独家评测施耐德电气智能微型数据中心:产品与智能化管理的最佳实践

简介:

日前,全球能效管理与自动化领域数字化转型的领导者施耐德电气在2017云英汇俱乐部合作伙伴大会上宣布推出智能微型数据中心解决方案(Intelligent Micro Data Center)。该解决方案采用一体化集成设计理念,由制冷、电源、配电、机柜及气流管理、环境监控和数据中心运维服务管理平台等多个子系统构成,这是施耐德电气基于模块化数据中心,结合本地人工智能控制器及远程云端数字化运维服务构建的面向边缘计算的全新智能解决方案。

物联网驱动的数字化时代,海量数据爆炸性增长并传至云端。为解决公有云网络宽带及延迟等问题,越来越多的企业IT正逐渐采用企业内外部公有云、私有云以及企业云并存的混合云架构,计算生态系统呈现前所未有的分散化和混合化趋势,施耐德电气认为集中化的云数据中心将辅以更加多样化的边缘计算设施组合,越来越多的计算能力被分散到网络边缘。在此背景下,如何发力边缘计算,并兼顾云端和本地数据中心的专业化管理,业已成为企业管理者面临的巨大挑战。

针对边缘计算的强劲发展需求,施耐德电气创新推出的智能微型数据中心解决方案,以更加简单的选型、操作和保有,使IT部署和管理更加省心,从而满足客户在互联互通时代不断增长的数据处理需求。

2017年10月11~12日,由何春华、王其英和曲学基组成的专家组在施耐德(上海)研发中心对智能微型数据中心进行了测评。

1 测评机柜的选择

施耐德电气 IMDC 家族针对不同应用需求提供机柜级(IMDC One)、行级(IMDC Row)、模块级(IMDC POD)等不同型号的机柜(见图1)。IMDC One是基本型机柜,IMDC Row和IMDC POD均是由以IMDC One为基本构件加其它设备所构成。由此,选择机柜级(IMDC One)作为测评机柜。

图1 施耐德电气 IMDC 家族

机柜级(IMDC One)有两种配置:IMDC One IO-24UA和IMDC One IOC-42UAL。根据两种配置的性能,选择IMDC One IOC-42UAL作为测评机柜。表1为机柜级(IMDC One)的性能。

表1 机柜级(IMDC One)的性能

配置

IMDCOne

IO-24UA

IMDCOne

IOC-42UAL

尺寸

(W*D*H) 除去包装

(600mmW*800mmD

* 1200mmH)

(600mmW*1200mmD

* 2000mmH)

UPS容量

3kVA

6kVA

电源输出

1套 机柜自带基本型 RPDU

8 口国标插座

1套 机柜自带智能型

RPDU

20口(10A)+4(16A) 国标插座

10 英寸多点触屏

/

冷却装置

自然冷却

3.5kW 机柜冷却

监测内容

温度湿度检测、烟雾探测器、监控电力、UPS、门磁等

温度湿度检测、烟雾探测器、水浸、监控电力、UPS、门磁等

2 测评项目和结果

(1) 机柜的结构(见图2)

图2 IMDC One IOC-42UAL的机柜结构

玻璃前门改变传统的黑色机柜结构,结构新颖、大方美观。

(2) 实测尺寸

600mm(W)x1200mm(D)x2000mm(H),符合19寸标准机柜尺寸。

(3) UPS测试

① 负载率30%、60%时,测量输出电压、输出电流和频率,记录

人机交互(图3)显示了UPS负载率在31%(近似30%)和59%(近似60%)的输出电压、输出电流和频率。

图3 UPS负载率在31%(近似30%)和59%(近似60%)的输出电压、输出电流和频率

从图3中可以看出,在UPS负载率为31%时,输出电压为219.5V(输入电压为218.9V)、输出电流为6.7A、输出频率为50.0Hz(输入频率为49.9Hz);在UPS负载率为59%时,输出电压为219.5V(输入电压为218.0V)、输出电流为6.7A、输出频率为50.0Hz(输入频率为49.9Hz);由此可以说明UPS输出特性不仅满足指标要求,并相对于输入特性有所改善。

② UPS的效率(见图4)

*公式中UPS电流输入值与下图中“输入电流”值有异的原因为:PDU的有功功率实际是IT负载,UPS的输出功率包含IT负载和配电箱内部辅助电源的功率(实际很小);此外,主路输入的有功功率实际包含UPS的输入功率和空调的输入功率。实测UPS的输入电流为14.19A。

③ UPS的输入功率因数和负载功率因数(见图4)

图4 UPS的输入和输出特性

从图4中可以看出,主回路(UPS)的输入功率因数为0.99,在PDU端测得的负载功率因数为1。

④ PUE值的测试(见图5)

图5 PUE值的测试

由图5可以看出,在UPS的负载率为77.00%时,测得PUE值为1.15。图中同时表明,在测试过程中前门被打开、温度上升到42℃,界面显示前门被打开和温度过高的报警。

⑤ 状态切换的测试

测试过程中,UPS加载到100%,此后中断UPS输出,系统自动切换到旁路工作状态,由市电供电,系统加载工作正常;

系统恢复到UPS负载率为100%的工作状态,当市电中断时,系统自动切换到蓄电池供电状态。

测试结果验证了状态切换正常。

(4) 空调制冷测试

① 监测空调开、关机(见图6)

(a) (b) (c)

图6 空调开关机的界面图

如图6(a)所示,系统运行状态为运行,设定温度为24℃,此时空调检测到的送风温度和回风温度均为24.5℃,此状态为系统的原始状态,制冷状态为停止,压缩机停止即空调不工作,只有内风机(电扇)工作;当系统工作产生的热量使送风温度升高达到27℃,超过设定温度2.5度后,空调自动开机,制冷状态为运行,如图6(b)所示,此时空调和风扇共同使机柜内的温度下降;当温度下降到低于设定温度2.5度后,空调自动关机,只有电扇工作,如图6(c)。由此验证空调自动开关机功能正常。

② 漏水的检测和报警

漏水监测装置位于机柜后面下部(见7),在漏水检测线附近滴下少量水,漏水报警。

验证漏水的检测和报警正常。

图7 漏水监测装置

(5)数字化运维服务平台和施耐德中国云在线的演示

① 网页端

将数据汇集至云端,进行更加专业复杂的分析和解读,从而对IT资产和环境做出更加理性全面的分析,实现数据价值最大化。图8为施耐德电气中国云在线网页端显示实例,图8(a)为网页列表,图8(b)为运维参数,图8(c)为报警信息。

(a)网关列表

(b)运维参数

(c)报警信息

图8云在线网页端显示

这是最基本的方法,但也往往是报警信息最详尽的模式。通过在监控电脑屏幕上显示醒目的图案和文字来告知用户。报警文字是关键的信息,一般至少需要明确指出每次报警的几个关键参数:报警时间、报警设备、故障内容、优先级、紧急解决办法等。其中紧急解决办法是一个很有必要的功能,因为机房内的辅助设备种类多,最基本的紧急解决办法就由专业人员尽速响应和处理,因为报警涉及配电、UPS电源、空调、消防等多个系统,现场值班人员并不能对每种设备都精通,因此能在第一时间给出紧急处理办法是非常必要的,甚至一个故障设备厂家的维护电话号码都能解决大问题。这种报警方式需要现场有值班人员,根据屏幕显示的内容进行故障处理。

②手机端

图9演示了将系统运行状态汇集到云端,发送到手机的场景。

图9 将系统运行状态汇集到云端,发送到手机的场景

(6)人机交互界面的演示

通过本地人工智能控制器对从物理基础设施采集的信息进行分类和收集,并通过多点触控屏实现监控、事件报警,进行就近运算和简单分析。在测评过程中已对人机交互界面做了验证。图10为采集的信息进行分类和收集。

图10 采集的信息进行分类和收集

3评语

①机柜结构设计新颖时尚,玻璃前门美观大方,搭配防撞钢纹,匹配现代机房风格,业界首创;

②一体化设计理念,整机基本工厂预制,在基础配置上可提供多种升级选项,后期通过并柜实现快速扩容,简便省心;

③选型简单、操作方便,提供接入工业云端数字化运维平台及服务,Web端及App端还可提供基础设施远程诊断及故障预警及工单管理,确保设备故障尽快处理。通过本地人工智能控制器对从物理基础设施采集的信息进行分类和收集,并通过多点触控屏实现监控、事件报警,进行就近运算和简单分析,以减少等待时间和网络宽带成本。此外,还可将数据汇集至云端,进行更加专业复杂的分析和解读,从而对IT资产和环境做出更加理性全面的分析,实现数据价值最大化;

④施耐德电气智能微型数据中心解决方案可广泛适用于医疗、金融、零售、教育、政府、公共安全以及传媒等行业。





本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。
目录
相关文章
|
17天前
|
机器学习/深度学习 人工智能 运维
智能化运维在现代数据中心的应用与挑战####
本文深入探讨了智能化运维(AIOps)技术在现代数据中心管理中的实际应用,分析了其带来的效率提升、成本节约及潜在风险。通过具体案例,阐述了智能监控、自动化故障排查、容量规划等关键功能如何助力企业实现高效稳定的IT环境。同时,文章也指出了实施过程中面临的数据隐私、技术整合及人才短缺等挑战,并提出了相应的解决策略。 --- ####
36 1
|
22天前
|
机器学习/深度学习 数据采集 人工智能
智能化运维在现代数据中心的应用与挑战####
本文深入探讨了智能化运维(AIOps)技术如何革新现代数据中心的运维管理,通过集成人工智能、大数据分析及自动化工具,显著提升系统稳定性、效率和响应速度。文章首先概述了AIOps的核心概念与技术框架,随后详细分析了其在故障预测、异常检测、容量规划及事件响应等方面的应用实例,最后探讨了实施过程中面临的数据质量、技能匹配及安全性等挑战,并提出了相应的应对策略。本研究旨在为数据中心管理者提供关于采纳和优化AIOps实践的洞见,以期推动行业向更高效、智能的运维模式转型。 ####
|
1月前
|
人工智能 运维 监控
智能运维在现代数据中心的应用与挑战
随着云计算和大数据技术的迅猛发展,现代数据中心的运维管理面临着前所未有的挑战。本文探讨了智能运维技术在数据中心中的应用,包括自动化监控、故障预测与诊断、资源优化等方面,并分析了当前面临的主要挑战,如数据安全、系统集成复杂性等。通过实际案例分析,展示了智能运维如何帮助数据中心提高效率、降低成本,并提出了未来发展趋势和建议。
|
1月前
|
运维 监控 中间件
数据中心运维监控系统产品价值与优势
华汇数据运维监控系统面向IT基础架构及IT支撑平台的监控和运维管理,包含监测、分析、展现和告警。监控范围涵盖了网络设备、主机系统、数据库、中间件和应用软件等。
59 4
|
4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。
|
6月前
|
机器学习/深度学习 运维 数据挖掘
智能化运维:利用机器学习优化数据中心
【6月更文挑战第28天】本文将探讨如何通过机器学习技术来优化数据中心的运维工作。我们将首先介绍机器学习的基本原理,然后详细讨论其在数据中心运维中的应用,包括故障预测、性能优化和自动化运维等。最后,我们将通过一个实际案例来展示机器学习在数据中心运维中的实际效果。
|
6月前
|
机器学习/深度学习 存储 人工智能
智能化运维:未来数据中心的守护者
【6月更文挑战第13天】随着技术的飞速发展,传统的运维模式已难以满足现代数据中心的需求。本文将探讨智能化运维的概念、优势以及如何通过AI和机器学习技术提升数据中心的管理效率和安全性。
|
6月前
|
机器学习/深度学习 运维 监控
智能化运维:未来数据中心的守护者
【6月更文挑战第11天】在数字化浪潮不断推进的今天,数据中心作为企业信息架构的核心,其稳定性和高效性对企业运营至关重要。本文将探讨智能化运维如何通过先进的技术手段,实现对数据中心的实时监控、自动化管理与故障预防,从而确保企业IT基础设施的高可用性和性能优化。
|
6月前
|
机器学习/深度学习 运维 监控
智能化运维:未来数据中心的守护神
【6月更文挑战第11天】随着技术的不断进步,智能化运维正在成为数据中心不可或缺的力量。本文将探讨智能化运维的重要性、实现方式以及它如何改变数据中心的运作模式。
|
4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。