近十年首份数据中心能源情况报告:不要错过这些机会!

简介:

如今,美国数据中心的数量不断增加,而好消息是它们正在变得更加节能。根据美国能源部劳伦斯伯克利国家实验室(伯克利实验室)的一份最新的报告,美国数据中心的用电量在十多年的迅速上升之后,在2010年开始趋于稳定,并且直到现在一直保持稳定,如今已经低于美国用电总量的2%。

此外,根据伯克利实验室最新的“美国数据中心能源使用报告”,预计到2020年,美国用电量将保持较低的增长率,而2020年数据中心服务器安装总量预计将比2010年增长40%,这是近10年来,第一次对数据中心能源情况进行综合分析。

“在这十年里,由于数据中心高效的实践,节约的电能约为620亿千瓦时,或节省超过600亿美元的电力成本。”报告的主要作者之一,伯克利实验室研究员阿曼·舍哈比说。

数据中心能源情况报告

伯克利实验室关于数据中心能源效率的新报告的作者:(左起)戴尔·萨瑞特、阿曼·舍哈比、理查德·布朗以及萨拉·史密斯

最近一次进行这样的全面分析是在2008年完成的一份提供给美国国会的报告,这也出自于伯克利实验室。这份报告发现,数据中心的用电量每五年翻一番,主要是由于数据中心的数量和功率密度呈爆炸式增长。 “电力使用每五年翻一番的说法至今仍然被人们普遍认同。”舍哈比说,“事实上,数据中心的工作效率已经取得了巨大的进步,而在短期内仍然有巨大的改进机会。”

伯克利实验室撰写这份新报告的作者,其中还包括戴尔·萨瑞特,萨拉·史密斯,理查德·布朗,以及玛格纽斯·荷尔林,其中的几位也撰写了2008年的调查报告,他们收集了关于服务器和存储,网络和其他设备的出货量数据,然后构建一个模型来预测数据中心的能源消耗量。它们包括各种类型的数据中心,其规模从少于五个服务器数据中心到部署大型服务器“超大规模”计算设施的超大型数据中心,以及部署了成千上万台的服务器像机库一样规模的建筑物,例如由谷歌和亚马逊这样的行业巨头所运营的数据中心。

总的来说,他们发现,较大规模的数据中心在运行方面取得了显著进步。与此同时,其数量并没有增加,但仍然预计2020年这些数据中心占所有数据中心电源使用量的60%,而那些规模较小的数据中心通常效率不高。“数据中心行业电量增长主要在于超大规模数据中心,而传统的企业或机构的数据中心的能耗也可能增长。” 萨瑞特说,“这样规模的数据中心数以百万计,他们的工作效率并不高。”

根据这个研究报告,2014年美国的数据中心消耗了700亿千瓦时的电能,约占美国总用电量的1.8%。从2010年到2014年,电力消耗增长了约4%,从2014年到2020年,预计电力消耗增长4%。这与2000年到2005年增长了90%,2005年到2010年增长24%相比,有了显著的进步(报告作者指出,2009年服务器出货量显著放缓,这很可能是与2008年经济危机有关)。

研究人员发现能效提高主要有三个原因。一个是数据中心冷却和供电策略改进得更好。“在过去,大多数数据中心不加区别地采用空调制冷,以防止设备过热,这是非常低效的。”舍哈比说,“现在有了更先进的冷却策略,例如热通道隔离,节约器和液体冷却,这些都使冷却设备的能源消耗有所降低。”

第二是所谓的缩放,或“功率比例”。史密斯解释说:“大多数服务器在大部分时间内都处于闲置状态,而传统上,他们的设计目的并没有在处理任务减少时缩减他们的用电量。”

使用更好的电源管理软件以及效率更高的硬件,服务器可以在空闲或未充分利用时缩减其功耗。

解决此问题的另一种方法是通过减少服务器总量来减少服务器闲置的时间。“数据中心行业一直在整合服务器,因此,部署少于五个服务器的数据中心只有10%左右,而这样数据中心接近50%有可能关闭。”史密斯说。

这种资源共享或“虚拟化”是一种行业趋势,推动了云计算服务的激增,并且是第三个改进领域。

“云计算确实是提高能效的驱动因素之一,” 萨瑞特说,“数据中心以前被认为是固定成本,但是在云环境中,那些提供最低成本的供应商都会获胜,而电能是最容易优化的事情之一。”

鉴于这些趋势,研究人员预测了三种未来情景,可以实现更多的节能。在“改进的管理场景”中,删除了不活动的服务器,并进行了其他资本操作和技术改进。与“当前趋势”相比,2020年将节省10%的资金。

在“超大规模转移”情况下,小型数据中心的80%的服务器迁移到超大规模的设施,与“当前趋势”情景相比节能25%。而“最佳实践”情景假定普遍采用每种数据中心类型的最有效的技术和实践,从而比“当前趋势”情景节省40%的成本。

萨瑞特说:“我们有机会减少美国数据中心的能源使用量,同时提供更多的计算能力。”

本文转自d1net(转载)

目录
相关文章
|
29天前
|
机器学习/深度学习 监控 算法
利用机器学习优化数据中心的能源效率
【2月更文挑战第27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。随着人工智能技术的进步,特别是机器学习(ML)算法的发展,出现了新的机会来优化数据中心的能源消耗。本文探讨了如何通过应用机器学习模型对数据中心的能源使用进行实时监控和预测,进而实施节能策略。文中详细分析了不同类型的机器学习算法,并提出了一套基于预测分析的动态能源管理框架。通过仿真实验验证了所提出方法的有效性,结果表明,与传统管理手段相比,该框架能够显著提高数据中心的能源效率,降低运营成本。
37 3
|
29天前
|
机器学习/深度学习 监控 算法
利用机器学习优化数据中心的能源效率
【2月更文挑战第27天】 在数据中心管理和运营的众多挑战中,能源效率优化是一项持续的关键课题。随着人工智能技术的不断进步,特别是机器学习(ML)方法的应用,为精确预测和动态调整数据中心的能源消耗提供了新的可能性。本文将探讨如何通过机器学习模型来分析历史能耗数据,实现对冷却系统、服务器利用率和其他关键因素的智能调控,从而达到降低整体能耗的目的。我们还将讨论这些技术实施过程中可能遇到的挑战以及潜在的解决方案。
|
1月前
|
机器学习/深度学习 监控 算法
利用机器学习优化数据中心的能源效率
【2月更文挑战第19天】 在本文中,我们将探讨如何通过应用机器学习技术来优化数据中心的能源效率。随着云计算和大数据的迅猛发展,数据中心作为其基础设施的核心,其能源消耗问题日益凸显。传统的能源管理方法已难以应对持续增长的能耗挑战。因此,我们提出了一种基于机器学习的方法,能够实时监控并调整数据中心的运行状态,以达到节能减排的目的。该方法包括数据收集、特征工程、模型训练及部署等步骤,并在真实环境中进行了测试验证。实验结果表明,采用机器学习优化策略后,数据中心的PUE(Power Usage Effectiveness)得到显著改善,能源利用效率提升。
|
1月前
|
机器学习/深度学习 监控 算法
利用机器学习优化数据中心的能源效率
【2月更文挑战第16天】 在本文中,我们探讨了如何应用机器学习技术来优化数据中心的能源效率。数据中心作为现代信息技术的基础设施,其能源消耗一直是业界关注的焦点。通过机器学习算法,我们可以实现智能调度和资源管理,从而减少能源浪费,提升整体运行效率。文中首先介绍了数据中心能耗的主要来源,随后详细阐述了机器学习在此领域的应用方法,包括预测模型建立、智能控制系统设计以及自适应算法的开发。最后,文章通过案例分析展示了机器学习在提升数据中心能源效率方面的实际成效,并讨论了未来可能的发展方向。
|
10月前
|
人工智能 运维 监控
数据中心能源未来之路:一切过往,皆为序章
数据中心能源未来之路:一切过往,皆为序章
|
Web App开发 人工智能 安全
云栖科技评论第21期:Facebook绿色数据中心提供空前的能源使用效率
本周热点科技事件,是阿里云“ET”采用分布式爬虫收集全球海量互联网信息,利用文本挖掘和语义分析解析新闻关键词,使用深度神经网络将新闻分类,汇总而选择最新鲜的科技信息。 编辑制作:人民网研究院 内容提供:阿里云研究中心
928 0