Značenje dCi-a
Sep 13, 2025| 
Rastuća važnost infrastrukture podataka
Eksponencijalni rast računala i digitalnih usluga u oblaku pozicionirao je centre podataka kao kritičnu infrastrukturu u modernoj digitalnoj ekonomiji. Razumijevanje značenja DCI (Infrastruktura podataka podataka) postalo je najvažnije za organizacije koje žele optimizirati svoje računske resurse uz minimiziranje utjecaja na okoliš. Data centri trenutno konzumiraju otprilike 1-2% globalne električne energije, a projekcije sugeriraju ovu brojku može do 2030. do 2030. godine dostići 3-5%.
Ova značajna potrošnja energije zahtijeva sofisticirane simulacijske alate i metodologije za model, analiziranje i optimiziranje operacija podataka za poboljšanu energetsku efikasnost.
1-2% Trenutna globalna potrošnja električne energije po podacima centrima
Predviđeno da do 2030. dosegne 3-5%
Komponente potrošnje energije
Potrošnja energije u savremenim podatkovnim centrima se proteže daleko izvan samih servera. Sveobuhvatna analiza otkriva da samo udio konzumirane energije direktno pokreće računski poslužitelji, dok se većina dodjeljuje za održavanje veza međusobnih veza, operacije mrežne opreme, distribuciju energije, sustava za distribuciju električne energije i rashladne infrastrukture.
DCI Ključne komponente
Računarski serveri
Mrežna infrastruktura
Sistemi za distribuciju električne energije
Rashladna infrastruktura
Sistemi upravljanja
Srodni resursi
Trendovi efikasnosti podataka 2025
Ključni razvoj u optimizaciji energije
Vodič za dizajn modularnog centra Data
Najbolje prakse za skalabilnu infrastrukturu
Zeleni računarski standardi
Industrija mjerila za održivost
Metrike i osnove energetske učinkovitosti
Učinkovitost podatkovnih centara kvantificirana je putem performansi - po - vatim metrini, posebno kroz dva ključna indikatora: efikasnost upotrebe energije (Pue) i efikasnost infrastrukture podataka (dCie). Ove metrike opisuju udio energije koji konzumiraju računski serveri u odnosu na potpunu potrošnju objekata.
Efikasnost upotrebe energije (Pue)
PUE se izračunava kao omjer ukupne energije koji troši podatkovni centar na energiju koju je potrošila IT oprema. Niži bog ukazuje na bolju efikasnost.
Prosjek industrije
1.8 - 2.0
Sledeće - Gen dizajn
1.2
Efikasnost infrastrukture podataka (dCie)
Mobilni režim LCL sobe je prikladniji, dizalica se može brzo prevesti do odredišta, podizanje web lokacije, dan za boravak, instaza
Prosjek industrije
50 - 55%
Sledeće - Gen dizajn
83%
Trenutna industrija - Prosječne vrijednosti bogovanja se kreću između 1,8 i 2,0, iako sledeće - modularni modularni dizajn postigli su bogoslevi u vrijednosti od 1,2, što predstavlja poboljšanje 40% u efikasnosti. Razumijevanje značenja DCI komponenata i njihovih obrazaca potrošnje energije od suštinskog je značaja za postizanje ovih poboljšanja.
Tri - Arhitektura centra podataka
Prevladavajuća arhitektura centra podataka sastoji se od tri - strukture slojskog stabla koje sastoji se od poslužiteljskih domaćina i sklopki. Ovaj hijerarhijski dizajn uključuje jezgrani sloj na korijenu drveća, sloj agregacije odgovoran za usmjeravanje i pristupnim bazenima računarskih poslužitelja.
Tri - Arhitektura centra podataka
Evolucija arhitekture podatkovnih centra
Rani podatkovni centri koriste dvije - slojne arhitekture bez slojeva agregacija; Međutim, na osnovu vrsta prekidača i pojedinačnih zahtjeva za širine opsega domaćina, dvije - slojne arhitekture obično ne podržavaju ne više od 5.000 domaćina.
S obzirom da savremeni podatkovni centri sadrže oko 100.000 domaćina i zahtijevaju sloj 2 prekidača u pristupnim mrežama, tri - lajška arhitektura pojavila se kao optimalni izbor dizajna.
Mrežna širina propusnosti
Uprkos komercijalnoj dostupnosti od 10 Gigabit Ethernet (10ge) primopredajnika, računarski serveri organizirani u konfiguracijama stala i dalje koriste 1ge veze u tri - sloj arhitekture. Ovaj izbor odražava i visoke troškove od 10ga primopredajnika i potencijal za prekomjernu širinu opsega {- izvan stvarnih zahtjeva za računarske poslužitelje.
Odnos pretplate u tipičnim konfiguracijama
Top - od - stalak (TOR) prekidači
Downlinks: 48 x 1ge
Uplinks: 2 x 10ge
Odnos pretplate:2.4:1
Prosječna podizačka propusnost po poslužitelju: 416 MB / s
Agregacijski prekidači
Tipični omjer prekomernog obrisa: 1,5: 1
Prosječna podizačka propusnost po poslužitelju:277 MB / s
Arhitektura simulatora Greencloud
Greencloud simulator, razvijen na mrežnoj simulacijskoj simulacijskoj simulaciji NS-a, pruža finozrnate sposobnosti simulacije za trenutnu oblaku u oblaku računarstvo, sa posebnim naglaskom na komunikacijsku i energetsku efikasnost u okviru podataka. Ovaj simulator nudi detaljnu modeliranje potrošnje energije za različite komponente za podatkovne centar, uključujući servere, sklopke i veze, dok sveobuhvatno predstavljaju obrasce distribucije radnog opterećenja.
Ključne mogućnosti
Paketište - Simulacija nivoa podataka o podacima
Detaljna modeliranje potrošnje energije za sve komponente
Tačan prikaz tri - sloj arhitekture
Sveobuhvatni obrasci raspodjele radnog opterećenja
Podrška za različite tehnike upravljanja električnom energijom
Hardverske komponente i modeli potrošnje energije
Računarski serveri
Računarski poslužitelji čine primarne komponente izvršenja zadataka u okviru podataka. Greencloud modeli serveri sa mogućnostima obrade mjerenih u MIPS-u ili flopama, specifičnim memorijskim resursima / skladištenim resursima i raznim mehanizmima zakazivanja zadatka.
Model napajanja servera
P = Pfiksni + Pf × f³
Gde pfiksnipredstavlja frekvenciju - neovisna potrošnja energije i Pfpredstavlja frekvenciju - ovisnu o potrošnji energije CPU-a.
Neirretni serveri troše otprilike dvije - trećine vrhunske potrošnje energije opterećenja zbog kontinuiranog upravljanja memorijskim modulima, diskovima, I / O resursima i drugim perifernim resursima i drugim perifernim resursima i drugim perifernim resursima i drugim perifernim resursima. Računarska potrošnja energije se povećava linearno sa CPU opterećenjem.
Mrežna infrastruktura
Arhitektura interkonekcije koja sadrži mrežne prekidače i veze osigurava pravovremenu dostavu podataka na računskih poslužitelja. Inter - Prebacivanje i prebacivanje - Server Server sheme za međusobno povezivanje ovise o podržanoj opsegu, fizičkim karakteristikama veza i parametrima kvaliteta.
Sklopke model napajanja
Pprebaciti = Pšasija + nna liniji × Pna liniji + Σ(nportovi, r × Pr)
Karakteristike radnog opterećenja i modeliranje poslova
Računarsko intenzivno radno opterećenje (CIW)
Simulirajte visoko - računarske računarske aplikacije (HPC) koje zahtijevaju opsežnu upotrebu računarskog poslužitelja, ali minimalni prijenos podataka.
Fokus: Potrošnja energije servera
Minimalni mrežni promet
Mogu koristiti načine spavanja za prekidače
Podaci - intenzivni opterećenje (DIW)
Generirajte minimalni računarski opterećenje poslužitelja, ali zahtijevaju značajan prijenos podataka, simulirajuće aplikacije kao što su dijeljenje video datoteka.
Fokus: Mrežna širina pojasa
Mreža postaje usko grlo
Zahtijeva balansiranje u prometu
Uravnoteženi radovi (BW)
Model aplikacije sa zahtjevima za računarske i prijenosne prijenose, proporcionalno servisiraju servere i komunikacijske veze.
Uravnoteženi poslužitelj i mrežni opterećenje
Primjeri: GIS aplikacije
Zahtijeva koordinirano zakazivanje
Komponente za izvršenje radnog opterećenja
Izvršenje svakog opterećenja opterećenja ovisi o dvije primarne komponente: uspješno računanje i završetak komunikacije. Računarska komponenta definira iznos računanja potreban prije određenih rokova, dok komunikaciona komponenta definira količinu prenosa podataka.
Veličina podataka o opterećenju
Bajti koji zahtijevaju prijenos od jezgre preklopnih na računski poslužitelji prije izvršenja radnog opterećenja, podijeljene u IP pakete.
Intra - Data centar
Podaci su razmijenjeni s drugim opterećenjima (potencijalno izvršavanje na istim ili različitim poslužiteljima), modeliranje između - ovisnosti o opterećenju. Može predstavljati 70% ukupnog prijenosa.
Extra - Data centar
Podaci koji zahtijevaju prijenos izvan mreže za podatkovni centar na završetku zadatka, koji odgovara rezultatima izvršenja zadatka.
Rezultati simulacije i analizu distribucije energije
Rezultati simulacije implementiranje DVF-ova i DNS tehnologija u podatkovnim centrima koji rade različite vrste opterećenja otkrivaju značajne varijacije potrošnje energije. Za međusobno opterećenje, efikasna optimizacija uključuje analizu komunikacijskih zahtjeva za opterećenje tokom zakazivanja, a zatim koordiniranje raspoređivanja radnog opterećenja na temelju među - spojnica za spajanje - tehnika nazvana koordiniranom rasporedom.
Napredne strategije optimizacije
Dinamičko upravljanje resursima
Moderni podatkovni centri koriste sofisticirane strategije upravljanja dinamičnim resursima za optimizaciju energetske učinkovitosti uz održavanje zahtjeva za performanse. Ove strategije uključuju konsolidaciju servera tokom niskog ({1}} razdoblja iskorištavanja, dinamična adaptacija topologije mreže zasnovana na prometnim obrascima i inteligentnim algoritmima plasiranja radnog opterećenja s obzirom na računarske i komunikacijske zahtjeve.
Konsolidacija servera
Smanjuje se aktivni server broji za 30 - 50% za vrijeme izvan vrha
Ušteda energije: 20-35%
Dinamička topologija
Prilagođava mrežnu strukturu na osnovu stvarnog - obrazaca vremenskih prometa
Ušteda energije: 15-25%
Inteligentni plasman
Optimizira distribuciju opterećenja u raspoloživim resursima
Poboljšanje performansi: 20-40%
Dizajn modularnog centra podataka
Buduće arhitekture centra podataka sve više slijede modularne principe dizajna. Tradicionalni nosači poslužitelja zamjenjuju se standardiziranim kontejnerima koji mogu ugostiti 10 puta više poslužitelja nego konvencionalni podatkovni centri unutar ekvivalentnih količina.
Svaki kontejner je optimiziran za potrošnju energije, integrirajući sustave za hlađenje vode i zrakoplovstva uz provođenje optimiziranih mrežnih rješenja. Ove kontejnere nude jednostavan prevoz i mogu postati utikač - i - module reprodukcije u budućim sadržajima za podatkovni centar bez krova.
Ključne prednosti modularnog dizajna
Vrijednosti Pue-a niže kao 1,2 (poboljšanje 33-40%)
Pojednostavljeno održavanje i skalabilnost
Smanjeni operativni troškovi i vrijeme raspoređivanja
Poboljšana tolerancija na grešku i redundanciju
Distribuirana evolucija arhitekture
Budući podatkovni centri prelazit će iz hijerarhijskog na distribuirane arhitekture, zamenjujući masnoću - konstrukcije drveća sa distribuiranim pristupima kao što su Dcell, Bcube, Ficonn ili Dpillar. Ove arhitekture eliminiraju pojedinačne točke neuspjeha svojstvenih hijerarhijskim dizajnom, gdje kvarovi za prekidače stalak mogu onemogućiti sve rack poslužitelje, a kvarovi suzgrenih ili agregacijskih prekidača mogu značajno smanjiti operativnu efikasnost ili ukinuti brojne regale neupotrebljive.
Prednosti distribuiranih arhitekture
Višestruka suvišnih staza
3-4 alternativne staze između parova poslužitelja
Poboljšana tolerancija greške
Eliminira pojedinačne točke neuspjeha
Kraće dužine staze
40- 50% smanjenje u odnosu na tri-nivoske dizajne
Niža potrošnja energije
20-30% Smanjenje u tipičnim opterećenjima
"Smjena od gledanja podataka kao zbirki pojedinih poslužitelja za liječenje kao skladišta - kompjuterskim putem pristupamo optimiziji učinkovitosti, od pojedinih komponenti kroz softverski sustave, sa tipičnim poboljšanjima učinkovitosti od 2-3x dostignuća kroz koordiniranu optimizaciju u svim nivoima."
Od "tatacentera kao računara: uvod u dizajn skladišta - Sredstva" (2013)
Barroso, Clidaras i Hölzle, Morgan i Claypool Publishers
Doi: 10.2200 / s00516ED2v01y201306cac024
Metrike evaluacije performansi
Sveobuhvatna simulacija podataka o podacima zahtijeva sofisticirane mjerene procjene performansi izvan tradicionalnog guma i dimenzija. Moderni simulatori ugrađuju metrike, uključujući performanse po vatu (PPW), produktivnost energije podataka (dCep) i efikasnost upotrebe ugljika (CUE).
Tehnike optimizacije komunikacije
Efektivna simulacija centra podataka mora precizno modelirati obrasce komunikacije i njihov utjecaj na potrošnju energije. Paketište - Razina simulacijske mogućnosti u alatima poput Greencloud omogućavaju preciznu analizu mrežnog ponašanja u različitim prometnim uvjetima.
Performanse po vatu (PPW)
Mjere Računarski radovi dovršeni po jedinici potrošenog energije, obično izražene u operacijama po vatu - sat.
Prometna združivanje
Smanjuje broj aktivnosti aktivnih mrežnih mreža konsolidacijskim tokovima.
- 30% tokom niskog iskorištavanja
Produktivnost energije podataka (dCep)
Kvantificira koristan proizvod proizveden po jedinici potrošenog energije u odnosu na osnovne mjerenja.
Multiptap usmjeravanje (ECMP)
Distribuira saobraćaj preko dostupnih staza za minimiziranje zagušenja i smanjenje kašnjenja.
Poboljšani vremenski završetak: 30-40%
Učinkovitost upotrebe ugljika (CUE)
Produžava PUE uključivanjem emisije ugljika povezanih sa izvorima energije, pružajući mogućnosti procjene utjecaja na okoliš.
Softver - Definisano umrežavanje (SDN)
Omogućuje centralizovanu mrežnu kontrolu i dinamičku raspodjelu resursa na osnovu stvarnog - vremenskog prometa.
Redukcija mrežnog energije: 25-35%
Simulacija termalnog upravljanja
Točno termičko modeliranje predstavlja kritičnu komponentu opsežnog simulacije centra podataka. Rashladni sustavi obično konzumiraju 35-40% ukupne energije podataka o podacima, čineći toplotnu optimizaciju neophodne za ukupna poboljšanja efikasnosti. Napredni simulatori uključuju modele računarske fluidne dinamike (CFD) kako bi simulirali uzorke protoka zraka, temperaturne distribucije i efikasnost hlađenja.
Optimizirane strategije hlađenja
Vruća / hladna prolaza
Ušteda energije: 30-40%
Varijabilna - Ventilatori za hlađenje
Ušteda energije: 20-30%
Besplatno iskorištenje hlađenja
Ušteda energije: 40-50%
Dinamično termalno upravljanje
Dodatne uštede: 15-20%
