PUE作為綜合考察數(shù)據(jù)中心的用能效率指標(biāo)，成為事實(shí)上衡量數(shù)據(jù)中心能效的KPI。因此各大IT廠商在如何降低PUE上使出了渾身解數(shù)，各出奇招。先來看幾個(gè)典型的低PUE數(shù)據(jù)中心，看看他們采用了何種妙招~
微軟
微軟在英國蘇格蘭奧克尼群島海岸線附近水域部署的潛水艇式水下數(shù)據(jù)中心。所有部件預(yù)集成，并且可以利用海水進(jìn)行自然冷卻。
雅虎
位于美國紐約州的洛克波特的雅虎“雞舍式”數(shù)據(jù)中心。雅虎“計(jì)算雞舍”完全放棄了機(jī)械式冷水機(jī)組，幾乎完全依靠外部空氣進(jìn)行冷卻。“計(jì)算舍”的PUE值大約為1.08。
谷歌
注明：以上圖片來源于網(wǎng)絡(luò)
Google位于比利時(shí)Saint-Ghislain的數(shù)據(jù)中心。該數(shù)據(jù)中心的蒸發(fā)冷卻系統(tǒng)從附近的工業(yè)運(yùn)河抽取用水， 實(shí)現(xiàn)了100%水側(cè)自然冷卻，全年平均PUE1.11。
這些數(shù)據(jù)中心都有一個(gè)共同點(diǎn)：高效利用自然冷源。但與此同時(shí)，他們也犧牲了靈活性。這些數(shù)據(jù)中心建設(shè)模式與環(huán)境強(qiáng)耦合，難以批量復(fù)制。
那么問題來了，不是所有的數(shù)據(jù)中心都能建在海里和山里，那我怎么降低PUE？
傳統(tǒng)自動(dòng)和人工調(diào)節(jié)面臨困境
傳統(tǒng)的冷凍水制冷系統(tǒng)由冷水機(jī)組、泵、冷卻塔、末端等部分組成。由于制冷能耗與設(shè)備散熱、設(shè)備配置、機(jī)房環(huán)境，外部氣象條件相互關(guān)聯(lián)，在運(yùn)維達(dá)到一定的成熟度后，單純憑借硬件節(jié)能或者基于人工經(jīng)驗(yàn)的簡單調(diào)優(yōu)，都已經(jīng)無法滿足能耗進(jìn)一步降低的要求。
冷凍水制冷系統(tǒng)的調(diào)節(jié)需要解決三個(gè)問題：
- 確保制冷系統(tǒng)的各部件運(yùn)行在高效區(qū)間內(nèi)（單部件最優(yōu)）；
- 找出制冷系統(tǒng)內(nèi)各個(gè)部件的最佳組合（全局最優(yōu)）。例如同樣輸出1000KW冷量，冷卻塔、冷卻泵、冷機(jī)，冷凍泵各自的頻率應(yīng)當(dāng)是多少？哪種組合更節(jié)能？
- IT負(fù)載與制冷系統(tǒng)進(jìn)行關(guān)聯(lián)，實(shí)現(xiàn)熱量需求與冷量供給的均衡。
基于傳統(tǒng)專家經(jīng)驗(yàn)的調(diào)優(yōu)，多數(shù)只能解決第一步的問題，難以達(dá)成制冷系統(tǒng)全局最優(yōu)。而且人工調(diào)節(jié)周期長，速度慢，無法滿足節(jié)能降耗的相關(guān)訴求。
針對(duì)復(fù)雜的冷凍水制冷系統(tǒng)，需要找到一種新的控制算法，來達(dá)成整體最優(yōu)。大數(shù)據(jù)、人工智能成為能效優(yōu)化的一個(gè)探索方向。
華為iCooling創(chuàng)新解決方案
基于AI的iCooling數(shù)據(jù)中心能效優(yōu)化解決方案，可在給定的氣候條件、業(yè)務(wù)SLA等條件下，通過深度神經(jīng)網(wǎng)絡(luò)，自動(dòng)推理出最優(yōu)PUE下的系統(tǒng)參數(shù)，實(shí)現(xiàn)數(shù)據(jù)中心能效最優(yōu)。其詳細(xì)的實(shí)現(xiàn)方案如下：
- 數(shù)據(jù)采集：采集冷凍站、末端空調(diào)及IT負(fù)載等系統(tǒng)的相關(guān)運(yùn)行參數(shù)。以廊坊云數(shù)據(jù)中心二期為例，共700+采集點(diǎn)，共采集了9個(gè)月的運(yùn)行參數(shù)；
- 數(shù)據(jù)治理：對(duì)原始數(shù)據(jù)進(jìn)行降維、降噪、清洗等處理。華為強(qiáng)大的自動(dòng)化治理工具，一億條原始數(shù)據(jù)可以一個(gè)小時(shí)內(nèi)完成治理，為后續(xù)的模型訓(xùn)練提供高質(zhì)量數(shù)據(jù)；
- 模型訓(xùn)練：利用高質(zhì)量的數(shù)據(jù)和DNN（深度神經(jīng)網(wǎng)絡(luò)），訓(xùn)練出PUE模型。經(jīng)過訓(xùn)練的PUE模型，其預(yù)測(cè)準(zhǔn)確率可達(dá)99.5%，誤差<0.005；
- 推理決策：將訓(xùn)練好的預(yù)測(cè)模型發(fā)布到推理平臺(tái)上。iCooling不僅能在1分鐘內(nèi)，利用預(yù)測(cè)模型從17萬種組合中找出在當(dāng)前室外環(huán)境、IT負(fù)載下的最優(yōu)參數(shù)組合，并能根據(jù)要求進(jìn)行多層過濾，最后得出最合適的指令，下發(fā)執(zhí)行并反饋效果。
AI開啟數(shù)據(jù)中心“智冷”新時(shí)代
華為廊坊云數(shù)據(jù)中心，在沒有增加硬件成本的情況下，使用iCooling@AI技術(shù)，結(jié)合華為自研的能效最優(yōu)的溫控產(chǎn)品，打通IT負(fù)載到制冷系統(tǒng)再到整個(gè)外界環(huán)境之間的數(shù)據(jù)聯(lián)動(dòng)，把已建好的數(shù)據(jù)中心PUE降低了0.1，每年可節(jié)約數(shù)百萬的電費(fèi)。
隨著相關(guān)算法理論的不斷完善，計(jì)算能力的不斷提高，人工智能獲得了迅速的發(fā)展，人臉識(shí)別，智能搜索，人機(jī)對(duì)弈，自動(dòng)駕駛等多種應(yīng)用正在走向千家萬戶。
在數(shù)據(jù)中心基礎(chǔ)設(shè)施領(lǐng)域，AI也大有可為。AI+配電系統(tǒng)，智能分析故障根因，從被動(dòng)告警到主動(dòng)預(yù)防；AI+制冷系統(tǒng)，iCooling可以顯著降低能耗，達(dá)成綠色節(jié)能的目標(biāo)；AI+運(yùn)維系統(tǒng)，真正實(shí)現(xiàn)無人運(yùn)維。
