应对数据中心的能源效率挑战

简介:

鉴于刚刚过去的十月份被数据中心业界宣传推广为节能宣传月(Energy Awareness Month),同时世界能源日(World Energy Day)也于10月22日正式举行,能源效率问题再一次成为了许多数据中心管理人员所备受关注的话题。虽然对于跨诸多行业的专业人士来说,能源效率都是一个相当重要的考虑因素,但对其真正引起高度重视的还当属数据中心市场——尤其是云计算供应商、托管服务公司和其他IT服务提供商,他们正在快速开放多租户数据中心(简称MTDC) .

正是由于上述这些企业组织所面临的激烈的竞争压力,迫使大型企业数据中心,配套设施和MTDC们必须保持极高的能源效率。在本文中,我们将为广大读者诸君概述这些类型设施所面临的一些独特的能源方面的挑战,然后还将为大家介绍最新的不间断电源系统(UPS),空气密封保持解决方案和节能器如何帮助降低于电力消耗相关的运营费用,同时还不削弱可靠性和灵活敏捷性。

1711483587559.jpg

MTDCs常见的能源效率挑战

为了满足严峻的能效要求,MTDC以可能产生一些显著性的挑战的方式保持着其运行,这些方式包括:

极端的操作温度。大多数MTDC供应商所支持的客户均广泛采用了虚拟化和刀片服务器。虽然这两种技术都极大地提高了数据中心的计算密度,但它们也在较小的空间内产生了巨大的热量。分散这些热量可能是相当困难且成本代价昂贵的任务,其需要通过借助高密度和耐高温的基于机架的配电单元(PDU)。

冷却效率低。托管在老建筑中的MTDC通常依赖于所谓的“混乱的”空气分配方法来将操作空间的温度保持在可接受的限度范围内。在这样的冷却方案中,在服务器机房周围的计算机机房空调(CRAC)单元泵出大量的冷空气,冷却IT设备并帮助同时将热服务器所排出的热废气朝向设施的返回管道推动。然而,通过允许热空气和冷空气的混合和再循环,混乱的空气分配策略也降低了冷却效率,并提高了电费成本。

低UPS负载。为了保持可靠性,许多MTDC采用冗余UPS或2N架构,其中多个单元在部分负载下操作运营,因此如果一台设备发生故障或需要维护,则其他设备可以快速补偿。尽管这种部署有助于防止停机中断,但是其同时也降低了能量效率,因为轻负载的UPS浪费了更多的功率,并且会比完全负载产生更多的热量。

最大限度地提高能源效率的最佳实践方案

MTDC运营商们有多种选择来应对这些和其他方面的效率挑战。新一代复杂的UPS可以帮助他们提高效率,而不会影响可靠性。这种设备有两种基本类型:

可变容量模块化UPS.许多双变换UPS现在包含多个电源模块。最先进的类型还允许数据中心可变地加载这些模块。因此,不是将负载均匀分布在所有低层模块上,而是可以让企业组织完全加载一个或多个模块,并使其他不需要的模块处于待机状态。如果硬件发生故障或其他问题导致负载要求突然跳跃,则UPS可以自动并立即激活备用模块。最终结果是实现了在正常条件下的更高的效率,更好的机械可靠性,而当发生问题时又能够保持连续的正常运行。

多模式UPS.可变的、模块化UPS仅在双转换模式下工作,而多模式UPS提供两种工作模式。在正常操作中,UPS以高效节能模式运行,但如果电源条件超出预定容差,它们会自动立即切换到双转换模式。当电源质量恢复到可接受的水平时,UPS自动切换回节能模式。

虽然今天的双变换UPS的效率通常超过94%,但多模式的效率则能够高达99%,即使在更轻的负载下也是如此。因此,他们为MTDC客户提供了低运营成本和高可靠性的最终组合。一些多模式UPS还具有内置谐波抑制能力。谐波是数据中心的电压或电流波形中的失真,通常来自非线性负载,如服务器、变频驱动器和荧光灯。如果得不到妥善的解决,谐波可能降低能量效率和可靠性,被可能会缩短成本昂贵的电气设备的使用寿命。

在过去,关注谐波的数据中心运营商们不得不将宝贵的场地地板空间用于专门的减灾技术。但在今天,他们可以选择使用配备谐波降低技术的多模式UPS.具有此功能的旧器件设备只能在双转换模式下减少谐波,但更新的最先进的UPS模型可以减少谐波,在节能模式下执行功率因数校正和平衡负载。

使用节约装置

虽然大多数数据中心将继续依赖CRAC,但CRAC的确占用了数据中心宝贵的占地面积,同时维护成本高,并且是能源消耗的大头。因此,MTDC业主们越来越多地部署更小的CRAC,将其迁入机架行或完全消除它们,或仅将其用作更节能的冷却技术(例如节能器)的备份。

有两种基本类型的节能器:

水方面的节能器:充分利用寒冷的室外温度来冷却在冷却系统的封闭冷却回路中的液体。

空气方面的节能器:将服务器所排出的热废气泵出数据中心,并借助来自户外的空气实现自然冷却。根据许多专家的研究显示,尽管这类节能器在北纬的寒冷地区的采用时最有效,但是空气方面的节能器在一天中的至少一部分时间段的确是实用的选择,即使是在温和或温暖的气候条件下。

MTDC使用哪种节能器取决于诸多变量因素,例如其所处的地理位置位于何处以及是否使用液体冷却,但几乎每家MTDC都将受益于节约器所提供的“免费冷却”。

一套综合全面的冷却解决方案

通过部署一套策略来组织,管理和保护IT设备,MTDC运营商们可以显着降低其冷却成本。对于更加强化的解决方案,在密封结构中组织封闭式服务器机柜的密封解决方案,可捕获热废气,并将其排放到CRAC或其他冷却系统,然后将冷却空气直接输送到服务器设备的进气口。运营商们还可以使用集成的电源管理软件来管理具有智能PDU和UPS系统的虚拟环境,从而提高效率。

以这种方式组织和控制空气流显着提高了冷却效率。例如,为了补偿再循环排气的影响,热通道/冷通道密封方案必须经常将回风冷却至55°F(12.78℃)。然而,基于密封遏制的冷却系统完全隔离回风,因此它们可以在更暖的65°F(18.34°C)条件下安全地输送供应空气,可以显着降低与冷却相关的能源消耗。

作为其所带来的一个额外的好处,空气密封遏制解决方案通过保护服务器免受由排出的热废气引起的热关机,从而提高了可靠性。它们还通过赋予设施操作人员更大的自由度,来以最适合其需要的任何方式定位服务器机架,而不是在热通道/冷通道配置需要的刚性对齐,均匀布置的行中提高了灵活性。

将所有这些有效措施结合在一起

那些将能效问题视为优先考虑要素的运营商们可以获得许多好处。 通过使用更高效的UPS、空气密封解决方案和节能器可以帮助MTDC业主们减少功率浪费并缓解冷却负载,同时提高可靠性和灵活性。 我们期待借助“节能宣传月”的推广,能够帮助MTDC运营商们了解如何利用这些优势来帮助企业实现长期的业务成功和增长机会。



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
|
1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的能源效率
【2月更文挑战第27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。随着人工智能技术的进步,特别是机器学习(ML)算法的发展,出现了新的机会来优化数据中心的能源消耗。本文探讨了如何通过应用机器学习模型对数据中心的能源使用进行实时监控和预测,进而实施节能策略。文中详细分析了不同类型的机器学习算法,并提出了一套基于预测分析的动态能源管理框架。通过仿真实验验证了所提出方法的有效性,结果表明,与传统管理手段相比,该框架能够显著提高数据中心的能源效率,降低运营成本。
37 3
|
1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的能源效率
【2月更文挑战第27天】 在数据中心管理和运营的众多挑战中,能源效率优化是一项持续的关键课题。随着人工智能技术的不断进步,特别是机器学习(ML)方法的应用,为精确预测和动态调整数据中心的能源消耗提供了新的可能性。本文将探讨如何通过机器学习模型来分析历史能耗数据,实现对冷却系统、服务器利用率和其他关键因素的智能调控,从而达到降低整体能耗的目的。我们还将讨论这些技术实施过程中可能遇到的挑战以及潜在的解决方案。
|
1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的能源效率
【2月更文挑战第19天】 在本文中,我们将探讨如何通过应用机器学习技术来优化数据中心的能源效率。随着云计算和大数据的迅猛发展,数据中心作为其基础设施的核心,其能源消耗问题日益凸显。传统的能源管理方法已难以应对持续增长的能耗挑战。因此,我们提出了一种基于机器学习的方法,能够实时监控并调整数据中心的运行状态,以达到节能减排的目的。该方法包括数据收集、特征工程、模型训练及部署等步骤,并在真实环境中进行了测试验证。实验结果表明,采用机器学习优化策略后,数据中心的PUE(Power Usage Effectiveness)得到显著改善,能源利用效率提升。
|
1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的能源效率
【2月更文挑战第16天】 在本文中,我们探讨了如何应用机器学习技术来优化数据中心的能源效率。数据中心作为现代信息技术的基础设施,其能源消耗一直是业界关注的焦点。通过机器学习算法,我们可以实现智能调度和资源管理,从而减少能源浪费,提升整体运行效率。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在此领域的应用方法,包括预测模型建立、智能控制系统设计以及自适应算法的开发。最后,文章通过案例分析展示了机器学习在提升数据中心能源效率方面的实际成效,并讨论了未来可能的发展方向。
|
10月前
|
人工智能 运维 监控
数据中心能源未来之路:一切过往,皆为序章
数据中心能源未来之路:一切过往,皆为序章
|
Web App开发 人工智能 安全
云栖科技评论第21期:Facebook绿色数据中心提供空前的能源使用效率
本周热点科技事件,是阿里云“ET”采用分布式爬虫收集全球海量互联网信息,利用文本挖掘和语义分析解析新闻关键词,使用深度神经网络将新闻分类,汇总而选择最新鲜的科技信息。 编辑制作:人民网研究院 内容提供:阿里云研究中心
929 0