浅析数据中心建设预估评价方法

简介:

这几年数据中心建设遍地开花,全国各地纷纷建立各种数据中心。有的是企业业务发展需要,有的是向外提供服务获取收益。不管是哪种,建设数据中心之前,首先要明确的是建多大规模的数据中心,需要多大费用,投产后的运营利润如何?作为投资方,最关心的就是需要投资多少,投资回报率是多少?这些显然要通过列举翔实的数据才能知道,如何评估才能得到最真实的结果,这个评估越偏离实际,投资方面临的风险就越高。所以如何对数据中心进行有效预估,需要有一套行之有效的方法才行。

首先要了解需求,明确需要新建数据中心完成哪些具体业务,这些业务大概需要多少服务器、多大网络带宽,对网络延时和安全是否有要求,数据存储量有多大?需求越详细,越容易确定需要数据中心应有的处理能力,这个需求有时是模糊的、不确定的,甚至提出需求的人自己都不清楚,在需求和数据中心实现之间关联性不是很强,只有经验丰富的系统设计专家才能把握好。为了防止新建的数据中心无法满足需求,一般在进行设计时要留有一定余量。与需求设计相比,高出约20%的容量。有的数据中心设计规模可能达到10000台服务器,但一期可能只有5000台,后续再加属于扩容部分,高出这20%并不在扩容范围之内。还要将需求分解,很多时候需求只是要比如上线一个网页服务,提供网络游戏等,这时就要将需求分解,都有哪些业务,每种业务需要多少台服务器共同工作才能完成,需要占用多大的带宽,这样才能确认要多大的数据中心才能满足。

其次并不是所有需求都要新建的数据中心来满足。一方面可能投资方不愿意投资更多,投入的资金不够建设足量的数据中心;另一方面数据中心的建设不是一撮而就,往往建设工期都比较长,一般都是边建设边上业务,数据中心的规模和处理业务逐渐增强。这就是需求分解的重要性所在,将需求分解后可以在数据中心建设过程中逐步满足。这样投资方在前期的运营中可以获利,就可能在后期投入更多资金进行扩容建设,如果数据中心运营效果不好,后面也可能终止投资,数据中心面临关门的险境。

第三根据可获得的数据中心机房面积,可进行具体评估,主要评估可部署机架的数量。数据中心标准机柜是600MM*1200MM*2200MM,考虑到两排机柜间最小的过道,以及机房空调所占用的面积,一般一个机柜占用的空间在3平方米左右。如果数据中心机房的面积在1200平方米,大约就可以放置400个机柜,如果面积在3000平方米,就可以放置1000个机柜。数据中心除了机房,还有监控室、楼道、会议室、存储室、备件库、洗手间等等功能房间,这些房间可大可小,根据实际需要可按照普通建筑成本来评估。除了机柜,数据中心机房里的设备运转离不开电,电力问题也是数据中心建设必须要考虑的重要因素。若按照服务器来计算,大部分的服务器功率在180W/U,每个机柜放满服务器不会超过30U,这样一个机柜最大功耗不会超过5400W,一个具有1000个机柜的数据中心,耗电量在0.54万千瓦,根据这样的功耗来设计供电线路和系统,如此大规模的用电,需要提前与供电部门协调好,输电线路确保可以提供足够的电。再就是空调,数据中心设备95%的能耗最终转化为热能,这样一个机柜的发热量在5.4KW*0.95=5.13KW,一个机柜占地面积在3平方米,这样单位面积上的发热量在1.71KW,再加上机房建筑的冷负荷一般单位面积上约0.75KW,这样单位面积的发热量在2.46KW,也就是单位面积上需要空调功耗2.46KM,如果机房内部的空调数量较多,比如3~5个,这样单位面积上需要空调的功耗就是2.46KW/5=0.492KW。根据这些数据就可以确定数据中心需要多少设备,多少电力和空调,这些设备投入需要多大的资金。当然,数据中心里的机柜不可能都放置服务器,还有相当数量的网络设备、安全、存储、负载均衡等设备,这些设备1U的价格比服务器还要高,1U耗电量也会更高,若能在建设施工之前就能确定这些设备的数量和型号最好,一般数据中心的设备投入是占用资金量最大的一块,所以一般都是边运营边扩容,设备逐步采购,这样就只能采用通用计算方法,先利用服务器做评估,做好充分的预留以便后期顺利扩容。

最后,也是最重要的一点,评估了数据中心建设所需的投资金额,这些资金投入后,到了数据中心建设投产之后,数据中心的投资回报率如何,运维成本多高,投资多少年才能收回成本,这些都是投资人最关心的问题。不过这个和数据中心所承载的业务紧密相关,有的数据中心承载着某热门购物网站业务,可能收入会比较高,而有的数据中心完全承载某些科研计算的功能,用于国家科研,几乎无利润可言。所以关键要看数据中心将来要承载什么样的业务,这个业务是否能带来丰厚的回报。这些都是投资人认真考虑的事情,和数据中心建设规模的评估方法无关,在此不再详述。

在建设数据中心之前,进行理论评估是非常必要的,通过评估可以高效利用资金,避免重复建设,造成资金的浪费。还有如果预估不足,也可能出现资金链的断裂,导致数据中心无法建设下去,项目早早夭折。掌握数据中心建设预估评价方法,可以很快计算出数据中心机房大致的建设规模、装机容量等数据,根据这些数据为投资人提供参考,让投资人的钱花在刀刃上。



本文转自d1net(原创)

相关文章
|
8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。
|
5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。
|
8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。
|
8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。
|
8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。
|
8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。
|
8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。