全美国的数据中心到底消耗了多少水资源

简介:

与能源消耗一样,全美国的数据中心对于水资源的消费增长速度从十年前就已经开始放缓了。

美国政府最近的一项研究对于量化全美国所有数据中心的用水量进行了首次尝试。该项研究主要侧重于全美国数据中心的能源消耗方面,但他们也借助使用耗电量,来估算推断了数据中心用于供电和冷却的用水量。

水是数据中心所消耗的两大主要资源之一。而鉴于去年夏天在加利福尼亚州的干旱情况特别严重,这一事实更是吸引了很多公众的关注。与此同时,由于此前一年冬天的厄尔尼诺现象,在使得该州水库的水位高于过往的历史水位。旱情灾害仍在持续,整个国家的各个行业,包括高科技产业,对于水资源的消耗量仍然是一个相当严峻的问题。

其实,数据中心行业远远没有成为加州最大的用水大户。根据美国地质勘探局(United States Geological Survey,简称USGS)最新的数据显示,2010年,全美国每天耗水的最大部分(约61%)被用于了农业灌溉。

然而,发电厂无疑是一个主要的用水大户,而整个数据中心行业又使用了其中大量的电力资源。根据最近的政府研究报告,在2014年,全美国数据中心行业的电力消耗占到了美国总耗电量的2%。

根据美国地质勘探局的数据显示,在2010年,加利福尼亚州每天用水量的第二大部分(约17%)被用于热电发电。而较之农业耕作或其它行业,数据中心行业直接占用了相对较少的水资源,其中用于发电所消耗的水资源的量也已经被考虑在内了。

这项于今年六月发表的研究报告是由美国能源部伯克利劳伦斯国家实验室所牵头的,并与来自斯坦福大学、西北大学和卡内基梅隆大学的研究人员进行了合作。

正如报告中所指出的那样,更多的水资源是被用来发电,以便为数据中心供电,而非对其进行冷却。平均而言,在美国,产生1kWh的能源大约需要消耗7.6公升的水资源,而一般的数据中心每消耗1kWh的能源需要使用1.8公升的水,据该项研究的相关人员介绍说。

这样算来,全美国的数据中心在2014年共计消耗了6260亿公升的水资源,其中包括在数据中心站点直接消耗的水资源;和用于发电以供给数据中心电力的水资源。研究人员预计,这一数据在2020年将达到6600亿公升:

  全美国数据中心直接耗水量与间接耗水量。

来源:伯克利劳伦斯国家实验室《2016美国数据中心能源使用情况报告》

政府的该项估计依赖于平均值,因为在不同的数据中心站点,每1kWh的耗水量变化很大,这主要取决于数据中心所在地区的气候条件和所使用的冷却系统的类型,而与用水量相关的发电量也同样如此。不同的发电源需要使用不同量的水资源,同时某些发电厂要比其他发电厂更高效。

这些估计也考虑到了在热电和水电厂的水资源的损失,以及由于泄压放空在数据中心冷却塔的损失。他们还假设了IT橱柜和IT机房不消耗水资源,直接通过空间扩展,或是冷空气的冷却冷水机组。

数据中心从2006年至2020年之间的耗水量趋势大致反映了在这段时间内数据中心的能源消耗趋势(这并不奇怪,因为能源消耗被用来计算耗水量)。因此,我们可以看出,与能源消耗情况一样,较之2007年以前,全美国数据中心的耗水量的增长保持了较缓慢的速度。

此外,类似能源消耗的发展趋势,诸如谷歌、Facebook、微软和亚马逊等互联网和云计算巨头对于超大规模的数据中心的投资兴建,使得这类超大规模的数据中心构成了数据中心总容量越来越大的比例,他们将逐渐占到该行业总耗水量的更大的部分。

  全美国各空间类型数据中心的总用水量情况。

来源:伯克利劳伦斯国家实验室《2016美国数据中心能源使用情况报告》

本文转自d1net(转载)

相关文章
|
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。
|
10月前
|
存储 双11 数据中心
数据中心网络关键技术,技术发明一等奖!
近日,阿里云联合清华大学与中国移动申报的“性能可预期的大规模数据中心网络关键技术与应用”项目荣获中国电子学会技术发明一等奖。该项目通过端网融合架构,实现数据中心网络性能的可预期性,在带宽保障、时延控制和故障恢复速度上取得重大突破,显著提升服务质量。成果已应用于阿里云多项产品及重大社会活动中,如巴黎奥运会直播、“双十一”购物节等,展现出国际领先水平。
|
运维 负载均衡 监控
|
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。
|
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。
|
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。
267 4
|
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。
|
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。
|
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。

热门文章

最新文章