数据中心各等级的技术特征

简介:

一、GB50174的数据中心分级

国家标准《电子信息系统机房设计规范》GB50174规定,数据中心应划分为A、B、C三级。设计时应根据机房的使用性质、管理要求及其在经济和社会中的重要性确定所属级别。

1、A级:符合下列情况之一的数据中心应为A级

(1)电子信息系统运行中断将造成重大的经济损失;

(2)电子信息系统运行中断将造成公共场所秩序严重混乱。

2、B级:符合下列情况之一的数据中心应为B级

(1)电子信息系统运行中断将造成较大的经济损失;

(2)电子信息系统运行中断将造成公共场所秩序混乱。

3、不属于A级或B级的数据中心为C级

GB50174标准中与备用电源相关的技术要求见下表。

微信截图_20160629111744

微信截图_20160629111758

微信截图_20160629111813

  二、TIA或The Uptime Institute标准的数据中心分级

根据TIA或The Uptime Institute,数据中心机房可分为四级:由“等级Tier I”(没有冗余部件组成的系统)到“等级Tier IV”(有冗错部件和可实现不间断维修的系统)这四个级别,下面就每个等级的特性描述,及其在数据中心中的设备类型、配置要求和技术特性等内容进行逐一介绍:

1、等级Tier I――基础设施基本配置

“等级Tier I”的数据中心对有计划或无计划的运营中断反应敏感,该类数据中心通常配有计算机系统,电力分配系统和冷却系统,可能还包含有活动地板等设施,同时配置有一台UPS或者一台发电机组。

该等级数据中心中的关键负荷可以达到设计值N的100%容量,如果已配置有UPS或者发电机组,它们均是由单个模块组成的系统,并且存在着可能的单故障点。

该等级数据中心可以根据需要,通过停止设备运行来进行预防性维护和检修工作,而在紧急状态下则可能需要停止设备运行来进行现场检修。数据中心内任何设备故障、操作错误,以及异常情况都将引起数据中心的运营中断。

该等级数据中心是由单路电力和冷却输配链路组成的系统,没有系统冗余部件和备份能力。

2、等级Tier II――基础设施部件冗余

“等级Tier II”数据中心采用了设备冗余部件,要比上述“基本数据中心”的备份能力强。

该等级数据中心内装有高架活动地板,UPS或发电机组,动力系统设计为N+1模式,采用单一的分配链路环节。关键负荷可以达到设计值N的100%容量。

该等级数据中心可以根据需要,通过备份设备顺序独立运行,完成预防性维护和检修工作,而在紧急状态下则可能需要停止设备运行来进行现场检修。

该等级数据中心是由单路电力和冷却输配链路组成的系统,并在该链路中配置有冗余的系统部件和功能。

3、等级Tier III――基础设施链路冗余

“等级Tier III”数据中心内的基础设施具有链路容余能力,当某一链路环节出现故障时,系统会自动切换到备份链路,保证数据中心运行的连续性。

该等级数据中心的电力和空调系统设置有多个链路,其中至少有一个链路配置了N+1冗余部件,任何一个链路上的设计负荷量不超过总负荷量N的90%。

该等级数据中心可以根据需要,选择某一链路投入运行,同时对另一链路进行维护或维修,而不会影响数据中心的正常运行。

该等级数据中心具有冗余能力的链路通常具有故障容错能力,如该链路出现故障,系统自动切换到另一链路继续运行。

4、等级Tier IV――基础设施系统容错

“等级Tier IV”数据中心内的基础设施具有容错能力,当某一部分环节出现故障时,系统会自动切换到备份环节,保证数据中心运行的连续性。

该等级数据中心的电力和空调系统设置有多个链路,每个链路配置了N+1冗余部件,在一个链路上的设计负荷量不超过总负荷量N的90%。

该等级数据中心中的全部计算机硬件设备需要具有故障容错的双电源输入功能,确保系统双链路配置功能。

该等级数据中心通常由多条电力和冷却分配链路组成,每条链路中配置有冗余的组成部件,并且具有故障容错能力。

国际行业标准 ANSI&TIA-942 关于数据中心分级的一些主要技术指标如下

微信截图_20160629111901

微信截图_20160629111828

微信截图_20160629111849

  三、TIA或Uptime分级与GB50174分级的关系

单从UPS备用电源的配置看,GB50174与TIA-942或Uptime标准的分级对应关系如下表所示。

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。
|
7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。
223 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。
|
人工智能 运维 监控
未来数据中心的自动化运维技术探索
随着信息技术的快速发展,未来数据中心的运维需求将变得更加复杂而多样化。本文将探讨自动化运维技术在未来数据中心中的应用,分析其优势和挑战,并探讨如何实现高效的自动化运维管理。
366 21