如何優化數據中心能耗?哪些問題阻礙優化數據中心?

2020-12-14 CIO時代網

  隨著越來越多的集成進入數據中心,更多系統遷移到數據中心,基礎設施最佳化已直接影響到高等級服務的交付,正因為如此,數據中心管理員都在不斷努力尋找方法來提升性能,提高基礎設施的密度,並增加多租戶功能。核心數據中心技術必須克服即將出現的所有挑戰,而數據中心基礎設施也需要不停迭代。當然,數據中心的優化絕不止以上幾個步驟,終端用戶和冗餘也必須考慮進去,數據中心優化的關鍵就是將環境保持放到第一位,數據中心能源消耗的優化有幾種方法,有下面的幾種方法可以參考。

 

  從設備配置上優化數據中心能耗的方法:

 

  (1)配備樓宇管理系統

 

  安裝樓宇管理系統(BMS),該系統將從冷卻系統中提取大量信息。它自動執行大量流程,並處理和記錄大量的最終使用數據,因此用戶不用一直依賴人工調整,從而允許用戶更加有效地防止能源浪費。例如,如果早上2點鐘用電量激增,用戶就可以查看周圍的變量,就可以定位到相應的區域和設備,並採取相應措施來降低能耗。

 

  (2)採用更加節能的EC風扇

 

  用戶的另一個選擇是,通風散熱設備採用電子換向(EC)風扇。 EC風扇是一個節能減排的雙贏選擇。用戶通過安裝EC風扇,能夠獲得相同的速度和氣流,並顯著節省電能。但用戶需要通過結合更加智能的控制策略來加強風扇的控制和管理,根據溫度或需求來調節風扇轉速,因為EC風扇是一種指數型的曲線,而風扇轉速越低,就會節省越多的電能。

 

  (3)冷水機組設置更高的溫度可能更節能

 

  最後一個建議是冷水機組的冷凍水設定值不能設置太低,如果用戶通過一個固定的設定值來優化數據中心能效,這可能會起到反作用。例如,將冷凍水的溫度固定在7℃,而在一年90%的時間裡,其設定溫度過低,另外的10%的時間裡,其設定的溫度則有些過高。

 

  因此,通過監控所有信息數據,並將其捆綁在一起,才可以優化設定值,特別是可以提高設定點,並使系統儘可能多地採用自然冷,這樣就能夠節省大量的電能。例如,如果冷卻系統以17℃冷凍水設定點運行,而不是以傳統的7℃-12℃設定點運行,那麼在一年中可以採用更多的自然冷卻。

 

  數據中心最常見五種優化方式

 

  (1)改善散熱等數據中心環境變量

 

  數據中心環境是不容易控制的,但通過CFD仿真分析可以發現熱點並優化數據中心製冷。在對數據中心環境進行優化時,可以檢查以下幾個關鍵因素,包括機架放置、伺服器密度、地板、通道設置等。另外,可以使用趨勢分析系統,有助於當前和未來潛在的需求。優化數據中心也意味著降低了運營成本,改善關鍵基礎設施可以讓你少花環境運行所需要花的錢。

 

  (2)軟體定義技術(SDX)和虛擬化

 

  在幾年前虛擬機監控程序也許是比較前沿的技術,但我們現在能夠直接與重要的API集成,減少跳線並大幅度提高工作負載性能,如通過軟體定義網絡、存儲、安全等新技術。網絡虛擬化的新水平允許管理員創建跨越數據中心跨越國界的龐大網絡環境,也突破了硬體的限制,軟體定義技術可以在不同程度上提升數據中心效率。

 

  (3)優化電源使用

 

  優化電源使用即對功耗進行優化,由此也影響到數據中心在選址時考慮到了氣候問題。現在的帶寬情況比較好,即使是在比較偏遠的地區也是可以進行數據中心的部署。如冰島的電網完全採用水電和地熱發電,確保了完全的「綠色」電源。比起在美國、英國、德國等地的電價,冰島上的電力成本每千瓦時才4.5美分,也是吸引數據中心用戶的一個重要原因。除了新建數據中心外,還有很多直接的方式可以用來優化電源,可以通過檢查現有的環境,檢查損耗功率,如伺服器閒置時使用了多少功率,根據動態的資源需求選用比較好的電源管理系統,或者在供電系統規劃設計時圍繞整體基礎設施進行優化,使用監測並調整功率。

 

  (4)利用雲計算

 

  混合雲平臺越來越受客戶的青睞,通過整合一個雲模型是提高數據中心效率的一個不錯的方式,這也是很多用戶將數據中心擴展到雲的原因。數據中心空間的競爭為大家帶來了新的產品,更優惠的價格和更多的可用資源,也意味著創建私有雲和公共雲環境之間的智能鏈路也變得更加容易。數據中心管理現在可以跨越許多不同的雲模型,管理人員並沒有過多擔心物理基礎設施,他們更關心的是在上面直接運行的工作量。這種數據中心優化方法,只需要搭建基本的基礎設施環境,通過使用雲計算技術、軟體定義技術以及分布式基礎架構管理,可以更多的服務則延伸到雲中。

 

  (5)創建透明管理

 

  大量的數據中心分發和雲計算的使用給現代數據中心帶來了新的挑戰,在數據中心優化方法中,明確的管理是很關鍵的。當前數據中心虛擬化以及新數據中心作業系統(DCOS),這些管理平臺需要基於DCIM、自動化、雲控制,並把數據中心服務提升到一個全新的水平,需要確切的知道物理系統上正在運行著什麼,需要對周圍的資源更好的主動分配,讓數據中心未來支持更多的用戶,這一切都需要一個好的數據中心管理平臺。

 

  創建一個更好的數據中心不僅僅是上述的五個方法,數據中心優化只是確保數據中心環境更好的被使用,並處在最佳的運行狀態。優化您的數據中心,如果開發出一個更具彈性的平臺,在提高您的整體業務時將更節省您的錢。

 

  哪些問題阻礙了優化數據中心?

 

  許多組織在公有雲中無意識地導致過度配置,而這個錯誤的代價太高,企業對此無法忽視。通過避免五個最常見的錯誤,企業可以最大限度地提高雲計算資源效率,並降低業務在這些新環境中的性能風險。

 

  (1)沒有利用基準來平衡平臺之間的數據

 

  調整雲計算資源分配的一個常見方法是在從一個虛擬環境或雲環境移動到另一個虛擬環境或雲環境時,將其分配差不多的大小。這意味著將工作負載分配給舊的資源。但並不是每個環境都運行相同規格的硬體。如果企業不使用基準來規範工作負載數據,並適應環境中底層硬體之間的性能差異,那麼就無法準確地了解該工作負載將如何在新環境中執行。

 

  較新的環境通常具有更強大的硬體,從而使企業更容易獲得回報,因此,工作負載並不需要分配相同數量的資源。這是在轉換伺服器和優化公有雲使用時的關鍵所在,因為提供者不斷提供新硬體上運行的更新的雲實例類型。為了避免大量佔用資金,你需要能夠進行比較,唯一的辦法就是通過數據的標準化。

 

  (2)陷入「Bump-up循環」

 

  「Bump-up循環」是一個惡性的循環,會導致過度配置和超支。假設工作負載正在運行,其CPU使用率是100%。採用一個簡單的工具將會看到這一點,認為它的配置不足,並且建議調高CPU資源(以及雲實例的成本)。這裡的問題是某些工作負載將使用與它們相同的資源。如果提供更多的CPU,這些應用程式將採用它,仍然運行在100%,也許只是更短的時間。這個循環重複執行,被困在代價昂貴的Bump-up循環中。為了避免這種資源吸引循環,您需要準確了解工作負載的工作情況以及其工作原理。再次,我們回到需要了解各個工作負載模式和工作負載的性質。當查看內存時,這是特別重要的,這是雲計算成本的主要驅動力。

 

  (3)不了解詳細的應用程式工作負載模式

 

  並不是所有的工作負載都是平等的,無論企業正在採用哪個公有雲,最大的問題就是關於雲實例選擇的細節。理解工作負載的用途和工作負載利用模式的詳細性質,這一點很重要。

 

  在每個月底完成一次工作的公有雲中運行批處理工作負載的經濟性與那些全天忙於各種高峰和低谷的應用程式有很大的不同。要正確地選擇正確的資源和雲實例,企業確實需要了解一天之內工作負載模式以及該模式如何在業務周期中發生變化。

 

  不幸的是,許多組織採取簡單的方法分析其工作量,而只查看每天的平均數或百分位數並不是徹底的方法,不能深入地了解具體的模式。結果是對資源需求的不準確的描述,這可能導致過度配置和性能問題。這些簡單的方法很少做到正確。當企業在尋找幫助其選擇正確的雲實例的解決方案時,請選擇真正了解工作負載的詳細使用模式的東西。

 

  (4)著眼於調整規模,並忽視現代化的工作量

 

  將工作負載實現現代化,在更新的性能更強大的硬體上運行版本更新的雲實例產品,可以成為降低成本的有效手段。事實上,人們已經發現,適當規模的實例可以在公有雲計算中節省20%的成本,而現代化和適當的調整則平均節省了41%的成本。

 

  隨著公有雲供應商提供的服務和實例類型多的令人眼花繚亂,企業很難選擇適合的實例,更不用說跟上新的選擇。儘管潛在的節省成本值得努力。要做到這一點,需要詳細了解工作負載,雲實例目錄,成本以及規範化數據的能力,以解決環境之間的性能差異。這不是人工可以完成的,需要進行徹底的分析才能找到正確的組合來節省資金並確保業績。這也是應該定期完成的事情,甚至幾個月前部署的應用程式可能就是很好的候選者。

 

  (5)無法管理空閒的殭屍實例

 

  大多數組織沒有一個有效的過程來識別空閒的「殭屍」實例,導致他們隨著時間的推移而堆積。它們通常是由於倉促地為短期部署實例而忘記關閉實例的結果。殭屍實例只是浪費預算。為了避免這種不必要的成本,組織必須使用足夠的歷史來查看整個業務周期(數周或數月)的工作量模式。識別和消除這種實例可以節省成本,但它需要比大多數工具提供更長期的工作量可見性。

 

  大多數組織沒有意識到他們在公有雲中花費的費用是多少。節省這筆資金需要更加注意了解企業工作負載如何利用資源以及他們真正需要在不影響性能的前提下儘可能高效地工作。要明白細節是避免雲預算超支的唯一途徑。

第三十屆CIO班招生 法國布雷斯特商學院碩士班招生 北達軟EXIN網絡空間與IT安全基礎認證培訓 北達軟EXIN DevOps Professional認證培訓

責編:pingxiaoli

相關焦點

  • 如何降低超大規模數據中心IT硬體能耗和成本
    打開APP 如何降低超大規模數據中心IT硬體能耗和成本 HERO編譯 發表於 2020-12-09 15:30:39 但是,擴展大量IT硬體已使可持續性成為一項重大挑戰,因為這為數據中心運營商帶來了運營障礙,甚至阻礙了利潤增長。 數據中心演進的最新成就始於使用共享多處理的大型系統。其目標是構建大型節點,以有效降低成本、提高可靠性和性能。在此之後,尋求創建在大量商用計算機系統上運行的大量並行的應用程式。
  • 摩天大樓、數據中心,能耗大戶們如何擺脫沉重電費帳單?
    來源:澎湃新聞摩天大樓、數據中心,能耗大戶們如何擺脫沉重電費帳單?節能降耗不僅僅關乎工業生產部門和交通部門,隨著城市建築總量的不斷攀升和居住處舒適度的提升,建築背後的能耗數字同樣驚人,它與工業能耗、交通能耗並列為全球三大「耗能大戶」。
  • 「液冷」為解決數據中心高能耗給出新路徑,曙光等企業成行業領導者
    > 一年耗盡三峽和葛洲壩兩大水電站全年產電量之和,數據中心能耗之高令人咋舌。如何突破節能瓶頸?答案或許是「液冷」。12月10日,在第十五屆中國IDC產業年度大典「液冷科技」專場分論壇上,國家節能中心管理處處長高紅、賽迪顧問電子信息產業研究中心總經理楊梽永、賽迪顧問高級分析師袁鈺等共同發布了國內權威白皮書——《中國液冷數據中心發展白皮書》(以下簡稱《白皮書》),為綠色數據中心建設提供指引。 《白皮書》由賽迪顧問股份有限公司負責編撰。
  • 讓數據中心「泡澡」降溫?《中國液冷數據中心發展白皮書》發布
    中國經濟周刊-經濟網訊  一年用電量足以耗盡三峽和葛洲壩兩大水電站全年產電量之和,中國數據中心的能耗之高令人咋舌。如何突破節能瓶頸?答案或許是「液冷」。賽迪研究團隊走訪、調研了中科曙光、華為、阿里巴巴等中國液冷數據中心主流廠商,描摹出中國液冷數據中心的全貌,並與部委直屬科研單位的液冷專家進行了交叉驗證,在此基礎上形成了白皮書。「液冷」為解決數據中心高能耗給出新路徑隨著新基建大潮洶湧而來,數據中心新建和擴容的步伐逐步加快。
  • 數據+ 進化算法 = 數據驅動的進化優化?進化算法 PK 數學優化
    數據驅動的進化優化是什麼,僅僅就是數據 + 優化算法嗎?數據驅動的進化優化適用於哪些應用場景?傳統的數學優化方法是否迎來了新一輪的挑戰。本文將為您深入淺出的解答以上問題。文末我們還附上了相關資料與參考文獻的大禮包,這些資料並非一個簡單的書單,是經過本文兩位作者多年的研究經驗和學習歷程精心挑選整理的,有頂級期刊的優質論文,也有科普大眾的通俗講義。
  • 領先騰訊阿里 百度雲數據中心國內PUE第一
    4月17日消息,記者獲悉在雲計算發展與政策論壇的「數據中心分級評估」中,百度M1雲數據中心PUE1.36,取得了國內大型數據中心PUE第一的最佳成績,領先與參與評級的騰訊、阿里等公司,且遠遠優於業界平均PUE2.5的數值。
  • 數據中心PUE和DCiE的背後什麼更重要?
    為了創建更加綠色環保的數據中心,我們一直都在不斷努力。您可以看到相當多企業的基礎設施的消耗了大量的能源,數據中心通常在IT部門的能耗排名中名列榜首。管理人員和客戶均表示希望您能夠採取一些措施來減少能耗。數據中心電源使用效率(PUE)便為您提供了深入了解您企業能源效率的途徑。
  • 梁寶川:如何優化你的Anki筆記數據?
    所以,為了避免因為筆記數據雜亂而導致同步失敗的現象出現。一定要養成一個比較好的習慣,那就是經常優化自己的筆記數據。為什麼呢?所以請大家一定要多多優化自己的筆記數據。這個優化方法非常簡單,也是Anki當中自帶的功能。具體如何優化呢?我給大家分享具體的流程。
  • 臺達企業級數據中心樓宇群控方案 助某大型電子商務平臺建設「綠色...
    隨著企業信息化的成熟發展和新技術的廣泛引用,企業都因業務需求不斷擴大,而建設各自的數據中心已然成為趨勢。同時,因為網際網路的快速發展,這家第三方B2B電子商務平臺"數據中心機房"的能耗問題也逐漸突出。如何在數位化應用飛速發展的需求下,降低建築與數據中心的能耗,合理調度、通過優化的系統控制提高建築的管理水平,達到節約能源和管理成本是本項目開展的主要目的。
  • 數據中心超高效冷源系統能效評價與設計探討(上)
    數據中心冷源系統能耗根據工信部公布的《全國數據中心應用發展指引(2018)》數據顯示,截至2017年底,我國在用數據中心的機架總規模為 166萬個,同比增長33.4%,其中大型、超大型數據中心的規模增速達到68%。
  • 數據中心運營,雲巨頭是如何修煉「內功」的?
    如此龐大的雲基礎設施是如何運維的,一直以來都備受業界關注,而多年來AWS很少談及這個話題。在今年的亞馬遜re:Invent在線峰會上,AWS首次揭開了自己雲基礎設施的神秘面紗,從數據中心的供電管理系統,雲數據中心的延遲,到晶片的研發等等,雖然只是冰山一角,但可以從不同的視角更加直觀、清晰的了解AWS是如何修煉「內功」的。
  • 數據中心託管的好處以及我們對數據中心託管的選擇
    如今,隨著物聯網、大數據、人工智慧等新興產業的高速發展,提供最底層支撐的數據中心(IDC)整體發展情況也是一片利好,越來越多的企業投資託管業務,數據中心市場也在持續增長。根據451研究的最新調查結果,全球託管市場規模有望在未來兩年內超過330億美元。
  • 達實精品:PUE值小於1.25的數據中心是怎樣煉成的?
    2000多個,單機功率5kw,全年PUE能耗指標小於1.25。,在《深圳市發展和改革委員會關於數據中心節能審查有關事項的通知》中強調,只有PUE低於1.25的數據中心才可以享受新增能源消費量40%以上的支持  達實智能綜合了項目的各項要求,在系統節能與管理節能方面做出了精細的優化設計,最終實現了PUE值小於1.25,打造了一個全新的深圳乃至全國節能大數據中心的樣板案例。
  • 【華為技術有限公司中國政企金融數據中心總監 陳健】金融數位化...
    尤其是隨著人工智慧、物聯網、大數據、雲等技術和應用的深入發展,人們對金融服務的需求更加多元化,愈發聚焦在數字渠道。與此同時,隨著「新基建」浪潮的不斷推進,金融行業的數位化轉型已成必然趨勢。在此背景下,作為承載數據和計算的傳統金融數據中心面臨能耗高、可靠性和安全性以及運維複雜等巨大挑戰,亟待變革。
  • 高熱的數據中心咋降溫?
    平均消耗的功率是大型商業寫字樓的100倍以上,數據中心的能源低效問題不容忽視  據一份調查報告表明,沒有採用可再生能源的數據中心在未來幾年內可能成為最大的碳排放源頭。目前人們對計算能力和服務的旺盛需求,需要更多的電力來維持數據中心的運營。
  • 為什麼說強化學習是針對優化數據的監督學習?
    首先我們認為強化學習可以看作是高質量數據上的監督學習,在此基礎上,獲取高質量數據(好數據)本身也具有挑戰性(除非是模仿學習),因此強化學習可以進一步看作是針對策略和數據的聯合優化問題。從監督學習的角度來看,許多強化學習算法可以被認為是在交替地尋找更好數據 和 對數據進行監督學習。那麼如何更有效地獲取更好地數據呢?事實證明在多任務環境下,或者在多個問題可以相互轉換的條件下更容易獲取優質數據。
  • 華為微模塊數據中心牽手天津市大學軟體學院
    然而,現存傳統數據中心模式在空間、效率、能耗的進一步優化升級上都逐步遭遇了發展瓶頸,建設成本激增。同時伴隨著學院的整體信息化業務逐步進入雲端,大量雲終端開始逐步部署,數據中心正在從內部伺服器調配走向中心資源調配的過渡期。需求與目前的布局存在矛盾。
  • 不是所有的數據中心都能建在海裡和山裡,那我怎麼降低PUE?
    網絡演進和數據業務的快速發展帶動數據產業的快速發展,使數據中心的規模越來越大,消耗的電能也越來越來多,用電問題已成為制約數據業務發展的瓶頸。以一個10MW規模的數據中心為例,10年的生命周期內,用電成本約佔數據中心整體運行成本的60%以上。PUE作為綜合考察數據中心的用能效率指標,成為事實上衡量數據中心能效的KPI。
  • 數據中心機房有哪些監控系統?
    [導讀]數據中心機房有哪些監控系統,機櫃在數據中心機房有什麼作用?
  • 網站優化外包服務公司_seo網絡排名優化服務中心
    天津華陽在線專注於SEO關鍵詞排名優化,品牌網站建設,營銷型網站建設,App、小程序開發,搜尋引擎seo優化,競價託管sem,品牌口碑建設與代運營等服務。企業通過引進前BAT產品經理不斷豐富產品線優化技術實力,力爭為企業提供更優,更全,更精的網絡營銷服務。網站優化外包服務公司_seo網絡排名優化服務中心該當實時陳訴並提交切實可行的整改方案。