DoSERV盘点:八大数据中心节能方法(二)

更多请参见《DoSERV盘点:八大数据中心节能方法(一)

基本的节能方法之三:使用免费的外部空气制冷

更高的数据中心温度能帮助用户更好的利用二级节能技术,这就是所谓的利用较低的外部空气温度作为冷空气源制冷的免费空气制冷方法,这种方式摒弃了昂贵的制冷器,微软在爱尔兰的数据中心采用的就是这种方式。如果你打算将温度维持在80华氏度,外部的空气温度为70华氏度,那么你可以将外部空气引入数据中心来保证内部空气的冷却。

实现这种效果所需的努力比节能方法一种提高数据中心温度这种权益之计要更加耗时耗力:你必须变更输送通道来引入外部空气,部署基本的安全措施–比如空气过滤器,湿气清除装置,防火档板和温度传感器,以此来确保外部空气不会破坏敏感的电子元件。

在有限的使用案例中,英特尔公司意识到使用免费的空气制冷降低了74%的能耗。服务器上安装两个制冷装置,一个采用传统的冷凝器来制冷,另一个使用冷凝器和安装大型粒子过滤器的外部空气结合的方式制冷,运行了10个月的时间。免费空气制冷系统能够在91%的时间范围内使用空气制冷。英特尔公司还在免费空气制冷的服务器内发现很厚的一层灰尘,需要加强对细粒杂质的过滤。你可能必须经常更换过滤器,因此清洁的,可重复使用的过滤器成本要考虑在内。

尽管积累了大量灰尘和让湿度发生了很大改变,但是英特尔公司发现免费空气制冷的服务器故障率并没有增多。如果推断数据中心耗能为10兆瓦,那么每年可节约的制冷成本将近300万美元,能减少7600加仑的用水,水资源在某些区域本身就是一种昂贵的商品。

基本的节能方法之之四:使用数据中心热量来温暖办公区域

可能你会对使用数据中心节约的热量来温暖办公区域存在疑问,这就像说你使用相对较冷的办公室空气来为数据中心制冷是一样的。在气候寒冷的区域,你可以收集所有可以保证人们温暖的热量并使用纯粹的外部空气来管理任何额外的制冷需求。

与免费的空气制冷不同,你不再需要现有的供暖系统;从定义上来看,当你暖和起来你就无需再进行供暖。不必再担心来自服务器和烟尘散发的化学污染。有害物质的当代限制公约要求服务器和数据中心不包含对环境有害的污染物,比如镉,铅,水银和多溴混合物等。

就免费空气制冷而言,你必须需要了解的就是暖通空调技术:风扇,输送管道和温度调节装置。你可能会发现你的数据中心会耗费更多的千卡来替换传统的供暖系统。IBM公司在Uitikon和瑞士的数据中心能够免费为市政游泳池供暖,节约的能源相当于为80个家庭供暖。TelecityGroup Paris甚至使用服务器浪费的热量来为恒温的温室供暖,并为气候变化研究提供参考资料。

重新配置你的熔炉系统可以不止是个短期计划,但是成本可能足够低廉,这样你在一年内或者更短的时间内就能有所回报。

基本的节能方法之五:使用固态硬盘来存储高度活动状态的只读数据集

由于固态硬盘加快了数据读取时间,降低了能耗并且热排放非常低,因此已经广泛应用于超便携式笔记本电脑,平板电脑和上网本。他们也被应用于服务器领域,但是截至到目前,固态硬盘的成本和可靠性还是影响用户进一步接受它的两个障碍。幸运的是,固态硬盘的价格在过去两年间有了大幅度的下降,使得固态硬盘成为数据中心快速节能的一大选择–因为用户可以将固态硬盘应用于适合的应用软件,只要应用得当,固态硬盘能大大缩减数据中心供电和制冷磁盘阵列的价格,能耗降低了大概50%,热散失也接近为零。

固态硬盘的一个问题就是读取操作的数量有限,目前适用于服务器存储的单级别设备数据写入数量约为500万。低成本的消费类多级别单元设备的存储容量要稍高一些,但是也只有单级别单元设备可承受能力的十分之一。

固态硬盘的好消息是你可以购买插入式可兼容驱动来替换现有的大能耗高散热的设备。为了快速的降低能耗,用固态硬盘替换大规模的初始化只读数据集,比如流视频档案等。你不会遭遇固态硬盘过热的问题,除了能降低能耗和制冷成本外,用户还将从中获取立竿见影的性能提升。

我们主张硬盘专门应用于服务器而不是桌面系统。这类硬盘通常有着多通道体系架构来提高输出/输出能力。最常见的是几倍每秒3GB传输速率的SATA 2.0。诸如更高端的SAS设备(比如日立/英特尔Ultrastar固态硬盘产品线)能实现每秒6GB的传输速率,存储容量最高可以达到400GB。虽然固态硬盘设备存在着一些设计上的缺陷,但是这些硬盘主要应用于用BIOS密码和加密的桌面系统和笔记本驱动,不会涉及到服务器的存储设备。

最好从开始阶段就花些精力来规划固态硬盘上循环监控的使用。英特尔公司和其他固态硬盘制造商可以提供分析工具来跟踪读取和写入循环,以及读取故障事故。固态硬盘能自动重新规划整个设备的读取,这个过程被称为负载平衡,还可以从错误中进行侦测和恢复。当系统发生真实的重大读取故障时,就是对硬盘更新换代的时候了。

更多内容请参见《DoSERV盘点:八大数据中心节能方法(三)