数据中心冷却通道的研究进展

简介:

日前,数据中心行业三位资深的专家在数据中心执行圆桌会议上讨论关于数据中心冷热通道遏制技术的进展情况。这三名经验丰富的数据中心管理人员分别是Aligned数据中心的雅各布·卡尔马克,FORTRUST公司罗伯特·麦克拉里和RagingWire数据中心的詹姆斯·利奇。行业媒体DataCenter Frontier的创始人兼主编主持瑞奇·米勒主持了这项讨论。

通道气流遏制系统作为数据中心制冷策略

DataCenterFrontier:气流遏制是用于优化数据中心冷却的既定战略。您如何评价采取通道遏制技术?在超大规模企业和多租户市场之间有什么不同?

罗伯特·麦克拉里:这里的关键是:在低效率的数据中心中,冷热空气随时混合,而并不是其IT设备和硬件的冷却散热是低效的,因为相当于重复了两次的工作。而气流遏制系统和气流动力学是优化数据中心冷却绝对策略。对IT硬件和硬件的内部提供冷却,是最有效和最有效的方法。而如果冷却气流去了其他地方,则会导致效率低下。

我们应该在开始设计和建设数据中心时,考虑专为长期经营的资金、能源效率和资源。我们这样做是要考虑到客户使用的IT硬件,提供市电的方式、冷却技术等各种因素,而每一件事都必须优化,以便能够适应最终用户运营的硬件。当以往我们设计数据中心的时候,并没考虑到最终用户或IT设备栈的设计,而我们必须开始这样做。

詹姆斯·利奇:我们看到在数据中心冷却的话题从节约转变成通道遏制的策略。

过去的五年中,数据中心提供商和数据中心技术供应商之间冷却的话题是利用当地的气候条件优势进行数据中心的设计和规划,提高冷却系统先进的性能。最常见的例子是当外界温度和湿度的允许的时候,使用自由空气进行冷却。

这次对话的话题是数据中心供应商和数据中心拥有者有针对性的设计和实施遏制系统,以满足客户的独特要求。这种讨论通常是基于计算流体力学分析(CFD),来了解数据中心设施和客户计算环境的空气流动情况。目前,最常用的方法是采用高架天花板和良好的空气流通和热通道气流遏制系统(烟囱),将热空气强制排出天花板较低的老旧数据中心。

超大规模数据中心和企业,以及多租户遏制采用冷却系统之间的差异主要是由数据中心的设计和应用的性质来驱动的。

超大规模数据中心往往针对冷却系统内置的明确一致的系统配置进行优化,在这些环境中,人们可以看到液体冷却、底盘冷却、机架冷却,和后门换热器技术。

企业数据中心通常必须支持遗留系统,例如小型计算机和大型主机,这些设备都有专门的冷却要求。这些设施往往是陈旧的(使用时间超过10年),可能没有一直维护或升级,随着时间的推移,这些设备在支持更高密度的部署方面将面临挑战。而人们往往看到在这些环境中的热通道气流遏制系统将为这些遗留系统进行冷却。

多租户托管的数据中心通常是新的硬件设备(使用时间少于10年),并且随着时间的推移进行更新升级,以支持更高密度的部署。托管数据中心提供者应该与他们的客户紧密合作,以支持针对其独特的环境封闭系统。

雅各布·卡尔马克:许多数据中心运营商利用新的遏制技术升级现有数据中心的成本过高。当涉及到减少能源消耗时,其浪费的电力转化成为更低的服务利润率。

超大规模数据中心运营商和一些领先的企业用户都敏锐地意识到这一点,并投入资金,以确保他们的数据中心进行了优化,用最少的浪费提供最大的输出。

多租户经营者往往影响最大,因为他们对运行的设备和数据中心内运行的应用程序控制能力较弱。对他们来说,采用通道遏制技术是一个挑战。

我们认识到这个障碍,并在数据中心设计中采用了成熟的散热专利技术,采用该技术的数据中心的电力和水的消耗仅为采用传统冷却技术的数据中心的85%。其结果是,我们能够保证为客户提供的PUE值为1.15。对于我们的一些大客户而言,其节省的成本将是巨大的。
本文转自d1net(转载)

相关文章
|
8天前
|
机器学习/深度学习 存储 数据采集
利用机器学习优化数据中心冷却系统
【4月更文挑战第26天】 在数据中心管理和运营中,冷却系统的能效是关键成本因素之一。随着能源价格的上涨和对环境可持续性的关注增加,开发智能、高效的冷却策略显得尤为重要。本文将探讨如何应用机器学习(ML)技术来优化数据中心的冷却系统。通过收集和分析温度、湿度、服务器负载等多维数据,我们构建了预测模型来动态调整冷却需求,实现节能并保持最佳的操作条件。实验结果表明,使用ML优化后的冷却系统能够在不牺牲性能的前提下显著降低能耗。
|
8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。
|
8天前
|
机器学习/深度学习 存储 运维
利用机器学习优化数据中心冷却系统
在数据中心运营成本中,冷却系统的能源消耗占据了显著比例。随着数据中心规模不断扩大,传统的冷却管理方法逐渐显得不足以应对复杂多变的热负荷。本文提出了一种基于机器学习的方法,旨在优化数据中心的冷却系统性能。通过收集历史运行数据和实时环境参数,构建预测模型来动态调整冷却策略,实现能源消耗与散热效率之间的最佳平衡。实验结果表明,该方法可以有效降低能耗,并保持数据中心内环境的稳定性。
16 1
|
3天前
|
机器学习/深度学习 存储 运维
利用机器学习优化数据中心冷却系统
【5月更文挑战第20天】 在数据中心运营成本中,冷却系统占据了一大块。随着能源价格的上涨和环境保护意识的增强,如何降低数据中心的能耗成为行业关注的重点。本文通过引入机器学习技术来优化数据中心冷却系统,旨在减少不必要的能源消耗,同时保持适宜的操作温度。通过收集历史温度数据、服务器负载信息以及外部气象条件,构建了一个预测模型,该模型能够实时调整冷却策略,实现动态节能。实验结果表明,与传统冷却系统相比,应用机器学习优化后的系统在不影响性能的前提下,能够节约高达20%的能源消耗。
|
8天前
|
机器学习/深度学习 数据挖掘 物联网
【专栏】机器学习如何通过预测性维护、负载预测、动态冷却管理和能源效率优化提升数据中心能效
【4月更文挑战第27天】随着信息技术发展,数据中心能耗问题日益突出,占全球电力消耗一定比例。为提高能效,业界探索利用机器学习进行优化。本文讨论了机器学习如何通过预测性维护、负载预测、动态冷却管理和能源效率优化提升数据中心能效。然而,数据质量、模型解释性和规模化扩展是当前挑战。未来,随着技术进步和物联网发展,数据中心能效管理将更智能自动化,机器学习将在实现绿色高效发展中发挥关键作用。
|
2天前
|
机器学习/深度学习 边缘计算 人工智能
利用机器学习优化数据中心能效的研究
【5月更文挑战第21天】 在数据中心运营的成本结构中,能源消耗占据了显著的比例。随着计算需求的不断增长,如何在保持高性能的同时降低能耗成为一大挑战。本文通过探索机器学习技术在数据中心能源管理中的应用,提出了一种新的能效优化框架。该框架采用预测算法动态调整资源分配,并通过仿真实验证明其在降低能耗和提高资源利用率方面的有效性。研究结果不仅对理解数据中心能源消耗模式具有理论意义,也为实际操作提供了可行的节能策略。
|
3天前
|
机器学习/深度学习 人工智能 算法
利用机器学习优化数据中心能效的策略研究
【5月更文挑战第20天】在数据中心的运营成本中,能源消耗占据了显著比例。随着人工智能技术的进步,特别是机器学习(ML)的应用,为降低能耗、提高能效提供了新的思路和方法。本文旨在探讨和分析如何通过机器学习技术优化数据中心的能效。文中首先概述了数据中心能耗的主要组成部分及其影响因素,其次介绍了机器学习在数据中心能效管理中的应用现状与潜在价值,并深入剖析了几种主要的机器学习算法在实际中的应用案例。最后,文章对机器学习在数据中心能效优化方面的未来发展趋势进行了展望。
7 0
|
5天前
|
存储 传感器 人工智能
探索现代数据中心的冷却技术革新
【5月更文挑战第18天】 在数字化时代,数据中心作为信息处理与存储的核心设施,其稳定性和效能至关重要。随着计算需求的激增,数据中心的冷却系统面临着前所未有的挑战。传统的空调冷却方法不仅耗能巨大,而且效率低下。本文将深入探讨现代数据中心冷却技术的最新进展,包括液冷技术、热管应用、环境辅助设计以及智能化管理等方面,旨在提供一种高效、可持续且经济的解决方案,以应对日益增长的冷却需求。
|
6天前
|
人工智能 监控 物联网
探索现代数据中心的冷却革新
【5月更文挑战第17天】在信息技术迅猛发展的今天,数据中心作为其核心支撑平台,对计算能力和存储容量的需求日益膨胀。与此同时,数据中心的能效管理和散热需求也成为了技术发展的瓶颈之一。传统的空气冷却和水冷技术已逐渐达到其性能极限,而新兴的冷却技术如相变材料(PCM)应用、液态冷却以及自然冷却等方案正逐步被采纳以提升系统效率。本文将深入分析当前数据中心冷却技术的发展现状,探讨不同冷却方案的优势与挑战,并提出面向未来的冷却技术发展趋势。
|
8天前
|
机器学习/深度学习 资源调度 算法
利用机器学习优化数据中心能效的策略研究
【4月更文挑战第28天】 在数据中心设计和运营中,能源效率已经成为一个核心议题。随着计算需求的不断增长,数据中心的能耗问题愈发凸显,而传统的节能方法逐渐显得力不从心。本文旨在探讨如何通过机器学习技术提升数据中心的能源效率,降低运营成本,并对环境影响最小化。文中详细分析了机器学习在数据中心制冷管理、资源调度、故障预测及维护等方面的应用,并提出了一套综合策略,以期达到智能化管理和节能减排的双重目标。