现代数据中心对UPS系统的要求

简介:

当前,信息与通信技术深刻改变着人类生产与生活的方式。以移动宽带、云计算、大数据、物联网为显著特征的ICT技术,正在重塑世界,成为引领人类社会下一轮可持续发展的新浪潮。今天的ICT技术,已经由过去以提高效率为特征的支撑系统,转变为驱动价值创造的生产系统。

数据中心是信息社会的关键基础设施,是ICT技术的核心载体。ICT技术发展带来的个人信息消费的增加与企业及各种机构的信息化建设与改造催生了巨量的数据中心建设需求。据ICT research预测,2012年至2020年间,中国数据中心的数量将从4万个增至8万个,从1000万m2增长至3000万m2。建设数据中心是一个复杂的系统工程,涉及建筑、制冷、供电等多个专业及不同的施工单位,建设周期长,投资巨大(仅基础设施部分即达到每平方米3-5万元)。但其作用非常关键,关系着未来十年企业信息系统的可靠运行。因此规划建设一个合理、经济、回报率高的数据中心非常重要。基础设施是整个数据中心的基础,而供电系统则是基础设施中最关键系统之一。笔者将从数据中心需求的角度分享自己关于供电系统建设与UPS电源选型的一些体会。

  1. 易扩容性

数据中心的生命周期一般在十年左右,包括供电在内的各子系统容量在全生命周期内如何灵活弹性地匹配业务需求是数据中心建设中的重要难题。事实上,随着企业全流程与全业务向信息化平台迁移及数据爆炸带来大量数据存储与分析需求,数据中心的规模增长往往超出预期。传统数据中心因为架构问题难以实现按需扩容,而一次性建设一个严重超出初期需求的数据中心,将导致投资激增,各系统运行在低负载低效率状态,造成资源浪费与高运营成本。这种困境对数据中心系统实现在全层面、全颗粒度地根据业务需求弹性扩展提出了必然要求。

传统UPS是一个典型的无法按需扩容的系统。对于传统UPS 系统如果规划容量过小,无法满足业务增长时,需要进行扩容。但UPS系统扩容有较大的风险。扩容可能涉及上下游布线结构的更改,为了避免影响业务一般在闲时施工,扩容周期长;而复杂的施工过程使其对人员技能的依赖非常明显,增大误操作等带来的断电风险。为了规避这些问题,在传统大型数据中心建设中,一般会结合当前的业务需求与未来3-5年的业务发展综合考虑规划供电系统。这种方式又导致了另一种极端的出现,即系统刚投入运行初期UPS负载率非常低,甚至低于10%,导致巨大的能源浪费和资源浪费。因此能够弹性适配业务需求、按需部署、无扩容风险的的UPS供电解决方案势在必行。

  1. 可用性

业务连续是数据中心的最基本最关键诉求之一。可用性是衡量业务处于可用状态即保障业务连续的基本指标,也是数据中心建设中一直关注的因素。可用性不同于可靠性,是一个综合可靠性与可维护性的概念,可更全面反应数据中心的真实需求。关于数据中心建设的重要标准TIA-942《数据中心电信基础设施标准》、《电子信息系统机房设计规范》GB50174-2008及Uptime Institute的白皮书均对数据中心的可用性做出了明确规定。传统数据中心IT系统一般通过使用高度稳定可靠的大型机及“两地三中心”架构确保IT系统的可用性, 基础设施则采用N+X冗余、2N甚至2( N+1)冗余的方式提升可用性,以确保单设备或单路故障不影响业务运行。

云计算技术的出现使IT设施的可用性有了极大的改善。当前基于X86等通用服务器的云计算数据中心中,虚拟化使存储、服务器等IT物理设施资源池化,业务在虚拟机上运行,而不再与某个具体设备绑定(烟囱式架构)。这样做带来两个优势,一是容错性明显改善,单个物理硬件的故障之后,业务可以迁移至其他虚拟机运行,不会因单个硬件故障导致业务中断,二是使IT硬件更易标准化、廉价化,IT硬件故障之后只需更换故障硬件即可,使IT硬件维护难度及其对维护人员的技能需求大幅降低,维护效率有效改善,降低运维成本。

与之形成反差的是,供电系统的核心UPS系统尤其是传统UPS系统,一旦出现故障必须由厂家专业人员进行维护,维护周期长,费用高。在维护期间,系统处于无冗余的状态,一旦再出故障,业务则会因无供电而中断。为了能更好地匹配现代数据中心的可用度需求,保障客户数据零中断,UPS系统必须在保障可靠性的同时,提高易维护性,以改善UPS系统的可用性。

相关文章
|
1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冷却系统
【2月更文挑战第23天】 在数据中心的运营成本中,冷却系统占据了一大块。传统的冷却管理通常依赖于简单的规则或手动调整,无法适应复杂多变的热负荷和环境条件。本文提出了一种基于机器学习的方法来动态优化数据中心的冷却系统。我们设计了一个预测模型来估计未来的热负荷,并结合实时数据,通过优化算法调整冷却设备的工作状态,以降低能源消耗并保持适宜的运行温度。实验结果表明,该方法能够有效减少能耗,同时保证数据中心的冷却效率。
16 0
|
1月前
|
机器学习/深度学习 传感器 算法
利用机器学习优化数据中心冷却系统
【2月更文挑战第15天】 在数据中心运营效率的众多挑战中,冷却系统的优化是一个关键因素。本文将探讨如何应用机器学习技术来改善数据中心的冷却性能,减少能源消耗,并提高整体的可持续性。通过分析历史温度数据、服务器负载以及环境参数,构建预测模型来动态调整冷却需求,实现智能化管理。本研究展示了一种创新方法,不仅提升了数据中心运行效率,也为其他工业冷却系统提供了可借鉴的解决方案。
16 1
|
1月前
|
机器学习/深度学习 传感器 算法
利用机器学习优化数据中心冷却系统
【2月更文挑战第29天】 在本文中,我们探讨了如何应用机器学习技术来改善数据中心的能源效率,特别是针对冷却系统的优化。传统的数据中心冷却方法常常采用静态的、预设的策略,忽视了环境变化和负载波动的影响。通过集成机器学习模型,我们能够实时分析数据中心的操作状况,并动态调整冷却策略,以实现节能和性能的双重提升。文中详细介绍了所采用的算法框架、实验设置以及与传统方法的性能比较。
|
1月前
|
机器学习/深度学习 算法 数据中心
利用机器学习优化数据中心冷却系统
【2月更文挑战第17天】 在数据中心运营成本中,冷却系统占据了显著比例。本文通过探索机器学习技术在数据中心冷却系统中的应用,旨在提高能效并降低运营成本。首先介绍了数据中心冷却系统的基本原理和关键性能指标,随后详细阐述了如何通过监督学习和强化学习算法来预测冷却需求并实时调整冷却策略。文章通过案例分析验证了所提方法的有效性,并讨论了实施过程中面临的挑战与未来发展方向。
|
11月前
|
关系型数据库 Linux 网络安全
开源IDC数据中心资产管理系统RackTables部署篇(一)
开源IDC数据中心资产管理系统RackTables部署篇(一)
644 0
|
11月前
|
调度 数据中心
UPS智能在线模式:数据中心的一场节电革命
UPS智能在线模式:数据中心的一场节电革命
|
物联网 5G 数据中心
5G网络数据中心系统需要什么光模块?
前些时间也给大家分享了【5G超新时代,点燃了25G和100G光模块市场】这篇文章,感兴趣的朋友可以看看!接下来跟易天光通信一起看看5G网络的特点和25G/100G光模块发展趋势。 5G网络的特点有哪些? 5G移动网提供增强型移动宽带(eMBB)、超可靠低时延通信(uRLLC)、大 规 模 机 器 类 通信(mMTC)三大类业务,不同业务性能差异较大:eMBB 业务面向传统移动通信,带宽大;uRLLC 业务面向工业自动化等实时性控制类应用,时延低、可靠性高;mMTC 面向物联网应用,连接多、流量小。
1327 0
|
测试技术 数据中心
储能型数据中心对UPS电池的发展要求
UPS电池是数据中心系统中最必不可少的部分,作为数据中心业务不间断运行的基础设施,面临着严峻的挑战,,一旦出现故障将导致巨大的损失。
1861 0