追求环保高效的数据中心的5大策略

简介:

我以“数据中心的绿色环保”为关键词随手在搜索引擎上进行了搜索,而我家里老旧的网络用了大约0.56秒搜出了9,140, 000个结果。鉴于网上已然有了如此众多的探讨,显然,广大读者朋友们不禁要问:关于这个问题,还有什么新的东西是人们还没有讨论过的吗?我认为合理的答案是——不太可能了。关于绿色环保数据中心的话题可以说是老生常谈了,不包括可能的一些不合时宜的LEED体系认证的要求,而企业CXO级别的高管们对此感兴趣,也仅仅是因为这有助于增加了企业的银行帐户。不幸的是,在大多数情况下,数据中心现实操作过程中对于这些老生常谈的把握要比我们想象的要弱得多,而通常绿色环保措施的采用恰恰又和数据中心的效率具有非常正相关的关系,而绿色能源和资金成本之间则并不总是具有这样的正相关。在调查了当今关于数据中心所采取的绿色环保战略的传统想法之后,我建议数据中心管理人员们不妨采用一套新的策略。

追求环保高效的数据中心的5大策略

1、高度注重气流管理

数据中心走向绿色环保并同时保证实现节约的第一个策略基本上就是:注意对数据中心内部有一些控制的基本元素,或至少应该有一些控制。高度注重气流管理。通过优化的气流管理,您数据中心可以注重温度管理。通过有效的气流管理,可以在不增加服务器入口温度的情况下将供应温度提高15-20摄氏度,从而建立起了注重对冷却器和节能器实施良好管理的理由 ——最环保的冷却器是不运行的,第二环保的冷却器是能够在最高温度条件下工作的。此外,注重对气流的管理使得对于冷却风扇能耗的注重变得值得...也有助于盈利。这个策略的另一部分是注重功率的调节和分配。注意配电不会在绿色红利附近的任何位置交付,如同注意机械设备的元素一样,但三相电源和对在线双转换损失的限制到超出规格的电源将有助于绿色倡议。 最后,注意保持最高合理的服务器利用水平是一个众所周知的且经常被讨论的绿色环保策略。庆幸的是,“注重”战略中的所有这些要素都配备了可以让我们进行注意的相应系统,他们通常可以在几天、几周或几个月内就能够衡量其投资回报率,而无需几年的时间。

2、利用可再生能源

数据中心的第二项绿色环保战略是利用可再生能源。在过去几年里,尤其是谷歌、微软、苹果和亚马逊在风能领域都进行了大规模的投资,引起了媒体的广泛关注。这一战略将对数据中心业界的总的碳排放量产生巨大的影响。在一个极端的情况下,远太平洋西北地区的数据中心由水力供电,以该数据中心所在国内最低的每千瓦率提供,将基本上能够立即获得积极的投资回报,同时带来非常低的碳足迹。而在另一个极端情况下,我们可以为数据中心提供太阳能供电,可能有20年的回报,也大大扩展了数据中心的地理覆盖区。在这两种极端情况之间,广为人知的风能可能需要10-14年实现投资回报,而当风力涡轮机设备的预期使用寿命可能为15-20年时,这可能会让人感到困惑。相反,例如使用煤炭能源来为数据中心的运行供电,即使其PUE值只有1.10,也将带来更大的IT设备驱动的碳足迹。

3、余热的在利用

数据中心绿色环保的第三项战略是废热回收再利用。部署此策略可能不会直接影响数据中心的总体碳足迹,但仍然会产生绿色环保效应。无论该热空气的“客户”对象是与数据中心相关联的办公空间还是来自完全不同的商业邻居,在最终分析中,对热能的再利用都将减少对数据中心总的碳足迹的影响。然而,最终对于企业账面的影响可能会,也可能不会与内部成本避免相似,相比之下,任何收入都可以来自销售这些废热,并作为采用当地公用供电的一种替代。

4、节约用水

第四项战略是在数据中心的节水。虽然随着德克萨斯州和加利福尼亚州的数据中心所经历的严重干旱,使得水资源的保护已经开始引起更多行业的普遍关注,但我们通常并不认为水资源的利用是与碳足迹相关的绿色环保因素。然而,我记得几年前在硅谷领导小组(The Silicon Valley Leadership Group)的一次会议上,其中一位发言者曾表示说,加利福尼亚州最大的电能使用的是抽水。虽然垂直地形的挑战以及加利福尼亚州水源(雪地)和人口中心地带之间的距离可能对于该国许多其他地区的数据中心而言并不典型,但水资源的分配总归是属于能量成分的。更重要的是,即使这其中没有碳成分,该行业已经认识到水资源其实是有限的资源,并开发了一个相关的度量(WUE)标准,其真的应该成为任何关于绿色数据中心的讨论的一部分。因此,理想的绿色环境将是空气到空气的热交换器节能冷却技术或直接的空气侧节约技术,其中IT负载由可再生能源供电。在这种零用水策略不可行的情况下,替代策略可以是部署分散式封装废水处理系统,其可以从建筑物的废水中供应冷却塔。虽然现场站点的废水处理的投资回报率可能超出了典型的首选会计实践方案,但这通常会少于当前的太阳能和风能容量的回收期。否则,我关于数据中心水资源问题的建议就将会是不采取任何行动。例如,直接接触液体冷却解决方案通常要比水冷空气冷却消耗更少的水。 同样,根据定义,蒸发冷却似乎是一种特别耗水的利用技术,但如果是在冷冻温度下借助一个空气对空气的间接蒸发冷却,则该技术在有足够数量的冷干冷却时间的气候中,将使用比标准冷却塔更少的水资源。这给我们带来的提示便是:花时间比较不同条件下的不同技术。

5、保持小规模

绿色环保数据中心的第五项战略是与当前超大型数据中心规模趋势的经济价值主张背道而驰的:记住旧的机柜。实际上,保持数据中心的小规模有一套绿色环保的策略——“环保绿色和钱包绿色”。想象一处没有机械设备的数据中心。如果没有机械设备,那么,突然间,从办公室到大厅都变空了,此时,该办公空间成为了一个被重新定位为数据中心的候选。任何时候,你企业打算重新设计数据中心时,都将自动的是对地球环保友好的!然而,还有更多值得讨论的。通过直接接触的液体冷却解决方案,可以有效地采用90 的水冷却计算机设备,建筑内的冷却回路,一般将在50-60 的范围,这在数据中心空间用于冷却和散热是足够的。同样,如果我们用冷水CRAH单元对这个空间进行空气冷却,采用一个完全部署的容器系统,65°F的水就足够了,这也可以通过建筑内的冷却回路循环。除了这些基本的免费冷却和避免机械设备的资本费用外,还有增加绿色环保益处包括了减少建筑物占地面积并消除了附加建筑活动的碳足迹。此外,消除机械设备中的基础设施投资以及远程管理大多数数据中心功能的能力大大消除了数据中心的规模经济效益。最后,在一处100平方英尺的办公室,将配备六台风冷服务器机柜和10台液冷柜,从而支持从200kW到400kW的IT负载密度。许多企业可以轻松地适应这种负载边界。

结论

实现绿色环保的数据中心可以有许多不同的方式,在搜索引擎中,就已经给出了九百万条结果,我相信这些搜索结果中已经有比我所介绍的更为细化的方式。而为了简化这些方式,我将这些结果大致总结为本文中所介绍的五种基本的策略,其中大部分只是总结了历史和最近业界的趋势动态发展。这五大策略中,我认为第一点的“高度的重视”策略使所有其他的策略在某种程度上可能给我的读者们带来了一个稍老想法的新形式。而最后两种策略将为企业数据中心的绿色环保措施(环境责任和快速回报)提供简单的、可衡量的方式。


本文作者:佚名

来源:51CTO

相关文章
|
4月前
|
机器学习/深度学习 数据采集 监控
利用机器学习优化数据中心能效的策略
【5月更文挑战第25天】 在数据中心管理和运营领域,能效优化已成为一个关键议题。随着能源成本的不断上升和环境保护意识的增强,开发智能化策略以降低能耗和提高资源利用率显得尤为重要。本文探讨了如何应用机器学习技术对数据中心进行能效管理,包括数据预处理、特征选择、模型训练及实施过程。通过分析历史能耗数据,建立预测模型,并结合实时监控调整运行参数,我们能够实现数据中心的动态节能。文中将详细讨论所采取的方法、挑战以及潜在的改进方向。
|
4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能效的策略
【5月更文挑战第18天】 在本文中,我们探讨了数据中心能效的重要性,并提出了一种基于机器学习的优化策略。该策略通过实时监控和预测数据中心的能耗模式,动态调整资源分配,以达到降低能源消耗的目的。我们首先分析了数据中心能效的关键因素,然后介绍了机器学习模型的开发过程,包括数据收集、特征选择、模型训练和验证。最后,我们展示了该策略在一个实际数据中心的应用案例,结果表明,与传统的静态能源管理方法相比,我们的机器学习优化策略能够显著提高数据中心的能效。
|
4月前
|
机器学习/深度学习 算法 数据挖掘
利用机器学习优化数据中心能效的策略与实践
【5月更文挑战第13天】 在数据中心管理和运营的众多挑战中,能源效率优化是降低运营成本和减少环境影响的关键因素。本文旨在探讨如何应用机器学习技术来提高数据中心的能效,通过智能化的数据分析和资源管理达到节能的目的。与传统的摘要不同,本文将直接深入探讨所采用的技术手段、实施步骤以及预期效果,为读者提供一种新颖的视角。
55 4
|
1月前
|
机器学习/深度学习 人工智能 运维
提升数据中心效率的关键:智能运维策略与实践
【7月更文挑战第39天】 在数字化时代,数据中心作为企业信息系统的心脏,其运行效率直接关系到企业的业务连续性和竞争力。本文将探讨如何通过智能运维(AIOps)策略来优化数据中心的性能,降低运营成本,并提高服务质量。我们将分析当前数据中心面临的挑战,介绍智能运维的基本概念,以及实施智能运维时需要考虑的关键因素。最后,本文将提供一系列实用的智能运维实践案例,帮助读者理解如何将这些策略应用于实际工作中。
|
4月前
|
机器学习/深度学习 存储 监控
利用机器学习优化数据中心能效的策略
【5月更文挑战第29天】 在信息技术迅猛发展的今天,数据中心作为信息处理和存储的核心设施,其能源消耗已成为关注焦点。传统的数据中心管理方法难以应对复杂多变的能耗问题,而机器学习提供了一种高效的解决方案。本文通过分析数据中心能耗特点,提出了一套基于机器学习的数据中心能效优化策略。通过构建预测模型,动态调整资源分配,实现能耗与性能之间的最优平衡。实验证明,该策略能有效降低能耗,提升数据中心的运行效率。
|
4月前
|
机器学习/深度学习 存储 算法
利用机器学习优化数据中心能效的策略
【5月更文挑战第31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,其能源效率问题日益凸显。传统的能效管理方法已无法满足当前复杂多变的需求。本文提出了一种基于机器学习技术的数据中心能效优化策略,通过智能算法实时监控和调整数据中心的运行状态,以达到降低能耗、提高资源利用率的目的。该策略不仅考虑了服务器负载和冷却系统的效率,还兼顾了可再生能源的使用情况,为绿色计算提供了新的视角。
|
4月前
|
机器学习/深度学习 存储 运维
利用机器学习优化数据中心能效的策略
【5月更文挑战第30天】在信息技术不断进步的今天,数据中心作为核心基础设施之一,其能效管理已成为技术创新和成本控制的焦点。本文通过分析当前数据中心能耗问题,提出了一种基于机器学习的优化策略,旨在实现数据中心能源使用的最大化效率和最小化开销。我们采用预测算法对工作负载进行实时分析,动态调整资源分配,并通过仿真实验验证了该方法的有效性。结果表明,应用机器学习技术可以显著降低数据中心的能耗,同时保持服务质量。
|
4月前
|
机器学习/深度学习 数据中心 决策智能
利用机器学习优化数据中心能效的策略
【5月更文挑战第20天】在本文中,我们将深入探讨如何应用机器学习技术来优化数据中心的能效。通过分析现有的数据中心能源管理问题,并结合实际案例,我们将展示机器学习如何帮助实现智能化的能源管理,提高数据中心的运行效率。我们将重点讨论几种主要的机器学习方法,包括监督学习、无监督学习和强化学习,并解释它们如何应用于数据中心的能源管理。最后,我们将提出一些未来的研究方向和挑战。
|
4月前
|
存储 监控 固态存储
探索现代数据中心的能效优化策略
【5月更文挑战第4天】 在数字化转型的浪潮下,数据中心作为信息技术的心脏,其能耗问题日益凸显。本文聚焦于现代数据中心能效优化的多维策略,从硬件选型、冷却系统设计到能源管理,深入探讨了如何通过综合手段实现绿色节能。文章首先分析了数据中心能耗的主要来源,随后提出了一系列创新且实用的优化措施,并通过案例分析展示了这些策略的实际效果。最后,本文对数据中心未来的能效发展趋势进行了展望,旨在为数据中心的可持续发展提供思路与参考。
|
4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能效的策略
【5月更文挑战第31天】 在数据中心管理和运营的众多挑战中,能效优化是减少运营成本和环境影响的关键要素。随着机器学习技术的不断进步,本文探讨了如何应用机器学习算法来监测和调控数据中心的能源使用效率。通过分析历史能耗数据、服务器负载以及环境变量,机器学习模型能够预测数据中心的能耗模式并实施节能措施。文中介绍了几种主要的机器学习方法,并讨论了它们在实际场景中的应用效果。