维在现代数据中心的应用与实践####
本文探讨了自动化运维技术在现代数据中心中的应用现状与实践案例,分析了其如何提升运维效率、降低成本并增强系统稳定性。通过具体实例,展示了自动化工具如Ansible、Puppet及Docker在环境配置、软件部署、故障恢复等方面的实际应用效果,为读者提供了一套可参考的实施框架。 ####
|
机器学习/深度学习 数据采集 人工智能
智能化运维在现代数据中心的应用与挑战####
本文深入探讨了智能化运维(AIOps)技术如何革新现代数据中心的运维管理,通过集成人工智能、大数据分析及自动化工具,显著提升系统稳定性、效率和响应速度。文章首先概述了AIOps的核心概念与技术框架,随后详细分析了其在故障预测、异常检测、容量规划及事件响应等方面的应用实例,最后探讨了实施过程中面临的数据质量、技能匹配及安全性等挑战,并提出了相应的应对策略。本研究旨在为数据中心管理者提供关于采纳和优化AIOps实践的洞见,以期推动行业向更高效、智能的运维模式转型。 ####
|
机器学习/深度学习 人工智能 运维
智能化运维在现代数据中心的应用与挑战####
本文深入探讨了智能化运维(AIOps)技术在现代数据中心管理中的实际应用,分析了其带来的效率提升、成本节约及潜在风险。通过具体案例,阐述了智能监控、自动化故障排查、容量规划等关键功能如何助力企业实现高效稳定的IT环境。同时,文章也指出了实施过程中面临的数据隐私、技术整合及人才短缺等挑战,并提出了相应的解决策略。 --- ####
272 1
|
人工智能 运维 监控
智能运维在现代数据中心的应用与挑战
随着云计算和大数据技术的迅猛发展,现代数据中心的运维管理面临着前所未有的挑战。本文探讨了智能运维技术在数据中心中的应用,包括自动化监控、故障预测与诊断、资源优化等方面,并分析了当前面临的主要挑战,如数据安全、系统集成复杂性等。通过实际案例分析,展示了智能运维如何帮助数据中心提高效率、降低成本,并提出了未来发展趋势和建议。
|
运维 负载均衡 监控
|
机器学习/深度学习 存储 监控
利用机器学习技术优化数据中心能效
【7月更文挑战第36天】在数据中心管理和运营中,能源效率已成为关键性能指标之一。随着能源成本的不断上升以及环境保护意识的增强,开发智能化、自动化的解决方案以降低能耗和提高能源利用率变得尤为重要。本文探讨了如何应用机器学习技术对数据中心的能源消耗进行建模、预测和优化,提出了一个基于机器学习的框架来动态调整资源分配和工作负载管理,以达到节能的目的。通过实验验证,该框架能够有效减少数据中心的能耗,同时保持服务质量。
|
存储 大数据 数据处理
探索现代数据中心的冷却技术
【5月更文挑战第25天】 在信息技术迅猛发展的今天,数据中心作为其核心基础设施之一,承载了巨大的数据处理需求。随着服务器密度的增加和计算能力的提升,数据中心的能耗问题尤其是冷却系统的能效问题日益凸显。本文将深入探讨现代数据中心所采用的高效冷却技术,包括液冷解决方案、热管技术和环境自适应控制等,旨在为数据中心的绿色节能提供参考和启示。
|
SDN 网络虚拟化 虚拟化
云数据中心中的SDN/NFV应用
【6月更文挑战第9天】计算和存储虚拟化技术在云计算IDC中已基本满足需求,但网络成为新瓶颈,主要问题包括虚拟化环境下的网络配置复杂度增加、拓扑展现困难和无法动态调整资源。
|
人工智能 监控 物联网
探索现代数据中心的冷却技术
【5月更文挑战第27天】 在信息技术迅猛发展的今天,数据中心作为信息处理的核心设施,其稳定性和效率至关重要。而随着计算能力的提升,数据中心面临的一个重大挑战便是散热问题。本文将深入探讨现代数据中心冷却技术的进展,包括传统的空气冷却系统、水冷系统,以及新兴的相变材料和热管技术。通过对不同冷却方式的效率、成本及实施难度的分析,旨在为读者提供一份关于数据中心散热优化的参考指南。
227 4