日期：2022-08-25
上期我们重新“认识”了数据中心效率！带着这份“认识”，本期我们来探析影响数据中心电力效率的因素和数据中心效率模型。
影响效率的因素
数据中心环境的若干变量对于效率有显著的影响。其中包括IT负载、室外条件以及设备的用户配置和设置的影响。
IT负载对效率的影响
数据中心状态随时间变化的情况会导致数据中心的效率随时间变化。随时间变化的最重要条件之一就是IT负载。IT设备的功率管理特性可导致IT负载的瞬间变化，而数据中心运营商去除或加装IT设备可导致IT负载的更长期变化。图4示出一个典型数据中心的效率如何随IT负载变化。
图4 PUE总是IT负载的函数–负载越低，效率越低
数据中心内电源和制冷设备的固定设施的PUE曲线如图4所示的形状，其在轻负载下效率较低。由此曲线我们可看出，效率随负载有显著的变化。
IT负载在一天时间内因IT计算工作负载的变化而变化，该图显示，我们可以预期在一天时间内瞬时PUE的变化。这意味着瞬时PUE不会等同于日PUE。如果周末IT工作负载与工作日IT工作负载不同，则我们会发现，日PUE测量值通常与周PUE不符。这对于我们如何测量效率以及如何解释测量值有重要的提示，后文将对此进行讨论。
PUE随负载的变化对于效率数据的解释还有另外的重要影响。以下考虑两个数据中心比较的情形。假设数据中心A的PUE测量值为2.0，而数据中心B的PUE测量值为1.7。数据中心B的效率测量值似乎更好，因此认为它在本质上具有更优秀的设计、是“更绿色”的数据中心似乎是合理的。然而，还需要对这两个数据中心进行更详细的考虑，如图5中所示。
图5显示，数据中心A即使是在测量时刻PUE值较差，其总体效率曲线还是优于数据中心B。从规范角度而言，数据中心A可能采用了效率高得多的电源和制冷设备以及优化的气流设计。尽管如此，因为其IT负载百分比低于数据中心B，它将工作在其效率曲线上效率更低的点上。
图5中哪种设计更好？工程师会说数据中心“A”的固有设计效率更好。然而，商务人员会说该数据中心的选型规划不佳，其中忽略了所有技术效率的增长。哪一“设计”更好要取决于您是否将适当选型视为设计的一部分。
图5 两个不同数据中心的PUE曲线的比较
室外条件对效率的影响
室外条件是随时间变化并影响数据中心效率的另一个因素。尽管日照、湿度和风速等各种因素均可能影响效率，但最重要的变量是室外温度。图6示出了一个典型的数据中心的效率如何随室外空气温度变化。
图6 PUE与室外温度的函数关系
典型数据中心的效率随温度的上升而降低，因为排热系统在处理数据中心热量时会消耗更多的功率，也因为室外向数据中心内的热渗透成为必须处理的附加热负载。图6的虚曲线显示出，当制冷系统有“经济装置”工作模式时，可以如何提高较低温度下的效率。很明显效率会随室外温度变化，特别是在数据中心配有经济装置制冷模式时。
用户配置和设置对效率的影响
用户可采用多种措施来影响PUE。用户可以更改温度或湿度设定点，移动或添加通风地砖，或者不清洗空气过滤器等。这些影响的变动性很大，取决于电源和制冷系统的具体设计。鉴于本文分析的目的，这些与用户相关的“设置”将被作为数据中心设计的属性，而非IT负载和天气等可变条件。当用户更改这些“设置”（例如，移动一块通风地砖，改动某一过滤器，或更改温度设定点）时，数据中心设计即被视为已发生变化，需要进行新的测量。
变化条件的综合影响
在实际的数据中心内，我们已解释了效率会随IT负载和温度变化而变化。图7显示数据中心效率在一周时间内因三种不同的影响而改变的方式：
1
由IT负载和室外温度的每日摆动导致的每日内变动
2
由天气导致的各天之间的变化
3
周末的IT负载缩减
图7 瞬时PUE在一周时间内的变化
尽管各天之间的变化并不显著，它还是会严重降低特定的单次PUE测量的效用。即使一次特定的效率测量是以极高的精度进行，由于预期的各天之间的效率存在差异，其在预测电费开支、评测效率改进活动效用以及进行趋势分析方面的精度也会很差。采用单一瞬时稽核类型的PUE测量对于基准制定和趋势分析均无效，且不能提供针对效率改进机会的可操作的见解。幸运的是，有一种方式可以应用测量来实现所有这些目标，但它需要一种新的关于测量目的的思维方式。
数据中心的效率模型
一个精确表示特定数据中心的工作状况并接受IT负载、室外天气统计数据等作为输入的数学模型可在数据中心能源管理程序中获得有效的应用。与对实际运行的数据中心进行、只能提供测量时刻条件数据的测量不同，模型可以对提供给它的任何输入条件给出数据。例如，即使当实际IT负载仅为额定负载的一小部分时，模型也可以提供数据中心在满载下的效率预期值。可以对两个不同数据中心的模型提供系统的输入条件，以进行有意义的比较。此外，模型甚至可以在数据中心建成之前构建，由此可以提前预测其性能。
建立效率模型的优势
在一个正在运行的数据中心中，我们不能简单地改变天气或IT负载以对条件进行正规化或标准化。当我们进行一次“快照”式测量时，我们别无选择：我们获得的是当前的IT负载和当前的天气。一个有效的模型使我们能够对不同条件下的测量值进行正规化，确定数据中心的基本运行性能。以下列出了数学模型可以提供的不能通过简单测量和记录数据中心效率获得的一些优势：
事先准确预测所拟议数据中心设计的效率性能
高精度地估算一个正在运行的数据中心在不便于测量的条件下（例如在不同的IT负载下，或者在业界基准条件下）的效率性能
对于仅有部分信息、测量所有回路的功耗并不现实的条件下高精度地估算数据中心的效率性能
高精度地估算数据中心在各种室外条件下的效率，并可估算一段时间内的效率均值
对数据中心电源、制冷和照明系统中的特定设备对数据中心低效率的贡献度进行识别和量化
识别出在其预期效率参数之外运行的数据中心子系统
评测并比较不同数据中心的模型
尽管在某一工作点进行的数据中心效率单次测量有一定信息提示作用，但这在没有上述功能的条件并不可行。鉴于此原因，数学模型是创建用于效率管理的过程和系统的关键所在。正是此模型使人能够理解低效率的原因；因此，数据中心效率测量的目的是确定效率模型的参数。
总而言之，数据中心效率测量的一个关键目的是获取有助于建立该数据中心的精确模型的信息。正是此模型提供关于数据中心效率的有价值信息，而非测量值。
数据中心效率的实用模型
尽管数据中心效率建模的优势十分有价值，但仍然存在一个问题，即对一特定数据中心开发和运行数据中心效率模型是否可行和实用。此问题的答案取决于模型所要求的精度等级。我们的研究发现，建立并运行具有足够精度的模型以实现本文所概要给出的效率管理目标是非常现实的。
图8 显示设备需求和最终损耗的数据中心效率模型
此简图显示数据中心基础设施功耗（损耗）如何由IT负载和室外温度/湿度条件决定，从而在电源、制冷和照明系统内产生能源需求。每一类设备（UPS、CRAH等）对其均有需求（即电气需求、热学需求）并会根据设备配置和固有效率特性产生功耗（损耗）。影响效率模型的系统配置要素包括诸如以下方面：由UPS供电的设备类型、冷却设备类型以及经济装置模式的使用。该模型包括该地的天气统计数据。关于数据中心效率模型的理论、构建和使用的详细说明可回顾上期文章了解。
对一现有数据中心可以创建一个数据中心效率模型，而如果电源、制冷和照明设备的设计和特性已知，则也可在数据中心建设之前创建。如果该模型可以准确地代表其设计，则其提供的数据也将具有类似的精度。尽管某些类型的设备（如照明、UPS以及变压器等）的电气性能非常稳定且可预测，但在泵和空调机等设备的竣工性能方面还存在许多可能导致模型精度降低的不确定性。这正是测量可以起作用的方面。
下期我们进入实践阶段：制定效率测量计划；效率测量中的数据收集；建立报告系统。下期见啦~
上期回顾 ●●
// 1
