数据中心“能源”成本管理五招

简介:

要管好数据中心,必然需要理清纷繁复杂的成本问题。在数据中心的总开支中,“能源”(主要指电费、水费和柴油费用)为总支出的“中流砥柱”,其中又以电费为最主要开支。“擒贼先擒王”,节约数据中心的能源成本中的电费支出,是数据中心成本节约工作的重中之重。

数据中心节能管理套路,将由若干的招式组成,本文将围绕如何节约“能源成本”开展叙述,介绍节约数据中心“能源成本”入门五招。

第一招:建立属地能源成本基线

基线之于管理的意义不言而喻。没有基线,我们不会清楚某个数据是否为异常数据,哪里呈现过尖峰或瓶颈,哪些优化产生了多少实际效果这些重要问题。

能源成本基线可以是一维基线,也可以是多维基线(例如PUE与设备总量、IT/基础设施设备负载、空调温度等关键参数之间的关系)。

第二招:关注“功率因数”和“负载阻抗特性”

数据中心的“功率因数”和“负载阻抗特性”是体现供电系统运行情况的重要指标,“功率因数”通常可以用PF表示,这个数值越接近1越好;数据中心负载阻抗特性有“感性”和“容性”两种表现形式,通常情况下应表现为感性。

某机房一组变压器的功率因数突然由0.99(感性,正常)变成了0.7(容性,异常)。(ps:由于负载阻抗特性已显容性,此时补偿柜也无作用)。这种变化,一方面导致数据中心整体耗电量增加,进而使数据中心整体耗电量增加(服务器耗电量 W=V*A*PF,W为常量,若PF下降,V不变,则A增加),另一方面电力局会对功率因数小于0.9的用户加收一定比例的惩罚性电费,经跟进发现该问题是UPS电容滤波低负载启动所导致,最终问题解决,PF回复至较高水平。

这个案例中我们可以发现,数据中心的“功率因数”和“负载阻抗特性”是两个非常关键的电力系统运行参数,直接影响电费支出,在日常运营中必须长期密切关注。通常数据中心的功率因数不应低于0.95,负载阻抗特性应为感性,一旦出现异常应尽快跟进解决,避免支付额外电费。

第三招:冷热通道隔离

冷热通道隔离至今已是全行业的共识和新建数据中心的标配。本文只提及两个容易被忽略的问题:封堵冷热通道漏洞和冷热通道隔离在老机房中的简单实现。

1.封堵漏洞

被广泛提及的“通道隔离”只不过是一个框架,把冷热通道从大面上隔开,但如果这个隔断“千疮百孔”则它形同虚设。设置冷热通道隔离挡板只是万里长城的第一步。日常运营中,没有上设备且没有用挡板格挡的机架,横跨房间甚至建筑的走线架,一列即家中密封不严的柱子,都会成为吞噬数据中心电费的黑洞。

2.简单实现隔离

很多老旧机房在设计之初未考虑冷热通道分离,且至今尚未用这种方式。因为在运营机房做“建设改造”的风险极高,大部分数据中心管理者对改造老机房望而却步。实际上业界有很多案例可供我们参考,下图一个简单的塑料链子就解决了问题,工程量小,改造成本低,这种性价比较高的改造方式值得我们借鉴。

第四招:良好的温湿度管理

制冷系统是除了服务器之外的第二用电大户,其耗电量可以占到数据中心耗电总量的35%.

运行参数的设置不仅决定了空调系统的运行情况,更决定了整个空调系统的耗电量。空调系统的运行参数成千上万,归根结底就是为了两个核心参数——数据中心IT设备入风口的温度和湿度服务。合理的温湿度设置对空调的能耗意义重大。

1.提升数据中心温度

目前的数据中心的国家标准(GB50174-2008)定义了数据中心的温度为23±1℃。根据笔者经验,国内数据中心,尤其是传统运营商租用数据中心基本都小于等于国家标准,时长有20℃甚至更低的温度,除了局部热点几乎没有25℃及以上的情况。在保证数据中心合理运行的前提下,提升数据中心温度在成本方面将为我们带来以下收益:1.延长自然冷却时间:以深圳某年气温数据为例,该年外界温度≤20℃的天数仅为全年天数的13.7%,可见如果送风温度设置为20℃以上,则说明全年符合自然冷却条件的时间仅为13.7%,而86.3%的时间必须机械耗电制冷。如果将送风温度提升27℃,则全年可以自然冷却的时间增加到了56.2%;2.降低冷机能耗:如果外界温度不足以进行自然冷却,而需要冷机启动运行,设置的制冷温度越低,冷机需要消耗的能量越多。在我们目前的实践经验中,冷机供水温度每升1℃,冷机系统功耗可以下降3%.

2.放宽数据中心湿度

数据中心的加湿原理是将水加热,通过消耗大量电能,使水由气态变为液态。可见,无论加湿还是除湿,只要是对数据中心湿度进行控制管理,必将消耗大量电能。

幸运的是服务器本身对湿度不敏感,无需频繁进行湿度管理。以下分别节选了服务器和数据中心的国家标准作为佐证。不幸的是,国内某些数据中心不按国标执行,使得数据中心内频繁和无效的执行湿度管理操作,甚至发生过一个房间中部分空调在加湿而部分空调在除湿的情况,铺张浪费能源。

第五招:合理的设备开启数量

这是我们在传统下送风精密空调机房中发现的一个有趣的现象。某天我们发现某机房某列机架温度为24℃,高于周边其它机架(18℃),在我们关闭了这一列机架对应的空调之后,它的温度却下降到了18℃。关闭空调反而使机房温度下降了,这不符合我们“空调开得越多制冷效果越好”的惯性思维。举一反三后,提问:开1台冷机真的比开2台节能吗?开1个水泵真的比开2个节能吗?……面对实际问题,我们要学会拆掉思维里的墙,实践检验真理处处适用。

小结:规划决定了数据中心运营成本的先天基因,而良好的运营则是实现预期目标的最基本保障。没有良好的运营,即使业界一流的规划方案,也跑不出业界一流的成本数据。反之,一流的运营或许可以让老机房跑出新的春天。运营细节尽显真功夫,希望本文所介绍的成本定义,以及节能五招能为各位数经带来精细化成本管理新思路。



本文转自d1net(转载)

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
931 0