数据中心经济需要衡量能源安全

简介:

随着数据的需求不断加快,如今的IT部门被要求提供更多的电力容量,同时确保数据流永不停止。而数据中心运营后期最大的风险因素则是电力可靠性,这成为了主题为“思想的差距:能源供应与数据中断”的网络研讨会中讨论的主要话题,此研讨会是由凡尔纳全球公司赞助。由北桥能源合公司高管彼得·凯利·德特威尔主持,网络研讨会探讨了影响数据中心的运营能源和电力行业的发展趋势。

根据艾默生网络能源公司提供的数据表明,美国电力中断的频率在增加。在2010年,41%电力公司的电力中断次数为1到2次之间。2013年,49%电力公司的电力中断次数为1到2次之间,而其中断的平均持续时间有所增加。另外,近半数的电力中断从5分钟以内,上升到动为5至20分钟,20分钟到两个小时,两个小时到一天,以及超过一天的中断时间不等,这种电力中断时间上升分布的趋势正在蔓延。凯利·德特威尔表示全球各地的电力部门的电力中断频率和持续时间有所增加,其原因可以追溯到电力基础设施老化和延期维修。电力变压器工作寿命平均为50年,而电网维护的每年费用达到了170亿美元左右。

如果电源中断,企业的业务就不得停止。大约91%的数据中心业务中断是由于电力而不是非计划停运。凯利·德特威尔说,近一半的企业因15分钟IT中断开始亏损,根据各种调查数据,一些行业必须要求零宕机,其中包括金融市场、电子商务、医疗保健和通讯等行业。

这个问题意将在今后几年加剧。目前,全球大约有200亿个连接设备。物联网的需求和实时处理数据的能力的提高,预计在未来五年内创建一个全球实时分析市场需要增加另外100亿个连接设备,其价值约为14万亿美元。

但持续时间和数据中心停机的成本正在上升。平均非计划停运时间从2013年的119分钟增加至2016年的130分钟。根据Baseline杂志对IT经理进行的调查。每一次非计划停运的每分钟成本从2013年的7908美元上升到2016年的8851美元。

对于一些行业来说,业务的中断都是一个重大打击和财产损失。例如对于金融服务公司的影响,每个中断事件平均损失将达到994000美元,通信行业为970000美元,医疗保健为918000美元,以及电子商务为909000美元。

如果你觉得数据中心还有UPS供电系统的保障,其实导致非计划停运的最主要原因就是UPS故障,其次是网络攻击、意外事故,以及人为错误。UPS故障占非计划中断的25%,因此即使配备了UPS供电系统,阻止非计划停运中断发生也只有四分之一的机会。

电力可靠性会变得更糟,这取决于你位于何处。英国就面临着一个很大的问题,而电力网络的老龄化和今年夏季1500兆瓦电力将导致其电力短缺和电价的激增,需要从国外进口电力。与许多工业国家不同的是,英国没有多余的电力产能,而该国到2020年将关停一批燃煤电厂,将面临严重的电力短缺。

而在北半球的一些国家和地区,具有可靠低廉的电力或地热所产生的电能,北欧一些国家可以利用自然天气冷却的数据中心,由于温度较低的冷却空气,摒弃了昂贵的空调设备,节省了约30%的电力运营和操作成本。

冰岛、挪威以及加拿大魁北克地区具有可靠的电力、自然冷却、水电站等适当的电力组合,其电力成本低廉,每度电的成本低至4至5美分。几乎所有行业领域都可以从他们的低成本电力和可靠的电网受益,特别是能源密集型行业,例如生产铝的企业。而数据中心也有同样的需求,其中包括大量的可靠低廉的电力。

相比于太阳能和风能地区,北欧地区在基础设施建设工程的稳定性和投资方面要比世界其他地区好得区,这些铝产区也可能是数据中心的避风港。虽然可再生能源正在产生巨大的收益,但也削弱了传统的电力部门的收入,并使化石燃料发电厂在经济上难以维持下去。而由于太阳能发电和风力发电的不稳定因素,采用这样的可再生能源的厂商逐渐减少。

电力部门如果没有化石燃料发电厂提供的电力,他们将不得不维护和更新现有的配电基础设施或重新调整投资,以支持分布式可再生能源不断增长的需求。凯利·德特威尔表示,今后的5年,电力生产的供应和可靠性很可能会较为波动,因为电力部门需要维护和升级,并分配和增加更多的可再生能源,以平衡采用传统化石燃料电力基础设施的电力需求。 

本文转自d1net(转载)

相关文章
|
存储 数据中心
衡量数据中心好坏标准的隐性指标
评价一个数据中心有很多的参数、指标,可以用这些指标来衡量一个数据中心的好坏。比如:服务器和网络规模、PUE、RTO,RPO等等。很多数据中心很喜欢拿自己拥有的服务器数量如何的多,来表示自己的强大,相当长的一段时间内,数据中心都喜欢单纯地去追求物理设备数量的增加,认为只要是在规模越大,数据中心能力就越强,数据中心就越好。
2062 0
|
7月前
|
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。
|
4月前
|
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。
|
7月前
|
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。
|
7月前
|
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。
|
7月前
|
机器学习/深度学习 资源调度 监控
利用机器学习技术优化数据中心能效
【5月更文挑战第30天】在数据中心管理和运营中,能源效率的优化是降低运营成本和减少环境影响的关键。本文旨在探讨如何应用机器学习技术来提升数据中心的能源效率。通过对现有数据中心运行数据的深入分析,开发预测性维护模型,以及实施智能资源调度策略,我们可以显著提高数据中心的能效。本研究提出了一种集成机器学习算法的框架,该框架能够实时监控并调整数据中心的能源消耗,确保以最佳性能运行。
|
7月前
|
存储 大数据 数据中心
提升数据中心能效的先进冷却技术
【5月更文挑战第27天】 在信息技术不断进步的今天,数据中心作为计算和存储的核心枢纽,其能源效率已成为评价其可持续性的关键指标。本文将探讨当前数据中心面临的热管理挑战,并展示一系列创新的冷却技术解决方案,旨在提高数据中心的能效,同时确保系统的稳定性和可靠性。通过对比传统冷却方法和新兴技术,我们将分析各种方案的优势、局限性以及实施难度,为数据中心运营者提供科学的决策参考。
|
7月前
|
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。