为超融合架构选择合适的数据中心冷却系统

简介:

虽然超融合基础架构会带来很多好处,比如精简的IT管理方法,但从数据中心散热的角度来看,它也同时带来了一些特殊的挑战。

当把超融合基础架构的机器安装到机柜上的时候,会在密集的冷却环境中制造出高热量密度。保持散热通道的畅通无阻非常重要,但是要保证正常的温度下给予机器足够的散热风,还要让热量尽量远离这些机器是比较困难的。

其实对于其他IT硬件来说这个原则是一样的,但是鉴于高度融合基础架构(HCI)的密集性以及安装的简易性,你会发现要在数据中心打造一个有效率的散热系统其实是很困难的。很多数据中心在建立之初并没有考虑到这种高度融合的系统的散热问题,但是只要你使用合适的技术,你还是可以让你的数据中心尽可能地有效。

HCI的电源通常来说可以达到1000瓦(W)以上,这会产生很多热量。一个2U高的HCI机器可能会达到25-30KW的功耗,相对来说传统的1U服务器只会产生350-500瓦的功耗而已。即使你已经做了很多减少空气混合的改造(例如分离热通道和冷通道,使用空白面板和保持密闭度),可能理论上已经能够达到冷却的要求,但是实际上你可能还是达不到要求的温度,

什么冷却系统对于HCI系统来说是最好的呢?
美国采暖、制冷与空调工程师学会(ASHRAE)建议的入风温度是80.6华氏度(或27度摄氏度),这不仅仅能节省能源,还能增加空调的制冷能力。更高的进风温度会导致空调的回风温度也会更高。一台典型的20吨机房空调(CRAC)运行在84 kW功率和75华氏度进风温度的情况下会提供137kW的冷却能力以及90华氏度的回风。这里的差异还是蛮大的,但是这并不能保证这些冷却的能力最终都能利用到计算机设备上去。

有效的数据中心冷却系统要考虑性能以及风道。如果环境中空气不够的话,服务器风扇会尝试从其他地方吸收空气——这包括了机柜的顶部、机柜设备之间没有固定的空间、临近的机柜或者机柜与地板的空隙。这会带来两个问题,第一个问题是服务器风扇会加速并且消耗额外的能源。

这样的结果是,被服务器风扇抽取的空气的地方会比空调处的空气热很多。 如果你的入风温度已经非常高了,那么这些昂贵的设备会比他们预想的更热,从轻的层面上讲,这会带来一些数据错误。这还会减少这些设备的寿命,并且也会一定程度损坏这些设备。

对于HCI我需要多少空气呢?

有了以下这个公式,你就能快速决定你的数据中心内的空气数量是否满足你设备的需求了。

CFM = BTU/1.08 x TD

CFM是每立方尺每分钟的空气流量

BTU是每小时英热量单位的热负荷

(BTU = Watts x 3.414)

1.08是在正常情况下的空气校正常数

TD是温差,或者叫做Delta温度或ΔT

进风的温度和出风的温度差异大概在25华氏度左右。

做一个快速的计算,假设电源是在几乎满负载的情况下运作的,那么1600瓦单元等效于5460 BTU。假设温差是25华氏度,那么设备需要202 CFM的空气才不会出现问题。

如果你在一个机柜内装满了HCI系统,那么你需要4000 CFM的空气。如果你的空调是普通的20吨机房空调的话,那么它能提供12000 CFM,那么结果是你只能冷却3个机柜的设备。即使你假设服务器的利用率平均有75%,那么每个机柜你还是需要3000 CFM的空气。

如果我无法提供那么多空气怎么办?以下的公式可以帮你解决温差的问题:

TD = BTU / 1.08 x CFM

4个利用率75%的机柜会需要12000 CFM,但是如果附近的机柜需要额外的6000W功率的话,那么你就需要等效的6个HCI机柜的功耗,即至少18000 CFM。你的机房空调可能只能提供12000 CFM。假设你的服务器群是在全速运行的,但是又不能从其他地方抽取更多的空气,那么你的温差会变成53华氏度。这个时候计算设备很可能无法忍受这个温度,从而会导致机器被关闭,或者失效。

其他空气气流限制

如果我们有很多机房空调,那么它们可以将空气直接排放到每一列机柜中去。如果你使用的是地板下的空调,格子型的瓷砖也只能提供56%的开放空间,根据不同的地下压力它可以提供900-1600 CFM,或者5-9 kW的制冷功率。如果你安装了过多的这些瓷砖或者风扇助力的瓷砖,会导致地下的空气压力变小,从而会抽取其他排机柜的空气。风道的大小限制了空气在空中的传递——也就是说即使你有足够的空调来传递足够的空气,但是传递的过程中也会受到一定的限制,从而有一些空气无法到达计算机硬件。

当每一个机柜达到7500 W~10000 W的功率的时候,你可能需要额外的数据中心冷却系统。有很多冷却系统是专门用来对付高密集型计算数据中心的。其中包括地面的和架空冷却器,后门热交换器,甚至液体冷却系统。在未来我们可能会看到越来越多高性能系统设计成支持直接水冷。

本文转自d1net(转载)

目录
相关文章
|
17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。
|
21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。
|
24天前
|
存储 SQL 网络协议
C语言C/S架构PACS影像归档和通信系统源码 医院PACS系统源码
医院影像科PACS系统,意为影像归档和通信系统。它是应用在医院影像科室的系统,主要的任务是把日常产生的各种医学影像(包括核磁、CT、超声、各种X光机、各种红外仪、显微仪等设备产生的图像)通过各种接口(模拟、DICOM、网络)以数字化的方式海量保存起来,并在需要的时候在一定授权下能够快速地调回使用。同时,PACS系统还增加了一些辅助诊断管理功能。
40 11
|
16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。
|
17天前
|
安全 数据管理 中间件
云LIS系统源码JavaScript+B/S架构MVC+SQLSugar医院版检验科云LIS系统源码 可提供演示
检验科云LIS系统源码是医疗机构信息化发展的重要趋势。通过云计算技术实现数据的集中管理和共享可以提高数据利用效率和安全性;通过高效灵活的系统设计和可扩展性可以满足不同医疗机构的需求;通过移动性和智能化可以提高医疗服务的精准度和效率;通过集成性可以实现医疗服务的协同性和效率。因此,多医院版检验科云LIS系统源码将成为未来医疗机构信息化发展的重要方向之一。
26 2
|
5天前
|
前端开发 Java 关系型数据库
Java医院绩效考核系统源码B/S架构+springboot三级公立医院绩效考核系统源码 医院综合绩效核算系统源码
作为医院用综合绩效核算系统,系统需要和his系统进行对接,按照设定周期,从his系统获取医院科室和医生、护士、其他人员工作量,对没有录入信息化系统的工作量,绩效考核系统设有手工录入功能(可以批量导入),对获取的数据系统按照设定的公式进行汇算,且设置审核机制,可以退回修正,系统功能强大,完全模拟医院实际绩效核算过程,且每步核算都可以进行调整和参数设置,能适应医院多种绩效核算方式。
25 2
|
8天前
|
Kubernetes Cloud Native 持续交付
构建高效云原生应用:Kubernetes与微服务架构的融合
【5月更文挑战第6天】 在数字化转型的浪潮中,企业正迅速采纳云原生技术以实现敏捷性、可扩展性和弹性。本文深入探讨了如何利用Kubernetes这一领先的容器编排平台,结合微服务架构,构建和维护高效、可伸缩的云原生应用。通过分析现代软件设计原则和最佳实践,我们提出了一个综合指南,旨在帮助开发者和系统架构师优化云资源配置,提高部署流程的自动化水平,并确保系统的高可用性。
29 1
|
14天前
|
API 开发者 UED
构建高效微服务架构:后端开发的新趋势移动应用与系统:开发与优化的艺术
【4月更文挑战第30天】 随着现代软件系统对可伸缩性、灵活性和敏捷性的日益需求,传统的单体应用架构正逐渐向微服务架构转变。本文将探讨微服务架构的核心概念,分析其优势,并着重讨论如何利用最新的后端技术栈实现一个高效的微服务系统。我们将涵盖设计模式、服务划分、数据一致性、服务发现与注册、API网关以及容器化等关键技术点,为后端开发者提供一份实操指南。 【4月更文挑战第30天】 在数字化时代的浪潮中,移动应用和操作系统的紧密交织已成为日常生活和商业活动的基石。本文将深入探讨移动应用开发的关键技术、跨平台开发工具的选择以及移动操作系统的架构和性能优化策略。通过分析当前移动应用开发的挑战与机遇,我们将
|
16天前
|
机器学习/深度学习 存储 监控
利用机器学习优化数据中心冷却系统
【4月更文挑战第28天】 在数据中心的运营成本中,冷却系统的耗电占据了显著比例。随着能源价格的上涨以及环境可持续性的重视,寻求高效的冷却策略变得尤为重要。本文将探讨如何应用机器学习算法来优化数据中心的冷却系统性能。通过分析历史温度数据、服务器负载和外部环境因素,机器学习模型能够预测数据中心内的热分布,并实时调整冷却设备的工作状态,以达到节能的目的。我们的研究显示,采用这种智能调节方法可以显著降低能耗,同时保持或甚至提升冷却效果。
18 1
|
17天前
|
消息中间件 监控 中间件
探索微服务架构下的系统弹性设计
【4月更文挑战第26天】 在当今快速迭代和持续部署的软件发展环境中,系统的弹性设计成为维护高可用性和稳定性的关键因素。本文将深入探讨在微服务架构下如何实现系统弹性,包括识别潜在的故障点、设计容错机制、以及通过实践案例分析提升系统整体的韧性。我们将讨论一系列策略,如服务降级、超时管理、重试策略、断路器模式等,旨在为开发者提供一套实用的系统弹性设计方案。