ICTroom公司优化其模块化数据中心的容量

简介:

在为欧洲客户设计数据中心多年之后,ICTroom公司技术专家西奥·阿瑞德恩和他的同事们意识到,无论客户如何定制其想要的数据中心,其数据中心的基本设计元素相差不大,其技术只是从一个数据中心转到另一个数据中心而已。

“大多数的拓扑结构是基于相同的设计原则,”阿瑞德恩说,“人们总有一个或多或少的标准化解决方案。”

六年前,总部位于荷兰的ICTroom公司开始接受其数据中心的第一笔订单,该公司工程师开始致力于数据中心标准化和模块化的设计工作。其中阿瑞德恩负责数据中心内现有的建筑物工程构建和设计。

ICTroom公司并不是只有这一个成功的项目。该公司在欧洲为Colt公司和或CompassDatacenters公司,AlignedDataCenters公司,以及美国的IO公司设计建设了诸多的数据中心产品。如今,企业的产品成本和前期建设成本通常沉淀在大容量设备中,并且很长时间没有得到充分利用。即使是建立庞大的网络规模设施的Facebook公司也是如此,如今该公司开始在其瑞典吕勒奥数据中心采用灵活高效的模块化原则。

ICTroom公司所设计第一个新建的数据中心是为云计算服务提供商AlphaClouds公司设计建设的,其电力容量为3MW。阿瑞德恩没有透露另外一个客户的名称,该客户的数据中心建设项目规模更大,ICTroom公司在这个项目中推出其第一个模块化数据中心产品。

而IMD750模块化数据中心是一个完整的一揽子交易,ICTroom公司为此提供所有必要的冷却设备和备用电源的基础设施,并在现场快速组装钢架构建一个电力容易为750kW的数据大厅,数据大厅的建筑外壳采用了混凝土板连接的钢制框架。

该数据中心由三个基本模块组成:IT模块,其中包括高架地板数据大厅和部署在顶部的冷却单元;配电模块,其中包括UPS设备和开关设备;主电源模块,其中包括一个变压器以及一个备用柴油发电机。

该定制有数据中心拥有足够的空间,但其80%设施都采用了标准化产品,阿瑞德恩认为这有一个很大的优势,使ICTroom公司能够在12周至15周的时间内建设完成数据中心,并进行调试。

本月初,ICTroom公司推出更小的数据中心产品,其模块化数据中心增加了250kW,甚至50kW的选项。该公司的想法是让客户能够在更小的数据中心模块方面有更多的选择。

ICTroom公司的另一个目标是拓展建筑物本身的可扩展性,而不仅仅是关键的电力容量。IMD250模块化数据中心电力容量为250kW,可以建在只有36平方米的场所中,而客户能够以250kW的增量扩大数据中心的规模,获得更加独立的IT能力。

IMD50模块化数据中心是ICTroom公司的微型数据中心产品,该产品可以部署六个IT机架,其中包括完整的UPS电源和冷却系统。微数据中心是一个相对较新的技术发展,只有极少数的供应商可以提供这一类产品。这些主要是针对需要数据中心容量接近其最终用户的公司,如缓存站点等;或者是没有拥有庞大数据中心的需求,并且业务不能实施外包的企业,这些企业其中包括一些商业托管提供商或云计算服务提供商。

阿瑞德恩表示,虽然这样的小容量数据中心的市场需求目前并不高,但却在缓慢上升。

本文转自d1net(转载)

相关文章
|
20小时前
|
机器学习/深度学习 数据挖掘 数据中心
利用机器学习优化数据中心能效的策略研究
【4月更文挑战第24天】在数据中心管理和运营中,能效优化是一个长期存在的挑战,它直接关系到成本控制和环境影响的减轻。随着人工智能技术的不断进步,特别是机器学习(ML)方法的广泛应用,为解决数据中心能效问题提供了新的途径。本文旨在探讨如何通过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,以实现更高的能效。我们首先分析了数据中心能耗的主要组成部分,然后提出了一种基于机器学习的能效优化框架,并详细阐述了关键技术和方法。最后,通过实验验证了所提出策略的有效性,并讨论了未来的研究方向。
|
5天前
|
机器学习/深度学习 运维 监控
利用机器学习优化数据中心能效的研究
【4月更文挑战第19天】在数据中心的运营成本中,能源消耗占据了显著比例。随着能源价格的不断攀升与环境保护意识的加强,如何降低数据中心的能耗已成为研究的热点。本文提出了一种基于机器学习的方法来优化数据中心的能效。通过分析历史运行数据,构建预测模型,并结合实时监控,动态调整资源分配策略以达到节能目的。实验结果表明,该方法能有效减少能源开销,同时保证服务质量。
|
7天前
|
机器学习/深度学习 资源调度 调度
利用机器学习优化数据中心能效的策略研究
【4月更文挑战第18天】 在数据中心的运营成本中,能源消耗占据了显著比例。为了降低这一开销同时减少环境影响,本文提出一套基于机器学习技术的数据中心能效优化策略。通过分析数据中心的能耗模式和环境变量,构建了一个预测模型来动态调整资源分配,实现能源使用的最大效率。与传统方法相比,本研究提出的策略在保证服务质量的前提下,能有效降低能耗,并具备自我学习和适应的能力。
|
27天前
|
机器学习/深度学习 数据采集 算法
利用机器学习优化数据中心的能耗管理
在数据中心管理和运营领域,能耗优化是提高经济效益和环境可持续性的关键。本文提出了一种基于机器学习的方法来优化数据中心的能源消耗,通过实时监控与智能调节系统参数以降低总体能耗。研究采用多种算法对比分析,包括监督式学习、非监督式学习以及强化学习,并在此基础上设计出一套综合策略。该策略不仅提升了能效比(PUE),还保证了系统的高可靠性和性能稳定性。文章的结构首先介绍数据中心能耗管理的重要性,然后详细阐述所提出的机器学习模型及其实现过程,最后通过实验结果验证了方法的有效性。
|
1月前
|
机器学习/深度学习 传感器 监控
利用机器学习优化数据中心能效
在数据中心管理和运营中,能效优化是减少能源消耗、降低运营成本的关键。本文探讨了应用机器学习技术对数据中心的能效进行实时监控和优化的方法。通过分析历史数据和实时参数,构建预测模型来指导冷却系统的调整,实现智能化能源管理。结果表明,该方法可以显著提升数据中心的能源使用效率,为绿色计算提供技术支持。
14 2
|
1月前
|
机器学习/深度学习 资源调度 算法
利用机器学习优化数据中心能效的策略
【2月更文挑战第31天】 在云计算和大数据的时代,数据中心作为核心基础设施,其能效管理已成为技术创新的前沿话题。本文旨在探讨通过机器学习技术优化数据中心能效的可能性与实践策略。通过对现有数据中心运行模式的分析,结合机器学习在能源消耗预测、资源调度和故障检测等方面的应用案例,我们展示了如何实现智能化的能源管理,以及这些技术如何帮助降低运营成本并减少环境影响。文中不仅详细阐述了机器学习模型的构建过程,还讨论了实施中的挑战及未来发展方向。
|
1月前
|
机器学习/深度学习 资源调度 数据挖掘
利用机器学习优化数据中心的能效
【2月更文挑战第30天】在本文中,我们探讨了如何通过应用机器学习技术来优化数据中心的能源效率。传统的数据中心管理方法往往依赖人工经验和定期维护,而机器学习提供了一种自动化和智能化的解决方案。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模型在预测和管理数据中心资源中的应用。通过对历史数据的学习和模式识别,机器学习不仅能够准确预测未来的负载变化,还能实时调整硬件配置以最小化能耗。最后,文章展示了一个基于机器学习的能效管理系统原型,并通过实验数据分析验证了该系统的有效性。
|
1月前
|
机器学习/深度学习 传感器 算法
利用机器学习优化数据中心冷却系统
【2月更文挑战第29天】 在本文中,我们探讨了如何应用机器学习技术来改善数据中心的能源效率,特别是针对冷却系统的优化。传统的数据中心冷却方法常常采用静态的、预设的策略,忽视了环境变化和负载波动的影响。通过集成机器学习模型,我们能够实时分析数据中心的操作状况,并动态调整冷却策略,以实现节能和性能的双重提升。文中详细介绍了所采用的算法框架、实验设置以及与传统方法的性能比较。
|
1月前
|
机器学习/深度学习 算法 调度
利用机器学习优化数据中心能效
【2月更文挑战第28天】 在本文中,我们将探讨如何应用机器学习技术来提高数据中心的能效。通过分析历史能耗数据和环境参数,构建预测模型,并基于这些模型实施动态能源管理策略。我们展示了一种自适应算法,该算法能够根据实时工作负载和外部温度变化自动调整冷却系统,以最小化能源消耗。实验结果表明,采用机器学习方法可以显著降低数据中心的PUE(功率使用效率)值,进而减少运营成本,并对环境可持续性产生正面影响。
|
1月前
|
机器学习/深度学习 传感器 算法
利用机器学习优化数据中心冷却系统
【2月更文挑战第27天】在数据中心的运行成本中,冷却系统占据了一大块。随着能源价格的上涨和环保意识的提高,如何降低冷却系统的能耗成为了一个重要问题。本文将探讨如何利用机器学习技术优化数据中心的冷却系统,以实现能源效率的最大化。我们将介绍相关的算法和技术,并通过实验验证其有效性。