液体冷却将在数据中心重现

简介:

似乎历史正在重演。即使在云计算时代,虚拟数据中心和虚拟一切,仍然需要有IT硬件,仍然需要电力和冷却。虽然从早期大型机日起就已经使用液体冷却技术,并且仍然用于冷却一些超级计算机,但是在过去的几十年中,空气冷却已成为大多数IT系统的主要冷却方式。

随着泽字节时代对电力需求不断增加,液体冷却的使用已经重新出现,为25kW至100kW的功率密度的每个机柜提供有效的热解决方案,有效解决了高性能和超大规模计算的冷却和能源挑战,以及更高功率密度的主流应用。

过时的概念?

与空气冷却相比,液体冷却的热传递效率和能量效率是众所周知的,但对于大多数人来说,液体冷却可能仍然看起来像是过时的概念。对于一些人来说,实际上对水有些恐惧,称之为数据中心的疏忽。

尽管如此,最近许多新的液体冷却技术开发和系统已经进入市场,这些市场原本是针对超大规模计算应用,现在可用于传统的数据中心服务器的冷却。其中一些系统由主要OEM厂商提供,如戴尔公司的Triton服务器,另一些则是惠普,IBM和联想等公司提供。

在其他情况下,由规模较小的制造商生产的系统以及内置在“标准”型IT机柜中的液体冷却系统,在同一机柜中可以容纳空气冷却和液体冷却的服务器。

一些供应商提供热插拔液体冷却服务器,插入到机柜中,使其与刀片式服务器一术方便切换服务器刀片。这种类型的液体冷却IT设备对于传统设施来说更容易实施,并且增加了对液体冷却的兴趣。

了解ASHRAE

此外,虽然业界对ASHRAE风冷IT系统的热指导意见有一些深入了解,但自2006年以来,ASHRAE已经制定了“液体冷却”指南,但很少有人知道,实际上2011年和2015年的“散热指南”还包括液冷系列W1至W5。这有助于指导设备设计师和工程师以及设备供应商,并帮助数据中心所有者,运营商和IT部门放心使用液冷系统。

人们对液体冷却技术有很多误区和误解。为了解决这个问题,绿色网格组织(TGG)发布了液体冷却技术更新白皮书70。本白皮书提供了IT和设施优势的高级概述,以及最先进的液体冷却技术指南。白皮书中定义和阐明了液体冷却术语,系统界限,拓扑结构和传热技术。它主要面向首席技术官员和IT系统架构师,以及数据中心设计师,所有者和运营商,这有助于促进业界人士的理解和加速采用。

来自物联网设备的预期大量数据需求量的大幅增加,通达5G连接的边缘数据中心的巨大带宽将需要HPC性能水平处于“产业规模”,这将使得空气冷却IT设备变得更加难以满足高功率密度和性能要求。

这将驱动超级计算机采用液体冷却技术,这将显示其有效性,并建立其可行性。这将验证和改进其操作实用性,并使其更具成本效益,因为批量生产将降低与空气冷却系统相匹配的成本。

谷歌,Facebook和其他厂商的数据中心设施首次使用自然冷却,现在通常被认为是主流技术。人们相信,液体冷却系统在不久的将来会得到更广泛的应用。

本文转自d1net(转载)

目录
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
|
存储 定位技术 数据中心
探索现代数据中心的冷却技术革新
在这篇文章中,我们将深入探讨现代数据中心冷却技术的最新进展。随着数据量的激增和计算能力的提升,数据中心的能效和散热问题变得日益重要。文章将介绍几种创新的冷却方法,包括液冷系统、热管技术和环境冷却集成设计,并讨论它们的工作原理、优势以及面临的挑战。通过这些技术的比较,我们旨在为数据中心管理者提供决策支持,以实现更高效、可持续的运营。
33 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。
|
机器学习/深度学习 边缘计算 人工智能
数据中心各种冷却技术的应用与发展
为了满足各种类型和规模数据中心的冷却需求,冷却技术仍在不断发展,例如托管数据中心、云平台、企业内部部署数据中心以及边缘数据中心正在