绿色数据中心:数字世界中提高能源效率的关键

标签:数据能源
分享到:

根据设计,云计算服务及其运行的数据中心有可能比它们打算替换的现场IT基础设施更环保。规模经济使数据中心运营商能够为公司提供过去在公司服务器上运行的相同IT服务,同时显着降低能源消耗。

根据PikeResearch的一份报告,据估计,到今年,云计算本可以帮助将全球IT碳足迹减少多达38%。然而,这些数字取决于高效数据中心的创建,所以问题是:我们是提供这些节能数据中心,还是我们忽略了我们的环境责任?

 

 

通过节能设计创建可持续的数据中心

业务数据和IT服务向云的大规模迁移加速了对更具可持续性的数据中心的需求。随着越来越多的公司将其企业IT基础设施(部分或全部)迁移到云端,传统和超大规模数据中心运营商必须遵循高效的设计和运营原则。

如果我们查看最新数据,我们可以看到,虽然传统数据中心在过去六年中将能源使用量减少了近50%,但超大规模数据中心现在使用的能源量是2015年的两倍。

不幸的是,如果无法在更细粒度的水平上分析这些数据,就无法说这些数字是否仅仅反映了超大规模数据中心的增长,或者这些数据中心是否本质上比传统数据中心效率低。主要驱动因素几乎肯定是需求增加,但超大规模数据中心运营商可能对采用环保实践有所保留。

我们知道的是:如果数据中心硬件和基础设施的最新效率提升持续快速,那么在未来12个月内,应该可以满足传统和超大规模数据中心服务60%的需求增长,而不会相应增加能耗。但为了实现这一壮举,数据中心运营商必须遵循节能设计原则。

节能型数据中心很酷

冷却技术解决方案是节能数据中心的关键组成部分,富士通最近在其澳大利亚的两个数据中心实现了节能。通过优化气流和重新配置CRAC装置,在对无线传感器收集的环境数据进行分析之后,实现了48%的能耗降低。

富士通实施的措施节省的电力相当于350个普通家庭的年能源消耗量,因此不难想象冷却技术必须提供的显着能源和成本节约潜力。或许,关于这个在效率改进方面的特殊练习,最令人兴奋的一点是,结果是通过对现有硬件的配置更改来实现的,即不需要安装任何额外的组件来实现成本和能源节约。

在节省成本方面,在这种特殊情况下,澳大利亚仅两个数据中心的能耗降低就导致每年节省230,000美元的用电量。

废物:需要优先处理的有毒主题

冷却解决方案必须提供的潜在节能效果非常令人鼓舞,但就有毒废物而言,前景并不乐观。电子垃圾占美国所有有毒垃圾的70%,没有理由相信其他发达国家的数字更具吸引力。

SuperMicro在2019年对5000多名数据中心专业人士进行的一项调查发现,与认证回收公司合作的组织数量在过去12个月里下降了14%,同期回收自己硬件的组织数量下降了5%。这些都不是该行业应该引以为豪的趋势。需要优先考虑这一领域的改进潜力。同一项研究估计,通过数据中心运营商优化硬件更新周期,全球电子垃圾可以减少高达80%。

前进的道路

如果我们要创建真正的绿色数据中心,为环境带来实实在在的好处,我们需要对数据中心的设计和运营采取严格的整体方法,以解决冷却、能源消耗和浪费问题。随着云迁移变得越来越普遍,需要考虑三个基本因素:

节能服务器——安装服务器时考虑到最低功耗。更有效的冷却解决方案——根据对收集到的环境数据的分析重新配置现有系统。优化的硬件更新周期——通过生命周期评估和所有数据中心硬件组件的更新周期优化来减少有毒废物。

如果我们专注于这些关键领域,我们就可以实现,甚至超过云计算使全球IT行业碳足迹预期减少的目标。

继续阅读
能源领域物联网边缘计算的挑战和机遇

物联网设备的增长使企业在数字化过程中能够且必须处理的数据量增加了数百万倍。为了提高处理效率,出现了一种非常强大的新计算模式:边缘计算,它通过在边缘处理机器学习和人工智能算法来补充集中式云基础架构的处理,即在数据来源和离用户或设备更近的节点处理机器学习和人工智能算法。

人工智能如何防止数据泄露后的疲劳现象

数据泄露的疲劳是一个长期存在的问题。首席信息安全官(CISO)因不断灭火和处理违规事件所带来的后果而感到不堪重负,安全团队也感到疲惫不堪。消费者也因为有这么多的数据泄露事件,以及他们对网络安全的整体缺乏了解而选择了调离。

《数据安全法》今起正式实施,隐私计算迎来千亿级风口

这部法律分别从监管体系、数据安全与发展、数据安全制度、数据安全保护义务、政务数据安全与开放、法律责任等方面,对数据处理活动进行规制,同时也明确建立了一个数据分类分级保护制度,建立健全数据交易管理制度、安全审查制度,对违法行为的处罚力度加大。

AI数据建模如何预防气候灾难?

随着预测分析模型的改进,该领域内的创新者们正在呼吁更好地访问并解释气候数据,这些数据历来非常分散,而使用起来非常昂贵。

达到数据和人工智能成熟度是释放业务价值的关键

为了从数据中生成可操作的实时见解,企业需要通过人工智能和机器学习部署等多种方法获得所需的结果。