# 数据中心冷却如何工作以及如何促进可持续性

> 来源：梦飞idc云平台 | 原文：https://www.mfisp.com/7564.html | 发布：2022-06-14 | 更新：2022-06-14 | 分类：云数据中心

每一项数字服务的支柱是一个庞大的服务器和计算资源网络，它们提供业务运营所需的性能和可用性，并有望不断改善客户和最终用户的体验。

每一项数字服务的支柱是一个庞大的服务器和计算资源网络，它们提供业务运营所需的性能和可用性，并有望不断改善客户和最终用户的体验。这些资源负责……

 
 
- 执行搜索查询 
- 传输数据 
- 提供计算服务 

 

......在任何特定时刻为全球数百万用户服务。

 

![数据中心冷却如何工作以及如何促进可持续性](https://www.mfisp.com/wp-content/uploads/2022/04/5233-Wd62On.jpg)

 

现在把所有这些服务器考虑一下它们产生的功率和热量。任何在笔记本电脑、台式机或游戏平台上玩游戏的人都知道设备的发热程度。在商业世界的鼎盛时期，服务器机房里堆满了过道和计算机过道，这个问题很严重。

 

保持服务器凉爽很重要，尤其是对企业规模的企业而言——但它也对地球产生了重大的负面影响。因此，在本文中，让我们来看看数据中心冷却以及公司如何利用简单的实践和现代技术使数据中心冷却成为一种更可持续的实践。

 

**什么是数据中心冷却？**

 

数据中心冷却正如其名：控制数据中心内部的温度以减少热量。未能管理数据中心内的热量和气流可能会对企业造成灾难性影响。不仅能源效率严重下降——大量资源用于降低温度——而且服务器过热的风险也在迅速上升。

 

现代数据中心的冷却系统调节多个参数来引导热量和冷却的流动，以实现最大效率。这些参数包括但不限于：

 
 
- 温度 
- 冷却性能 
- 能源消耗 
- 冷却液流动特性 

 

所有数据中心冷却系统组件都是相互连接的，并影响冷却系统的整体效率。无论您如何设置数据中心或服务器机房，冷却都是必要的，以使数据中心能够正常工作并可用于运行您的业务。

 

**数据中心冷却是否必要？**

 

是的——但可能比我们长期以来认为的要小。一般的经验法则是确保整个房间的环境温度稳定在 18 摄氏度。但这太低了，正如Sentry Software解释的那样：

 

事实证明，计算机系统可以在明显更高的环境温度下正常运行……这是降低数据中心能耗并提高其 PUE [电源利用效率] 的最快、最便宜的方法

 

经常被引用的例子是谷歌，它成功地将数据中心的温度提高到 26.7°C（80°华氏度）。稍后我们将详细讨论著名的 Google 案例研究。数据中心经理应该了解未能在服务器机房中实施有效的冷却技术如何迅速导致过热。冷却配置不当可能会为您的中心提供错误类型的服务器冷却（例如，自下而上的瓷砖冷却技术与后置配置的现代服务器一起使用）。这又会导致严重的过热，这是任何企业都不应愿意接受的风险。

 

![数据中心冷却如何工作以及如何促进可持续性](https://www.mfisp.com/wp-content/uploads/2022/04/5233-7dePdc.jpg)

 

**数据中心冷却的好处**

 

数据中心冷却的商业利益非常明显。

 

**确保服务器正常运行时间**

 

适当的数据中心冷却技术可以让服务器保持在线更长时间。在需要超过 99.99% 正常运行时间的专业环境中，过热可能是灾难性的，因此服务器级别的任何故障都会对您的业务和客户产生连锁反应。

 

**数据中心效率更高**

 

数据不会在较冷的服务器机房中传输得更快，但它的传输速度比在崩溃的服务器上传输要快得多！由于数据中心可以快速形成热点（无论数据中心经理打算设置冷通道还是打开热通道），因此创建新的冷却解决方案需要高效且易于即时完成。这意味着只使用易于适应的液体冷却技术或可以轻松改变冷空气使用方式的空气冷却系统。总体而言，这可以在扩展数据中心时提高效率。

 

**更长的技术寿命**

 

在达到预期寿命结束 (EOL) 之前不断过热的计算机会出现故障。出于这个原因，数据中心冷却系统的费用很快就开始收回成本。引入数据中心冷却技术可以让硬件的使用寿命更长，并让企业在更换基础设施上花费更少。公司应该转向更环保的 IT 解决方案，而不是积极制造工业废物。

 

**数据中心冷却的缺点**

 

尽管数据中心冷却对业务成功至关重要，但它对底线和地球都有重大影响。

 

**成本可能令人望而却步**

 

数据中心冷却成本高昂：仅运行服务器和数据中心就需要大量能源。您将花费额外的精力来减少这些系统产生的热量。对于小型操作，最先进的冷却系统根本不可能。专为数据中心温度控制而设计的昂贵的 HVAC 系统和复杂的水冷系统的成本可能远远超过 SMB 的承受能力。但这并不意味着 SMB 数据中心必须失败。可以使用盲板等简单的解决方案来促进冷空气在整个服务器机房内轻松流动。同样，有组织的电缆（即不是 IT 技术人员的电缆噩梦）也可以提供更好的气流。

 

**对地球的严重影响**

 

数据中心使用的所有电力中有多达 50% 用于冷却技术。大型企业都在朝着减少碳足迹的方向努力，这意味着冷却技术要么必须改变，要么需要改变。

 

根据全球电子可持续发展倡议 (GESI) 在其Smarter 2030 报告中，当今的数字世界包括：

 
 
- 340亿台设备 
- 超过 40 亿用户 

 

凭借与这数十亿人相关的网络基础设施和数据中心，我们的数字世界占全球温室气体 (GHG) 排放量的 2.3%。数据中心本身占全球电力消耗的 1% 和二氧化碳排放量的 0.5%。科学认识到，显着减少温室气体排放是减缓和扭转气候变化影响的一项任务。

 

作为一个全球性的集体，科技公司必须共同努力减少能源消耗。这就是为什么我们看到越来越多的同类公司宣布他们减少温室气体排放的计划——其中许多公司正在以一种新的方式转向数据中心冷却。

 

![数据中心冷却如何工作以及如何促进可持续性](https://www.mfisp.com/wp-content/uploads/2022/03/2022033106391994.png)

 

**如何冷却数据中心**

 

尽管建立一个完整的数据中心冷却系统似乎是一项艰巨的任务，但这是一个必要的步骤。所有服务器机房都必须配备技术要求的足够数量的冷却系统。

 

在我们生活的高性能世界中，未能安装必要的水循环可能会导致严重问题；整个数据中心缺乏持续冷却的空气会导致故障——所以从一开始就安装好所有东西！

 

许多专业组织与数据中心合作，以正确识别必要的冷却解决方案、安装技术并管理数据中心的设备从安装到 EOL。对于没有在数据中心配置冷却系统经验的 IT 团队来说，在当地寻找一个是最佳决策。

 

**冷却的工作原理：散热**

 

为了保持计算基础设施的最佳性能，数据中心必须保持最佳的机房和服务器硬件温度。冷却系统主要从数据中心设备及其周围环境中吸收热量。冷空气或液体代替热量以降低硬件温度。

 

**数据中心冷却技术**

 

数据中心冷却是一种平衡行为，需要负责它的 IT 技术人员考虑许多因素。其中，控制机房空气的一些最常见的方法是：

 
 
- **液体冷却**使用水来冷却服务器。使用计算机房空气处理器 (CRAH) 是一种将液体冷却和空气冷却相结合的流行方式，但微软的“沸水冷却”等新兴技术被用于冷却数据中心服务器和推动蒸发冷却技术。 
- **空气冷却**使用各种计算机房空调 (CRAC) 技术为热空气离开 IT 空间创造东通道。 
- **高架地板平台**在高架平台下方创建了一个冷却空间，CRAH 或 CRAC 可以通过冷冻水冷却器和其他技术在服务器下方创建冷通道来传递热量。 
- **温度和湿度控制**，例如控制冷却基础设施的 HVAC，以及其他技术提供空调功能。 
- **通过冷热通道遏制**的控制允许热通道通过服务器机房进入冷通道。数据中心内的冷热通道支持适当的气流、活动地板的使用以及液体冷却或 HVAC 冷却解决方案等其他冷却技术。 

 

尽管对商业来说是必要的，但这些技术需要大量的能源消耗。

 

**使用人工智能和神经网络**

 

在过去十年中，冷却系统技术的显着改进使组织能够提高效率，但最近改进的步伐有所放缓。然而，您现在可以实施人工智能(AI) 来有效管理其数据中心基础设施的冷却操作，而不是定期重新投资于新的冷却技术以追求收益递减。

 

传统的工程方法难以跟上快速的业务需求。十年前在温度控制和能源消耗方面对你有用的东西在今天可能还不够——人工智能可以帮助准确地模拟这些复杂的相互依赖关系。

 

![数据中心冷却如何工作以及如何促进可持续性](https://www.mfisp.com/wp-content/uploads/2022/02/2022033103220196.png)

 

**人工智能如何改善冷却**

 

谷歌为应对这一挑战而实施的人工智能涉及使用神经网络，这是一种展示认知行为以识别复杂输入和输出参数之间模式的方法。例如，环境空气温度的微小变化可能需要服务器通道之间冷气流的显着变化，但该过程可能无法满足某些组件之间的安全和效率限制。这种关系可能在很大程度上是未知的、不可预测的，并且对于任何手动或人工监督的控制系统来说都是非线性的，以便有效地识别和抵消。

 

今天的组织可以为数据中心数据中心配备物联网传感器，提供有关各种组件、服务器工作负载、功耗和环境条件的实时信息。神经网络从这些传感器获取瞬时、平均、总计或元变量值，以与神经网络一起处理。Google 在 2010 年代率先采用了这种方法，如今，越来越多的组织正在采用 AI 来支持必要的 IT 运营。

---
本页由 梦飞idc云平台（https://www.mfisp.com）提供。站点导航见 https://www.mfisp.com/llms.txt
