随着越来越多的集成进入数据中心,更多系统迁移到数据中心,基础设施最佳化已直接影响到高等级服务的交付,正因为如此,数据中心管理员都在不断努力寻找方法来提升性能,提高基础设施的密度,并增加多租户功能。核心数据中心技术必须克服即将出现的所有挑战,而数据中心基础设施也需要不停迭代。当然,数据中心的优化绝不止以上几个步骤,终端用户和冗余也必须考虑进去,数据中心优化的关键就是将环境保持放到第一位,数据中心能源消耗的优化有几种方法,有下面的几种方法可以参考。

如何优化数据中心能耗?哪些问题阻碍优化数据中心?

  从设备配置上优化数据中心能耗的方法:

  (1)配备楼宇管理系统

  安装楼宇管理系统(BMS),该系统将从冷却系统中提取大量信息。它自动执行大量流程,并处理和记录大量的最终使用数据,因此用户不用一直依赖人工调整,从而允许用户更加有效地防止能源浪费。例如,如果早上2点钟用电量激增,用户就可以查看周围的变量,就可以定位到相应的区域和设备,并采取相应措施来降低能耗。

  (2)采用更加节能的EC风扇

  用户的另一个选择是,通风散热设备采用电子换向(EC)风扇。 EC风扇是一个节能减排的双赢选择。用户通过安装EC风扇,能够获得相同的速度和气流,并显著节省电能。但用户需要通过结合更加智能的控制策略来加强风扇的控制和管理,根据温度或需求来调节风扇转速,因为EC风扇是一种指数型的曲线,而风扇转速越低,就会节省越多的电能。

  (3)冷水机组设置更高的温度可能更节能

  最后一个建议是冷水机组的冷冻水设定值不能设置太低,如果用户通过一个固定的设定值来优化数据中心能效,这可能会起到反作用。例如,将冷冻水的温度固定在7℃,而在一年90%的时间里,其设定温度过低,另外的10%的时间里,其设定的温度则有些过高。

  因此,通过监控所有信息数据,并将其捆绑在一起,才可以优化设定值,特别是可以提高设定点,并使系统尽可能多地采用自然冷,这样就能够节省大量的电能。例如,如果冷却系统以17℃冷冻水设定点运行,而不是以传统的7℃-12℃设定点运行,那么在一年中可以采用更多的自然冷却。

  数据中心最常见五种优化方式

  (1)改善散热等数据中心环境变量

  数据中心环境是不容易控制的,但通过CFD仿真分析可以发现热点并优化数据中心制冷。在对数据中心环境进行优化时,可以检查以下几个关键因素,包括机架放置、服务器密度、地板、通道设置等。另外,可以使用趋势分析系统,有助于当前和未来潜在的需求。优化数据中心也意味着降低了运营成本,改善关键基础设施可以让你少花环境运行所需要花的钱。

  (2)软件定义技术(SDX)和虚拟化

  在几年前虚拟机监控程序也许是比较前沿的技术,但我们现在能够直接与重要的API集成,减少跳线并大幅度提高工作负载性能,如通过软件定义网络、存储、安全等新技术。网络虚拟化的新水平允许管理员创建跨越数据中心跨越国界的庞大网络环境,也突破了硬件的限制,软件定义技术可以在不同程度上提升数据中心效率。

  (3)优化电源使用

  优化电源使用即对功耗进行优化,由此也影响到数据中心在选址时考虑到了气候问题。现在的带宽情况比较好,即使是在比较偏远的地区也是可以进行数据中心的部署。如冰岛的电网完全采用水电和地热发电,确保了完全的“绿色”电源。比起在美国、英国、德国等地的电价,冰岛上的电力成本每千瓦时才4.5美分,也是吸引数据中心用户的一个重要原因。除了新建数据中心外,还有很多直接的方式可以用来优化电源,可以通过检查现有的环境,检查损耗功率,如服务器闲置时使用了多少功率,根据动态的资源需求选用比较好的电源管理系统,或者在供电系统规划设计时围绕整体基础设施进行优化,使用监测并调整功率。

  (4)利用云计算

  混合云平台越来越受客户的青睐,通过整合一个云模型是提高数据中心效率的一个不错的方式,这也是很多用户将数据中心扩展到云的原因。数据中心空间的竞争为大家带来了新的产品,更优惠的价格和更多的可用资源,也意味着创建私有云和公共云环境之间的智能链路也变得更加容易。数据中心管理现在可以跨越许多不同的云模型,管理人员并没有过多担心物理基础设施,他们更关心的是在上面直接运行的工作量。这种数据中心优化方法,只需要搭建基本的基础设施环境,通过使用云计算技术、软件定义技术以及分布式基础架构管理,可以更多的服务则延伸到云中。

  (5)创建透明管理

  大量的数据中心分发和云计算的使用给现代数据中心带来了新的挑战,在数据中心优化方法中,明确的管理是很关键的。当前数据中心虚拟化以及新数据中心操作系统(DCOS),这些管理平台需要基于DCIM、自动化、云控制,并把数据中心服务提升到一个全新的水平,需要确切的知道物理系统上正在运行着什么,需要对周围的资源更好的主动分配,让数据中心未来支持更多的用户,这一切都需要一个好的数据中心管理平台。

  创建一个更好的数据中心不仅仅是上述的五个方法,数据中心优化只是确保数据中心环境更好的被使用,并处在最佳的运行状态。优化您的数据中心,如果开发出一个更具弹性的平台,在提高您的整体业务时将更节省您的钱。

  哪些问题阻碍了优化数据中心?

  许多组织在公有云中无意识地导致过度配置,而这个错误的代价太高,企业对此无法忽视。通过避免五个最常见的错误,企业可以最大限度地提高云计算资源效率,并降低业务在这些新环境中的性能风险。

  (1)没有利用基准来平衡平台之间的数据

  调整云计算资源分配的一个常见方法是在从一个虚拟环境或云环境移动到另一个虚拟环境或云环境时,将其分配差不多的大小。这意味着将工作负载分配给旧的资源。但并不是每个环境都运行相同规格的硬件。如果企业不使用基准来规范工作负载数据,并适应环境中底层硬件之间的性能差异,那么就无法准确地了解该工作负载将如何在新环境中执行。

  较新的环境通常具有更强大的硬件,从而使企业更容易获得回报,因此,工作负载并不需要分配相同数量的资源。这是在转换服务器和优化公有云使用时的关键所在,因为提供者不断提供新硬件上运行的更新的云实例类型。为了避免大量占用资金,你需要能够进行比较,唯一的办法就是通过数据的标准化。

  (2)陷入“Bump-up循环”

  “Bump-up循环”是一个恶性的循环,会导致过度配置和超支。假设工作负载正在运行,其CPU使用率是100%。采用一个简单的工具将会看到这一点,认为它的配置不足,并且建议调高CPU资源(以及云实例的成本)。这里的问题是某些工作负载将使用与它们相同的资源。如果提供更多的CPU,这些应用程序将采用它,仍然运行在100%,也许只是更短的时间。这个循环重复执行,被困在代价昂贵的Bump-up循环中。为了避免这种资源吸引循环,您需要准确了解工作负载的工作情况以及其工作原理。再次,我们回到需要了解各个工作负载模式和工作负载的性质。当查看内存时,这是特别重要的,这是云计算成本的主要驱动力。

  (3)不了解详细的应用程序工作负载模式

  并不是所有的工作负载都是平等的,无论企业正在采用哪个公有云,最大的问题就是关于云实例选择的细节。理解工作负载的用途和工作负载利用模式的详细性质,这一点很重要。

  在每个月底完成一次工作的公有云中运行批处理工作负载的经济性与那些全天忙于各种高峰和低谷的应用程序有很大的不同。要正确地选择正确的资源和云实例,企业确实需要了解一天之内工作负载模式以及该模式如何在业务周期中发生变化。

  不幸的是,许多组织采取简单的方法分析其工作量,而只查看每天的平均数或百分位数并不是彻底的方法,不能深入地了解具体的模式。结果是对资源需求的不准确的描述,这可能导致过度配置和性能问题。这些简单的方法很少做到正确。当企业在寻找帮助其选择正确的云实例的解决方案时,请选择真正了解工作负载的详细使用模式的东西。

  (4)着眼于调整规模,并忽视现代化的工作量

  将工作负载实现现代化,在更新的性能更强大的硬件上运行版本更新的云实例产品,可以成为降低成本的有效手段。事实上,人们已经发现,适当规模的实例可以在公有云计算中节省20%的成本,而现代化和适当的调整则平均节省了41%的成本。

  随着公有云供应商提供的服务和实例类型多的令人眼花缭乱,企业很难选择适合的实例,更不用说跟上新的选择。尽管潜在的节省成本值得努力。要做到这一点,需要详细了解工作负载,云实例目录,成本以及规范化数据的能力,以解决环境之间的性能差异。这不是人工可以完成的,需要进行彻底的分析才能找到正确的组合来节省资金并确保业绩。这也是应该定期完成的事情,甚至几个月前部署的应用程序可能就是很好的候选者。

如何优化数据中心能耗?哪些问题阻碍优化数据中心?

  (5)无法管理空闲的僵尸实例

  大多数组织没有一个有效的过程来识别空闲的“僵尸”实例,导致他们随着时间的推移而堆积。它们通常是由于仓促地为短期部署实例而忘记关闭实例的结果。僵尸实例只是浪费预算。为了避免这种不必要的成本,组织必须使用足够的历史来查看整个业务周期(数周或数月)的工作量模式。识别和消除这种实例可以节省成本,但它需要比大多数工具提供更长期的工作量可见性。

  大多数组织没有意识到他们在公有云中花费的费用是多少。节省这笔资金需要更加注意了解企业工作负载如何利用资源以及他们真正需要在不影响性能的前提下尽可能高效地工作。要明白细节是避免云预算超支的唯一途径。


如何优化数据中心能耗?哪些问题阻碍优化数据中心?
分页:12
转载请注明
本文标题:如何优化数据中心能耗?哪些问题阻碍优化数据中心?
本站链接:https://www.codesec.net/view/576553.html


1.凡CodeSecTeam转载的文章,均出自其它媒体或其他官网介绍,目的在于传递更多的信息,并不代表本站赞同其观点和其真实性负责;
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性,不作出任何保证或承若;
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。
登录后可拥有收藏文章、关注作者等权限...
技术大类 技术大类 | 大数据技术 | 评论(0) | 阅读(173)