提高数据中心的冷却效率也需另辟蹊径

简介:

提高实时数据的灵活性,以及满足几乎无限的可扩展性需求的挑战,数据中心管理者们面临着前所未有的复杂性。作为需要为云计算、物联网和大数据的普及做准备的领导者,CIO们仍然必须对数据中心能源效率保持控制。遗憾的是,数据中心基础设施每天都因各种原因浪费了大量的电力。因此有时候,CIO跳出传统数据中心管理思想的条条框框是有必要的。

从小型到超大型数据中心基础设施,每一个数据中心的设计必须通过全面的能源效率路线图的支持。除了原始数据中心的设计、建筑年限和位置之外,另一个重点领域是冷却的环境。数据中心产生的热量越来越多,通常采用高功率密度机柜的匹配和组合应对。为了满足新出现的数据源和新的用户需求,数据中心基础设施不断扩展,因此数据中心的热指数迅速上升。

由于遵循能源法案对于数据中心IT设备限制过热的要求,企业努力将数据中心温度保持在77华氏度到79华氏度之间。而行业专家表示,冷却系统是电力损耗的主要因素,企业必须开始采用针对性的方法提高数据中心的能源效率。目前的报告表明,全球的IT基础设施消耗的电能约占全球电力使用总量的百分之三,并排放了相当于全球温室气体百分之二的排放量。

据预测,全球IT资源在未来十年中使用的电能将增加两倍,然而大部分都被浪费。事实上,调研机构麦肯锡公司估计,全球数据中心所有的服务器只有12%在执行实际计算工作,其余的服务器都处于空闲状态。

通常情况下,IT经理负责管理分布世界各地的多个数据中心。然而没有两个数据中心在结构、功率、速度,以及效率方面是相同的。鉴于这些差距,冷却基础设施应匹配最高效率的独特环境。作为一个起点,企业应该进行环境评估,以找出薄弱环节,并对需要改进的地方和基础设施的功能进行改进。许多人认为第三方对于数据中心现阶段的详尽发现和全面的资产文档是很宝贵的,可以对数据中心设备的相互依存关系和提高工作负载效率提供帮助。根据这些评估,以下是为数据中心托管提供商提供的可以最大限度地发挥冷却资源一些方法:

(1)“chiller-in-a-box”冷水机组技术

“chiller-in-a-box”冷水机组通过冷却液的流动从一个组件流向另一组件从而移除热量。其中也包含加热、通风和空调(HVAC)系统使用冷却水,通常为24×7小时全天候运行。从数据中心吸收热量后,带走热量的循环水通过外部冷却塔冷却,从而使热量消散。

“chiller-in-a-box”技术与高效的计算机机房空调(CRAH)相结合,可以使数据中心的能源使用效率(PUE)达到1.08。

(2)间接蒸发冷却技术(IEC)

间接蒸发冷却(IEC)是指把直接蒸发冷却过程中降温后的空气和水通过非接触式换热器冷却待处理的空气,那么就可以得到温度降低而含湿量不变的送风空气。这种间接蒸发技术,不采用任何水资源。服务器排出的热空气和输入的冷却空气是保持分离。这些系统最大限度地进行空气冷却而不引入外部空气,从而消除相关的污染物。有些配置Oasis间接蒸发冷却技术的数据中心的PUE甚至可以低至1.15。

(3)节约水资源综合措施

这种流行的选择是数据中心使用冷冻水工厂生产的水或空气冷却。其冷却塔的蒸发能力很强,由于采用温度较低的水进行冷却,其散热冗余能力极强,即使冷水机组停止运行,冷水也能被提供。如果正确实施这些措施,这种冷却统系可以节省大量电能,并具有大幅降低PUE的潜力。

(4)丹佛斯TurbocorWT系列压缩机

丹佛斯TurbocorWT系列离心式压缩机是可变的,高速空气压缩系统,可与蒸发和风冷式冷水机组和空调系统配合使用。这些制冷解决方案可以提供强大的冷却能力,其制冷量范围为200-350冷吨。其特有的磁轴承和传感器控制,使其摩擦轴在一个悬浮的磁垫中旋转,这意味着没有金属摩擦。

丹佛斯Turbocor集成自然冷却盘管的WT系列离心式压缩机进一步提高了功率,可以配置最大化的自然冷却能力,维护成本也非常低。

数据中心冷却没有万全之策

提高数据中心的冷却效率并没有万全之策。而是需要根据不同基础设施的环境需要,制定冷却策略,以最大限度地提高参数,环境和设备的使用年限。如果设计有效,这些策略的实施可以节约成本,提高效率,减少碳足迹。

保护环境需要大家的努力。现在是时候扔掉手中能源效率手册,并全方位开拓市场。企业要在实践中寻找适合自己实际情况的冷却系统,这可能才是数据中心管理者最重要的IT决策之一。

本文转自d1net(转载)

相关文章
|
3天前
|
存储 传感器 监控
探索现代数据中心的冷却技术革新
【4月更文挑战第23天】 在信息技术迅猛发展的今天,数据中心作为计算和存储的核心枢纽,其稳定性和效率至关重要。然而,随着处理能力的增强,设备发热量急剧上升,有效的冷却方案成为确保数据中心持续运行的关键因素。本文将深入分析当前数据中心面临的热管理挑战,并探讨几种前沿的冷却技术,包括液冷系统、热管技术和环境自适应控制策略。通过比较不同技术的优缺点,我们旨在为数据中心管理者提供实用的冷却解决方案参考。
|
1月前
|
机器学习/深度学习 存储 算法
利用机器学习优化数据中心冷却系统
【2月更文挑战第23天】 在数据中心的运营成本中,冷却系统占据了一大块。传统的冷却管理通常依赖于简单的规则或手动调整,无法适应复杂多变的热负荷和环境条件。本文提出了一种基于机器学习的方法来动态优化数据中心的冷却系统。我们设计了一个预测模型来估计未来的热负荷,并结合实时数据,通过优化算法调整冷却设备的工作状态,以降低能源消耗并保持适宜的运行温度。实验结果表明,该方法能够有效减少能耗,同时保证数据中心的冷却效率。
16 0
|
1月前
|
机器学习/深度学习 传感器 算法
利用机器学习优化数据中心冷却系统
【2月更文挑战第15天】 在数据中心运营效率的众多挑战中,冷却系统的优化是一个关键因素。本文将探讨如何应用机器学习技术来改善数据中心的冷却性能,减少能源消耗,并提高整体的可持续性。通过分析历史温度数据、服务器负载以及环境参数,构建预测模型来动态调整冷却需求,实现智能化管理。本研究展示了一种创新方法,不仅提升了数据中心运行效率,也为其他工业冷却系统提供了可借鉴的解决方案。
16 1
|
1天前
|
机器学习/深度学习 存储 监控
利用机器学习优化数据中心冷却效率
【4月更文挑战第25天】在数据中心的运营成本中,冷却系统占据了一大块。随着能源价格的不断攀升以及环保意识的增强,如何降低冷却系统的能耗成为了一个亟待解决的问题。本文提出了一种基于机器学习的方法来优化数据中心的冷却效率,通过实时监控和数据分析,动态调整冷却设备的工作状态,以达到节能的目的。实验结果表明,该方法可以显著降低数据中心的能耗,同时保证服务器的正常运行。
|
1月前
|
存储 定位技术 数据中心
探索现代数据中心的冷却技术革新
在这篇文章中,我们将深入探讨现代数据中心冷却技术的最新进展。随着数据量的激增和计算能力的提升,数据中心的能效和散热问题变得日益重要。文章将介绍几种创新的冷却方法,包括液冷系统、热管技术和环境冷却集成设计,并讨论它们的工作原理、优势以及面临的挑战。通过这些技术的比较,我们旨在为数据中心管理者提供决策支持,以实现更高效、可持续的运营。
33 1
|
1月前
|
机器学习/深度学习 传感器 算法
利用机器学习优化数据中心冷却系统
【2月更文挑战第29天】 在本文中,我们探讨了如何应用机器学习技术来改善数据中心的能源效率,特别是针对冷却系统的优化。传统的数据中心冷却方法常常采用静态的、预设的策略,忽视了环境变化和负载波动的影响。通过集成机器学习模型,我们能够实时分析数据中心的操作状况,并动态调整冷却策略,以实现节能和性能的双重提升。文中详细介绍了所采用的算法框架、实验设置以及与传统方法的性能比较。
|
1月前
|
机器学习/深度学习 算法 数据中心
利用机器学习优化数据中心冷却系统
【2月更文挑战第17天】 在数据中心运营成本中,冷却系统占据了显著比例。本文通过探索机器学习技术在数据中心冷却系统中的应用,旨在提高能效并降低运营成本。首先介绍了数据中心冷却系统的基本原理和关键性能指标,随后详细阐述了如何通过监督学习和强化学习算法来预测冷却需求并实时调整冷却策略。文章通过案例分析验证了所提方法的有效性,并讨论了实施过程中面临的挑战与未来发展方向。
|
机器学习/深度学习 边缘计算 人工智能
数据中心各种冷却技术的应用与发展
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