阿里云率先达成国家绿色数据中心标准,平均PUE低于1.3

简介: 近日,工业和信息化部、国家机关事务管理局、国家能源局三部门联合印发了《关于加强绿色数据中心建设的指导意见》,提出到2022年全国新建大型、超大型数据中心PUE需达到1.4以下。记者了解到,阿里巴巴所有自研数据中心平均PUE已经低于1.3,是国内首个达成该目标的公司。

近日,工业和信息化部、国家机关事务管理局、国家能源局三部门联合印发了《关于加强绿色数据中心建设的指导意见》,提出到2022年全国新建大型、超大型数据中心PUE需达到1.4以下。记者了解到,阿里巴巴所有自研数据中心平均PUE已经低于1.3,是国内首个达成该目标的公司。

PUE (Power Usage Effectiveness,电源使用效率)是衡量数据中心电力能源利用率的国际通用指标,越接近1表明能效水平越好。目前国内企业数据中心的PUE平均值在2-2.5,与指导意见提到的目标还有很大差距。

事实上,数据中心巨大的耗电量困扰着全球科技公司。据统计,全球数据中心的耗电总量占总用电量的3%,其中有约40%用于与业务无关的制冷系统,造成了能源的极大浪费。

阿里巴巴在绿色数据中心的研发上有丰富的实践经验,使用多种创新技术取代传统供电系统和空调制冷系统,阿里云智能技术设施事业部IDC技术研发负责人天吉向记者透露,公司自研的数据中心整体平均PUE已经低于1.3。

image

其中在杭州的一处数据中心采用了深层湖水来制冷,最低PUE仅1.17,比普通数据中心全年节电数千万度,减少碳排放一万多吨。

image

位于张北的北京冬奥云数据中心,同时采用风能和太阳能等清洁能源,充分利用自然能源,每年只有约15天是传统模式制冷,能耗降低59%,PUE最低至1.13,是全球最节能的数据中心之一。

image

不仅如此,该数据中心还部署了全球互联网行业最大规模的浸没式液冷服务器集群,不再使用传统机械制冷系统,PUE可逼近理论极限值1.0。

作为全球前三、国内第一的云计算服务商,阿里云拥有全球最丰富的云计算产品家族,包括绿色数据中心在内自研了一系列核心技术,包括超大规模通用计算云操作系统飞天Apsara、数据库POLARDB、弹性裸金属服务器神龙X-Dragon等。

目前,阿里云在全球19个地域建立了56个可用区,“未来,我们将持续提升数据中心能源效率,同时致力于全面实现智能化管理。”阿里巴巴集团副总裁周明表示。

相关文章
|
7月前
|
机器学习/深度学习 监控 算法
探索现代数据中心的绿色革命
随着信息技术的飞速发展,数据中心作为数字基础设施的核心,其能源消耗和环境影响日益成为全球关注的焦点。本文将深入探讨现代数据中心在实现能效优化与环保目标方面所采取的创新技术与策略,包括最新的冷却解决方案、能源管理系统以及可持续能源的利用等。通过分析这些技术的实际应用案例,揭示数据中心行业如何平衡效率与生态责任,推动着一场静悄悄的绿色革命。
74 4
|
7月前
|
人工智能 安全 数据中心
冲刺!阿里云在5个国家投资新建数据中心
冲刺!阿里云在5个国家投资新建数据中心
166 2
|
7月前
|
存储 边缘计算 安全
阿里云全球基础设施展示,公共云地域、边缘节点、超级数据中心分布图
本文为大家介绍了阿里云在2024年的全球基础设施布局,包括公共云地域、边缘节点、超级数据中心等各个阶段和方面。阿里云基础设施已覆盖全球四大洲,拥有30个公共云地域和89个可用区,以及超过3200个边缘节点,为其用户提供了广泛且深入的服务覆盖。
阿里云全球基础设施展示,公共云地域、边缘节点、超级数据中心分布图
|
7月前
|
数据中心 虚拟化
探索现代数据中心的绿色革命
【4月更文挑战第29天】 在本文中,我们将深入探讨现代数据中心如何通过采用绿色技术和可持续策略来优化能效并减少环境影响。随着全球对能源消耗和气候变化问题的日益关注,数据中心行业面临着转型的压力。文章将分析当前实施的节能措施,包括最新的冷却技术、服务器虚拟化、以及使用可再生能源的实践案例。我们还将讨论这些技术如何不仅帮助公司实现环境目标,同时也提升经济效益。
|
7月前
|
新能源 大数据 调度
阿里云IDC“数据中心低碳用能与任务调度“创新成果荣获“年度低碳解决方案”荣誉
阿里云IDC“数据中心低碳用能与任务调度“创新成果荣获“年度低碳解决方案”荣誉
|
7月前
|
数据中心 大数据 云计算
他们,点绿成金丨阿里云数据中心总经理王朝阳入选2023零碳先锋人物
他们,点绿成金丨阿里云数据中心总经理王朝阳入选2023零碳先锋人物
|
7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。
|
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。
|
7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。
|
7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。