UI数据中心等级分类

简介:   国际正常运行时间协会(The uptime institute,简称UI)将数据中心分为四个等级。   第一级数据中心:基础级   对于第一级数据中心,计划内和非计划性的活动都会很容易引起中断。

  国际正常运行时间协会(The uptime institute,简称UI)将数据中心分为四个等级。

  第一级数据中心:基础级

  对于第一级数据中心,计划内和非计划性的活动都会很容易引起中断。它有计算机电力配送和制冷,但是或许有(也许没有)架空地板、UPS或者发电机。即使有UPS或者发电机,也是单模块系统,具有多处单点故障。为了进行预防性的维护和维修,设施需完全地手动关闭。一般情况下,基础设施每年需要完全关闭一次,以进行预防性维护工作。在紧急情况下,也许需要更频繁的关机。对各部件的操作错误或自然故障将导致整个数据中心运行中断。第一级数据中心的可用性为99.671%。

  第二级数据中心:具冗余部件级

  第二级数据中心具有一些冗余的部件,由于计划内和非计划性的活动引起数据中心中断的可能性小于第一级数据中心。第二级数据中心配备架空地板,UPS和发电机。但UPS和发电机的设计容量是N+1,且为单回路设计,因此有单点中断可能。对关键电路和其他基础设施进行维护需要程序式的关闭设备。第二级数据中心的可用性为99.741%。

  第三级数据中心:可并行维护级

  第三级数据中心可以在不引起计算机硬件运行中断的情况下,进行所有计划性的现场活动。计划性的活动包括:保护性的和程序式的维护、维修和元件替换,增加或者减少与处理能力相关的部件,对部件和系统进行测试,以及更多的活动。对于使用水冷的大型系统,这意味着是两个独立的通路。必须有充足的处理能力和配电通路,允许在一条通路承担负载工作的同时,另外一条通路进行维护和测试。非计划的活动,例如,操作错误或者设施部件自然故障还是会引起数据中心的中断。在客户的业务需求允许增加成本进行更高级保护时,第三级数据中心通常可以升级到第四级数据中心。第三级数据中心的可用性为99.982%。

  第四级数据中心:容错级

  第四级数据中心基础设施的性能和能力可以保证任何计划性活动不会引起关键负载的中断。容错能力也为基础设施提供能忍受至少一次的最糟糕的情况:非计划性故障或非关键性负载事件的冲击能力。这需要同时活动的两条配送途径,通常是双系统(S+S)的配置。从电力角度,需要两个独立的(N+1)UPS系统。根据消防和供电安全规范的要求,还会有由于火灾报警或启动了紧急停电程序而导致的停机事件的发生。第四级数据中心需要所有的计算机硬件有双电源输入。第四级数据中心的可用性为99.995%。

目录
相关文章
|
6月前
|
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。
|
3月前
|
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。
|
6月前
|
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。
|
6月前
|
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。
|
6月前
|
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。
|
6月前
|
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。
|
5月前
|
移动开发 监控 前端开发
基于 HTML5 WebGL 和 VR 技术的 3D 机房数据中心可视化
基于 HTML5 WebGL 和 VR 技术的 3D 机房数据中心可视化
|
6月前
|
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。