近年来,中国正在疾速倒退新一轮的新型根底建设。作为新基建的重要组成部分,大数据中心为应答 5G、人工智能、工业互联网的大数据需要而生,能够说,大数据中心是新基建的基本。作为数据收集、解决和交互的核心,大数据中心间接决定了企业将来的外围数字化竞争力。
因为数字经济需要的快速增长,数据中心计算自身带来的碳排放也越加收到关注。2019 年,中国建造的数据中心数量大幅增长。随着新冠疫情减速各行各业的数字化步调,美国和欧洲也纷纷大规模建设数据中心。但在如此大的用电规模之下,我国数据中心的能耗利用率却差强人意,总体能效与国内先进程度相比仍有差距。所以,进步数据中心能效,不仅是企业降本增效的重要伎俩,更是中国实现碳达峰、碳中和指标的不可缺的重要门路之一。
通过碳中和计算技术实现以 AI 和数据驱动的数据中心碳中和
用计算来解决由计算自身扩能所造成的碳排放问题,是计算畛域的衍生翻新,咱们称之为碳中和计算技术。碳中和计算反动正在席卷寰球,在寰球数据需要一直增长的局势下,大规模建设新一代以碳计算技术辅助的绿色数据中心势在必行。
VMware 作为当先的云基础架构厂商,对可持续性有着长期的承诺。在中国,VMware 和英特尔也在聚合生态,推动碳中和计算的翻新。VMware、英特尔和 Quarkdata(云创近景)合作开发了联结解决方案 DeepCooling,以减速推动在中国乃至寰球数据中心规模化采纳可继续的碳中和计算技术;并一道在 2021 年底独特公布了数据中心进步运维效率、节能减排的联结白皮书:《面向可继续经济倒退的碳中和计算技术—数据中心新基建背景下的减排翻新》,通过在数据中心外部综合利用物联网 / 边缘计算、人工智能 / 深度学习、和交融运维治理等技术节省能源、缩小碳排放。
DeepCooling 可继续的碳中和计算技术通过继续的边缘 AI 干涉和实时控制,帮忙企业优化数据中心的整套制冷体系的能耗体现。这套计划曾经在三方的联结推动下,在国内数个大型数据中心落地,帮忙客户显著改善了 PUE,升高了碳排放。在曾经生产性部署的环境里全面验证了显著缩小制冷系统能耗和碳排放的成果。
1. DeepCooling 解决方案
DeepCooling 概述
DeepCooling 基于 AI 和大数据技术,采集数据中心制冷链关键设备的运行指标,联合动环和能源监控数据,利用机器学习建模,精准预测匹配数据中心制冷的最优参数组合,并且通过动静调节制冷系统各个环节参数,进步制冷成果、升高制冷开销。
DeepCooling 次要通过历史数据对整个数据中心负载、发热以及制冷等各个物理零碎进行建模,在此基础上基于负载的预测后果,对于制冷系统进行优化管制,将制冷系统传统的基于反馈的管制晋升为基于建模的前馈管制。DeepCooling 能效优化是一个动静循环过程,每个循环周期包含的次要步骤如下:
- 数据采集: 通过智能传感器和网关设施,采集动环数据、机房空调数据、机房物理空间数据、人工数据等,进行初步汇总,生成机房空调冗余度、机房热力求等两头数据。
- 剖析建模: 建设各类热平衡模型,为制冷系统各个部件,如末端空调、水冷机组、旱路等进行建模,同时建设热负载、制冷系统以及温度之间的关系。
- 优化管制: 通过训练好的机器学习模型求解每个时刻各个系统的参数,并通过程序下发进行,依据负载准确匹配制冷系统的输入,从而实现制冷设施的能耗节俭。
指标收集与剖析
通过对接数据中心现有 DCIM 和制冷系统,收集了来自各个机房的温湿度、电量、空调负载以及连带的旱路等数据。在这个根底之上 零碎提供了一套弱小的数据展现和可视化零碎,对机房的冷热设施温度差、热力求有直观的图形化展现。产品将机柜和风道的热力散布、能耗直观展示,可对异样设施和设置做疾速的发现和解决。个别的,能够对机房外部的热负载做剖析和制冷输入进行剖析和可视化,同时反对对每个配备和传感器细节进行可视化:
零碎同时提供了丰盛的报警和策略审计能力,以更好地反对数据中心的运维工作。
模仿物理模型与优化管制
基于对于整体零碎收集的数据,分两步来对数据中心的制冷系统机型建模,首先是每个机房,即理论冷量的应用端,同时基于建设的模型,对于末端风机进行优化管制。
第二步将基于所有机房的负载,对于数据中心整体负载进行建模,从而更好的管制集中冷源:
通过对于数据中心整体物理零碎的建模,零碎实现了一个基于建模的前馈优化管制,来改善传统的基于反馈的制冷系统管制体系,从而实现了更经济的能耗体现,以及更加稳固的温度控制。
2. 具体实施
部署拓扑构造
零碎通过一个分布式的基于边缘推理的计算体系,来实现对于数据中心整体制冷体系的优化管制。一个典型的部署拓扑如下:
每个机房都有独立的管制节点,以实现边缘侧的模型推理以及优化管制的计算,并实现对于所有空调的管制。同理,对于冷源侧,也将会有配套的边缘管制节点实现相干的优化管制。
成果及投入回报率
零碎可能提供 18%-25% 的制冷电量节俭,对应的会带来大概 0.1-0.15 的 PUE 改善。对于数据中心的硬件改变较小,施行过程中个别不会对失常生产带来负面的影响。因而 DeepCooling 的 ROI 是传统基于硬件革新的能耗计划一倍以上。
商业案例
末端空调能耗优化
该数据中心因为布局等问题,存在温度方差大,温度均值散布不平均的问题,单个空调空度管制存在较大稳定。
DeepCooling 通过 11 个机房精细空调运行状态的调整,并累计 14 天机房内精细空调及 IT 设施能耗数据,通过与后期累计数据比照,均匀节能率 30% 以上,最高可达近 70%。
水冷机组能耗优化
该数据中心旱路设计负荷和理论负荷差距较大,个别理论负荷远低于设计负荷,原有一次定频泵设计导致低进回水温差,大流量,导致节约; 同时整体水冷机组负载偏低,该数据中心 4 台水冷机组,每个水冷机组两个压缩机开启的前提下,均匀负载个别为 25%- 35%,远低于最优 COP 负载区间(个别为 60%-80%)。
DeepCooling 基于海量历史数据以及强化学习模型的动态控制,实现在机柜和背板空调机理建模的根底上,动静调整 300 余组背板 空调的运行参数(实时转速等),进一步通过背板空调群控系统下发动静指令管制背板空调功耗,并动态控制冷水机组,取得更好节能成果。
3. 关键技术
边缘侧——EdgeX Foundry 开源我的项目
EdgeX Foundry 是由 Linux 基金会经营的、厂商中立的开放源码我的项目,旨在为物联网 / 边缘计算创立公共凋谢的软件框架。该项目标外围是基于与硬件平台(x86 或 ARM)、编程语言、操作系统、云平台无关 / 中立的参考软件平台建设的互操作框架,赋能即插即用的组件化生态系统,对立边缘计算软件生态 / 市场,减速物联网计划的宽泛部署。EdgeX Foundry 使无意参加的各方在凋谢与互操作的物联网计划中自在合作,无论他们是应用公开规范或公有计划。
云侧
Flowgate 交融数据中心内动环 /IT 数据
Flowgate 我的项目是由 VMware 发动并保护的开源我的项目,它将赋能企业,帮忙他们将数据中心内的能源环境和 IT 零碎的数据交融起来造成对立的数据平台,打造辅助云和数据中心运维团队制订决策的整体视图。现实情况下,企业数据中心这样的“信息工厂”,常常由 IT、后勤 / 资产、平安、财务等部门分头治理其中的一部分。没有一个残缺的、集成的、从供电 / 用电到负载部署的视图。这导致治理中的分立零碎和运维形式,在动环零碎 (治理供电、制冷、平安和温度、湿度等环境状态) 和 IT 技术栈 (监控机架上的计算、网络、存储等 IT 资产) 之间微小的信息鸿沟。通过将这两大类不同的数据集交融成对立的视图,再联合加强事实、巡检机器人和深度学习等先进技术,数据中心的管理者将能更好地优化运维,更明智地作出部署利用的抉择。
vRealize Operations 数据中心运维治理平台
VMware vRealize Operations 是一个面向公有云、混合云和多云环境的主动驾驶式运维治理平台,整合了 AI 和预测性剖析,使云和数据中心运维团队变得更加被动和麻利。利用 vRealize Operations 自动化并简化运维治理,能够从数据中心能源环境、物理、虚构和云计算基础架构 (包含虚拟机(VM) 和容器)到反对的利用,vRealize Operations 具备全栈可见性,可提供继续的性能优化、利用感知型智能修复和集成式合规性。它能够本地部署,也能够作为服务应用。企业在采纳混合云的历程中,常常会遇到无关利用移动性以及不同工作负载对云的适用性等问题。负责解决这些问题的开发人员通常会面临监管方面的妨碍。VMware 通过云市场,发现通过验证的第三方解决方案、开源解决方案和第一方工具并将其部署到 VMware 环境中。VMware 提供受到监管、通过验证、易于部署的解决方案起源,让客户的混合云之旅一帆风顺。本技术计划中数据可视化及仪表盘组件就是以 vRealize Operations 治理包的模式实现,并可通过 VMware 云市场上取得。
通过联合来自 Intel 的至强处理器和 OpenVINO 套件,来自 VMware 的 vRealize Operations 和开源我的项目 Flowgate,由 Linux 基金会经营的开源我的项目 EdgeX Foundry,以及 Quarkdata 的先进算法,咱们独特打造的数据中心节能解决方案 Deep Cooling 可能大幅度 (最高 30%) 缩小制冷系统的能源应用并缩小二氧化碳排放。
起源|公众号:VMware 中国研发核心