تجربه دولت امریکا: برای کاهش مصرف انرژی زیرساخت‌ها در مراکز داده‌ی دولتی

مقدمه

قانون استقلال انرژی و اقدامات امنیتی 2007 (EISA 2007)[1] در کنار دستورات اجرایی اخیر 13514، موسسات دولتی فدرال را ملزم کرده است تا عملکرد زیست محیطی، انرژی و اقتصادی خود را بهبود بخشند.  یک مرکز داده‌‌ی معمول، در حدود 50 برابر اداره‌ای متوسط انرژی مصرف می کند و یکی از اهداف واضح قانون ذکر شده به شمار می‌رود. در واقع، افسر ارشد اطلاعت فدرال کوندرا[2] به نقل از یک گزارش EPA بیان داشته که سرورهای فدرال و مراکز داده تا 6میلیارد kWh از برق مصرف شده در سال 2006 را به خود اختصاص داده اند.[3] چنانچه روند فعلی مصرف انرژی ادامه یابد، تا سال 2012 این مقدار از 12 میلیارد kWh نیز فراتر می رود. یکی از اهداف Kundra “گسترش استفاده از فناوری سبز با کاهش انرژی کلی و سطح زیربنای مراکز داده‌ی دولتی” می‌باشد. دولت فدرال درنظر داشته که به جای تحکم قانونی و اعمال فشار، رویه‌های نوین و متنوع را تسری دهد.

حال این الزامات سطح بالا برای مدیران تجهیزات فدرال، مدیران IT و دیگر مدیران انرژی به چه معناست؟ ذینفعان مرکز داده‌ی فدرال باید شرایط انرژی را درون مراکز داده‌ی خود ارزیابی کرده و سپس برنامه‌های کوتاه مدت و بلند مدت برای اعمال تغییرات در اقدامات و زیرساخت‌های موجود، طرح‌ریزی کنند. در این مقاله، تمرکز بر دستاوردهای بهره‌وری انرژی قرار داده شده که از طریق بهینه‌سازی زیرساخت های فیزیکی(همان تجهیزات برق و سرمایش) امکان پذیر است. بیش از نیمی از انرژی مصرفی یک مرکز داده‌ی معمول، در زیرساخت های فیزیکی صرف می‌شود. (به شکل 1 مراجعه شود.[4]) روش های بهبود بهره‌وری تجهیزات IT (همان سرورها، وسایل ذخیره‌سازی و دستگاه های ارتباطات راه دور) در محدوده‌ی بحث این مقاله نمی‌گنجد.

چالش بهره‌وری انرژی

یکی از چالش‌های مهم پیش روی بسیاری از مراکز داده‌ی دولتی دستیابی به بهره‌وری بالاتر (مصرف کمتر انرژی) است. بعضی از محدودیت هایی که بر مراکز داده تحمیل می شود شامل تجهیزات از رده خارج (ساختمان مرکز داده) یا طراحی قدیمی و منسوخ بوده که از پشتیبانی ظرفیت های بالا در جهت استفاده‌ی بهینه از سطح کف طبقه، ناتوان هستند. همچنین محدودیت در ظرفیت برق و سرمایش نیز مشکل دیگری در پیش روی مراکز داده است.

با این وجود، یکی از نکات مثبت در مصرف انرژی زیرساخت های فیزیکی مرکز داده امکان نوآوری در ارائه‌ی بهترین راه کار، استفاده از ابزارهای اندازه‌گیری و پیاده‌سازی راه کارهای مدرن تکنولوژیکی که می‌توانند هزینه‌ی برق مرکز داده را 20 تا 5% کاهش دهند، می‌باشد.[5]در این گزارش گام‌های کلیدی در راه دستیابی به اهداف بهبود بهره‌وری مرکز داده بررسی می‌شوند.

ارزیابی بهره‌وری چگونه می تواند موثر باشد؟

اولین باری که بحث اندازه گیری بهره‌وری مرکز مطرح شده، می‌بایست جزیی از مراحل یک ارزیابی کلی بهره‌وری توسط کارشناسان بوده باشد. علاوه بر اندازه‌گیری مقدار بهره‌وری، یک ارزیابی بهره‌وری در مرکز داده معمولا تحلیلی از پیکربندی چون‌ساخت و توصیه هایی برای بهبود بهره‌وری فراهم می آورد. در حالت ایده‌آل، این ارزیابی ها باید به ارائه‌ی یک مدل ریاضی از مرکز داده بیانجامد. خروجی های یک ارزیابی مناسب عبارتند از:

• شناسایی ناحیه‌ی مشکل
• توصیه هایی برای اصلاحات سریع و ارزان
• توصیه هایی برای یک سیاست بلند مدت بهره‌وری انرژی

ابزارهای مختلفی چون APC ازمحاسبه گر بهره‌وری مرکز داده‌ی اشنایدر الکتریک[6] (به شکل 2 مراجعه شود) برای استفاده‌ی کاربران بر روی وبسایت https://schneider-itb.ir در دسترس قرار داده شده است. این ابزارها در محاسبه‌ی بهره‌وری مرکز داده و تخمین های قطعی از تاثیرات کربن مفید کاربرد دارند.

درک زبان و مفاهیم بهره وری مرکز داده

بهره‌وری الکتریکی مرکز داده به ندرت برنامه‌ریزی و مدیریت شده و در نتیجه، بیشتر مراکز داده مقدار قابل توجهی از برق را هدر می‌دهند. بهره‌وری به طور چشمگیری در میان مراکز داده‌ی مختلف مشابه تفاوت داشته و نکته‌ی مهم‌تر آنست که مقدار بهره‌وری واقعی در نصب تجهیزات بسیار پایین‌تر از مقادیریست که در تجربه‌های آموزنده‌ی پیشین امکان پذیر و دست‌یافتنی نشان داده شده است. برای پیگیری و پاسخگویی به این مشکل، کاربران باید یک سیستم اندازه گیری مشترک ایجاد کرده تا بتوانند سناریوهای پیشنهادی در بهره‌وری مرکز داده را با یکدیگر مقایسه کنند. این کار به مراکز داده‌ی خاص نیز این امکان را داده تا طبق تجهیزات مشابه بنچ مارک شده و پیشرفتشان در مقایسه با اهداف داخلی یا خارجی، سنجیده شود.

 سیستم اندازه گیری

یک سیستم اندازه گیری مشترک به‌کار رفته بهره‌وری مصرف برق (PUE)[7] بوده که با تقسیم مقدار کلی برق ورودی یک مرکز داده بر مقدار برقی که در واقعیت، مرکز داده در تجهیزات کامپیوتری خود(سرورها، ذخیره‌سازی و غیره) مصرف می کند، به دست می‌آ‌ید. PUE در قالب یک نرخ بیان شده که در آن، هر چه خارج قسمت تقسیم مطرح شده، یعنی همان عدد به دست آمده، به سمت 1 کاهش پیدا کند، به این معناست که بهره‌وری کلی در حال افزایش است. برای دریافت اطلاعات بیشتر در مورد PUE و سیستم اندازه گیری بهره‌وری، به گزارش “راهنما برای محاسبه‌ی بهره‌وری (PUE) در مراکز داده”[8] مراجعه شود.

برق در کجا مصرف می‌شود؟

اگر توان “مفید” یک مرکز داده (که با PUE بیان می‌شود) همان مقداری باشد که به مصرف IT می‌رسد، سوالی که پیش می آید اینست که مابقی برق ورودی در کجا صرف می‌شود؟ در شکل 3 مکان هایی که برق در یک مرکز داده جریان دارد، نشان داده شده است. تقریبا تمام برقی که به مرکز داده وارد می‌شود، در نهایت به گرما تبدیل خواهد شد. مرکز داده‌ای که در شکل 3 نمایش داده شده، تا 50% مصرف برق داشته و پیکربندی سیستم نیز “N” (یعنی فاقد افزونگی) در نظر گرفته شده، یک منبع تغذیه غیرمنقطع (UPS) سنتی نیز در تقابل با UPS جدید با کارایی بالا به کار رفته، بدون حالت بهینه‌ساز، با سرمایش محیطی و جانمایی طبقه ضعیف بوده و جایگذاری تایل در کف نیز ضعیف صورت گرفته است. توجه شود که نیمی از برق ورودی در این مرکز داده، در واقع به مصارف IT اختصاص دارد. مقدار PUE برای مرکز داده‌ی نشان داده شده در حدود 2.1 (یعنی 47% بهره‌وری) می باشد.

مصرف انرژی در یک مرکز داده در طول یک دوره‌ی زمانی مشخص، با استفاده از متوسط بهره‌وری مرکز داده در طول آن دوره، محاسبه می‌شود. در نتیجه، زمانی که از بهره‌وری زیرساخت فیزیکی مرکز داده(PUE) صحبت می کنیم، در حقیقت منظور متوسط بهره‌وری در طول یک دوره‌ی زمانی است.

اندازه گیری آنی PUE عموما با مقدار سالیانه‌ یا حتی روزانه، هفتگی یا ماهیانه آن برابر نمی‌باشد. اندازه گیری در بهره‌وری در یک مقطع و یک زمان، ذاتا نادرست بوده و نباید به عنوان مبنای سنجش یا مدیریت بهره‌وری، در نظر گرفته شود. برای دریافت اطلاعات بیشتر در مورد مصرف انرژی مرکز داده به گزارش “اندازه گیری بهره‌وری الکتریکی برای مراکز داده”[9] مراجعه شود.

عوامل موثر بر اندازه گیری بهره‌وری در مرکز داده

شرایط یک مرکز داده در طول زمان تغییر کرده و این تغییرات مسبب تغییر در بهره‌وری مرکز داده هستند. عوامل بسیاری می‌توانند تاثیرات قابل توجهی بر بهره‌وری مرکز داده بگذارند:

مصرف IT

ویژگی‌های مدیریت برق در نسل جدید تجهیزات IT می‌تواند تغییرات لحظه‌ای در مقدار مصرف IT ایجاد کرده در حالی که دیگر تغییرات ایجاد شده از سوی اپراتورهای تجهیزات اضافه یا کم شده‌یIT، در بازه‌ی زمانی طولانی‌تری اتفاق می‌افتند. مرکز داده ای که مصرف کمتری داشته، بهره‌وری کمتری نیز در مقایسه با مراکز داده با مصرف بالاتر دارند. (به شکل 4 مراجعه شود.) این بهره‌وری کمتر در درجه اول ناشی از هدررفت‌های ثابت در تجهیزات زیرساخت های فیزیکی (مانند برق و سرمایش) می‌باشد. تمامی دستگاه های سرمایش و برق دارای هدررفت الکتریکی(عدم بهره‌وری) بوده که به صورت حرارت به محیط برمی‌گردد. بخشی از این هدر رفت مقداری ثابت –برق مصرف شده فارغ از مقدار مصرف تجهیزات- است. در حالتی که تجهیزات هیچ مصرفی ندارند، این مقدار هدررفت ثابت تمام برقی است که مصرف می‌شود و در نتیجه 100% آن به عنوان هدررفت الکتریکی(حرارت) محسوب شده و دستگاه دارای بهره‌وری 0% بوده چرا که هیچ عملکرد مفیدی ندارد. هرچه مصرف دستگاه افزایش یابد، این مقدار هدررفت ثابت، یکسان باقی مانده و بقیه‌ی مقدار هدررفت که وابسته به مقدار مصرف تجهیزات بوده، به اصطلاح همان هدررفت نسبی، متناسب با افزایش در مصرف، افزایش می یابد. بنابراین، هرچه مقدار مصرف بالاتر می‌رود، مقدار هدررفت ثابت به قسمت کوچک‌تری از کل انرژی مصرفی تبدیل می‌شود و هرچه مصرف کاهش یافته، نیز بالعکس، این هدررفت ثابت به درصد بزرگ‌تری از کل تبدیل می‌شود. برای دریافت اطلاعات بیشتر در مورد هدررفت برق در زیرساخت‌های فیزیکی، به گزارش “شبیه‌سازی بهره‌وری الکتریکی برای مراکز داده”[10] مراجعه شود.

شرایط محیط خارجی

شرایط محیط خارجی عامل دیگری است که متناسب با زمان تغییر کرده و بر بهره‌وری مرکز داده اثر می گذارد. اگرچه عواملی چون نور خورشید، رطوبت و سرعت باد نیز می توانند بر بهره‌وری موثر باشند، ولی مهم‌ترین متغیر درجه حرارت محیط خارجی به شمار می‌رود. بهره‌وری یک مرکز داده‌ی معمولی با بالا رفتن درجه‌ی حرارت، کاهش می‌یابد. این امر ناشی از آن بوده که سیستم‌های زدودن گرما از مرکز داده در این شرایط، باید برق بیشتری مصرف کنند تا بتوانند کار خود را به درستی انجام دهند. علاوه بر آن، نفوذ گرما از محیط خارجی به داخل مرکز داده نیز یک بار اضافی بر این سیستم‌ها تحمیل می‌کند.

تنظیمات و پیکربندی کاربر

بسیاری از اقدامات کاربران بر PUE تاثیر خواهد گذاشت. کاربران ممکن است درجه‌ی تنظیم شده برای حرارت و رطوبت را تغییر داده، تایل‌های تهویه کف را جابجا کرده یا بر تعداد آن بیفزایند، یا فیلترهای هوا را تمیز نکنند. آثار این اقدامات بسیار متغیر بوده و به طراحی دقیق سیستم های سرمایش و برق بستگی دارند. زمانی که کاربر این تنظیمات را تغییر می‌دهد- به طور مثال یک تایل تهویه کف را جابجا کرده، یک فیلتر را تعویض کرده یا درجه حرارت را تغییر دهد- طراحی مرکز داده نیز باید تغییر داده شده و مقادیر جدید مورد نیاز خواهد بود.

اندازه گیری و شبیه سازی

در تلاش برای ایجاد یک روش اندازه گیری بهره‌وری انرژی PUE دقیق در مرکز داده، مسائل مختلفی باید مورد بررسی قرار گیرد، شامل:

• دستگاه های مشخصی در مرکز داده برق مصرف می کنند ولی این که اطلاعات مقدار برق مصرفی آن ها باید در محاسبات بهره‌وری محسوب شود یا خیر، مبهم و غیرشفاف است.
• از میان زیرسیستم های مرکز داده، تعداد مشخصی از آن ها در مرکز داده‌ی مورد بررسی حضور ندارند (مانند نور خارجی یا مرکز عملیاتی شبکه(NOC).)
• بعضی از زیرسیستم‌ها از تجهیزات با کاربری‌های مختلفی پشتیبانی کرده و کارکردهای دیگری غیر از مرکز داده دارند(به طور مثال برج‌های خنک کننده و دستگاه های چیلر)، در نتیجه بخشی از برق مصرفی که به مرکز داده اختصاص دارد به راحتی قابل اندازه گیری نمی‌باشد.
• مجهز کردن بعضی از زیرسیستم‌ها به ابزارهای انداز‌ه‌گیری، پرهزینه و حتی غیرعملی است. (به طور مثال واحدهای توزیع برق(PDU) به دلیل اتصال های خروجی متعدد)
• بعضی از نقاط مشخص شده برای اندازه‌گیری برق مصرفی شامل مصارفی است که به مرکز داده مرتبط نبوده و ولی امکان جداسازی این مقادیر در حین اندازه گیری نیز فراهم نمی باشد.

برای برطرف کردن این مشکلات مطرح شده، سه گام زیر باید دنبال شود:

1. زیرسیستم های مرکز داده را در سه گروه الف) مصارف IT، ب) زیرساخت‌های فیزیکی یا ج) حذف از محاسبات، دسته‌بندی کنید.
2. اگر یک زیرسیستم در مصارفی غیر از برق مرکز داده نیز سهیم است، از یک روش استاندارد برای آن نوع از زیرسیستم ها، جهت اندازه‌گیری برق مصرفی استفاده شود.
3. اگر در اندازه گیری ها با موانع فنی روبرو شدید، نیز از یک روش استاندارد مخصوص آن نوع از زیرسیستم در تخمین‌ها استفاده کنید.

برای دریافت اطلاعات بیشتر در زمینه‌ی اندازه گیری PUE، به گزارش 158 تحت عنوان ” راهنما برای محاسبه‌ی بهره‌وری (PUE) در مراکز داده” مراجعه شود.

تخمین در منابع مشترک

بعضی از دستگاه‌های مربوط به مرکز داده در واقع منبعی هستند که بین چند قسمت دیگر مشترک بوده و کاربری‌های دیگری نیز دارند. به عنوان مثال، ممکن است یک دستگاه چیلر بین مرکز داده و یک ساختمان اداری دیگر، مشترک استفاده شده یا ممکن است UPS مرکز داده از یک مرکز تماس نیز پشتیبانی کند. حتی اندازه‌گیری دقیق مصرف انرژی در این دستگاه‌های مشترک در محاسبه‌ی بهره‌وری مرکز داده بی‌ثمر بوده  چرا که هدررفت حاصل از مصارفی غیر از مصرف مرکز داده نیز نباید در PUE محاسبه شود.

در مورد این دستگاه با کاربری مشترک، یک روش متداول آن بوده که به سادگی این دستگاه را از محاسبات PUE حذف کنیم. البته این کار منجر به بروز خطاهای بزرگی خواهد شد به خصوص زمانی که دستگاه مورد نظر، به طور مثال چیلر، مصرف انرژی بالایی دارد. در پیش گرفتن چنین روشی اعتبار محاسبه‌ی PUE را جهت فرایند ایجاد معیار و مبنای سنجش، زیر سوال می برد. یک سیاست مناسب تر آنست که درصدی از هدررفت این دستگاه های مشترک که به مرکز داده مربوط است را تخمین زده ( یا به طور غیرمستقیم اندازه گیری کرده) و سپس این مقدار به دست‌ آمده را در محاسبات PUE در نظر گرفت. این روش می‌تواند به شکل قابل ملاحظه در بالا رفتن دقت نتایج موثر باشد.

مثال زیر از یک دستگاه چیلر مشترک را در نظر بگیرید:

1. با استفاده از هدررفت الکتریکی محسبه شده از تمام مصارف دیگر مرکز داده، بار حرارتی چیلر را اندازه گیری کرده یا تخمین بزنید.
2. بخشی از بار حرارتی بین مرکز داده و دیگر مصارف برق را (با استفاده از دمای آب، فشار، تنظیمات پمپ و غیره) که به هر مصرف مرتبط است را محاسبه کرده یا تخمین زنید.
3. دستگاه‌های مصرف کننده‌ی برق که به مرکز داده مربوط نبوده را خاموش کرده و سپس اقدام به اندازه گیری مصرف چیلر کرده تا مقدار مصرف برق مرتبط با مرکز داده در چیلر مشخص شود.

این روش های غیرمستقیم اندازه‌گیری در طول یک بازرسی کارشناسانه انرژی مرکز داده شکل گرفته ولی می توانند توسط اپراتورهای سطح بالای مرکز داده نیز به کار گرفته شوند. زمانی که برای یک مرکز داده‌ی خاص، تکنیک‌هایی ایجاد شده و سپس به کار گرفته شد، استفاده‌ی مجدد آن برای روند بهره وری در طول زمان، میسر خواهد بود.

روش های تخمین برای دستگاه‌های غیرممکن در اندازه‌گیری

اندازه گیری انرژی مصرفی در بعضی دستگاه ها، پیچیده، گران و حتی غیرممکن می‌باشد. در بسیاری از موارد، اندازه گیری غیرمستقیم یا روش‌های تخمین زدن برای این دستگاه ها، می تواند به تعیین PUE به روشی عملی و مقرون به صرفه کمک کند.

یک مورد PDU را در نظر بگیرید. در یک مرکز داده‌ای که تنها از قسمتی از ظرفیتش استفاده می‌کند، هدررفت PDU ممکن است از 10% مصرف IT نیز فراتر رفته که بر محاسبه‌ی PUE نیز تاثیر چشمگیری خواهد داشت. با این حال، بسیاری از اپراتورها در محاسبه‌ی PUE، هدررفت PDU را حذف می‌کنند چرا که تعیین مقدار این هدررفت بسیار مشکل خواهد بود. همین کار منجر به خطاهای بسیاری در محاسبات PUE می‌شود.

خوشبختانه، مقدار هدررفت PDU، بسیار قطعی و مشخص بوده و در صورت در اختیار داشتن مشخصات PDU، این مقدار مستقیما از طریق مصرف IT قابل محاسبه است. در نتیجه اگر مقدار مصرف IT با وات ، آمپر یا ولت-آمپرVA مشخص شود، می‌توان هدررفت PDU را با سطح دقت بالایی تخمین زد. در واقع، این روش تخمین مقدار هدررفت بسیار دقیق‌تر از استفاده از وسایل اندازه گیری داخل برخی از PDU ها می باشد.

وقتی هدررفت PDU تخمین زده شد، این مقدر تخمین زده شده از مقدار خروجی اندازه‌گیری شده از UPS کم شده و حاصل آن مقدار مصرف IT است که به عنوان بخشی از مصرف زیرساخت‌های فیزیکی در تعیین PUE نظر گرفته می‌شود. در مقایسه با روش حذف هدررفت PDU از محاسبات، این روش ساده موجب افزایش دقت در محاسبات PUE می‌شود.

اپراتورهای مرکز داده باید درک کنند که در تعیین PUE، به وسایل و ابزارهای پیچیده و گران نیازی نبوده چرا که مقدار زیادی از هدررفت‌های مرکز داده با کمک روش اندازه‌گیری غیرمستقیم و تخمین، به راحتی قابل تشخیص است.

یکپارچگی یک مدل ریاضی

مدل ریاضی، راه حل کلیدی در ایجاد فرایند و سیستمی برای مدیریت بهره‌وری به شمار می‌رود. این مدل به درک دلایل عدم بهره‌وری کمک کرده و در نتیجه، هدف از اندازه‌گیری بهره‌وری در مرکز داده همان دستیابی به پارامترهای مدل بهره‌وری است.

یک مدل بهره‌وری در مرکز داده می‌تواند مختص مرکز داده‌ی موجود ایجاد شده یا اگر مشخصات و طراحی دستگاه‌های برق، سرمایش و نورپردازی مشخص باشد، مدل می تواند حتی پیش از ساخت مرکز داده شکل گیرد. اگر مدل به طور دقیق بیانگر طراحی اجرا شده باشد، اطلاعات حاصل از آن نیز به همان نسبت دقیق خواهد بود. در حالی که عملکرد الکتریکی بعضی از انواع دستگاه‌ها مانند نورپردازی، UPS و ترانسفورماتورها ثابت و قابل پیش‌بینی بوده، باز هم به دلیل عملکرد چون‌ساخت بعضی از دستگاه ها مانند پمپ‌ها یا دستگاه‌های تهویه‌ مطبوع دقت مدل را کاهش داده و با عدم قطعیت‌های بسیاری روبرو می‌کند. در اینجا اندازه گیری می‌تواند مفید واقع شود. برای دریافت اطلاعات بیشتر در مورد مدل ریاضی برای مدیریت بهره‌وری، به گزارش “اندازه گیری بهره‌وری الکتریکی برای مراکز داده”[11] مراجعه شود.

بهترین راه‌کار در بهره‌وری مرکز داده

 اگر به دنبال بهره‌وری بالاتر در مراکز داده‌ی آتی هستیم، باید به دنبال روش‌های جدید بسیاری باشیم. بهینه‌سازی در بهره‌وری باید به سیستم مرکز داده به عنوان یک کل نگاه کند. (به شکل 5 مراجعه شود.) تلاش هایی که در جهت بهینه‌سازی هر مورد  عدم بهره‌وری صورت می گیرد، عموما بی نتیجه است. راه‌کارهای سیستمی که در ادامه آورده شده است، نوعی نقشه‌ و راهنمای مسیر بهبود بهره‌وری در مرکز داده را فراهم می کند:

• خاموش کردن تجهیزات بی‌استفاده– تجهیزات برق و سرمایش غیر ضروری نباید انرژی مصرف کنند.
• سامان‌دهی دالان‌های گرم/سرد– ردیف‌های رک باید به شکلی جهت گیری شوند که جلوی سرورها روبروی هم قرار داده شوند. علاوه بر آن، پشت ردیف های رک نیز باید به سمت یکدیگر قرار گیرد. این جهت گیری ردیف‌ها به شکل‌گیری همان دالان‌های گرم و سرد در جانمایی ردیف‌ها می‌انجامد. این جانمایی اگر به درستی سامان‌دهی شود، می‌تواند هدررفت انرژی را به شدت کاهش داده و همچنین، عمر مفید سرورها را نیز افزایش دهد.
• تنظیم سیستم‌های افزونگی– در مورد زیرسیستم‌هایی که باید(برای پشتیبانی از افزونگی) با ظرفیتی کمتر از ظرفیت خود کار کنند، بهینه‌سازی باید برای بهره‌وری در حالت بخشی از مصرف- و نه تمام مصرفشان- صورت گیرد.
• ابزارهای مدیریت ظرفیت– این ابزارها در به حداقل رساندن “ظرفیت بلا استفاده” در مرکز داده کمک کرده، و توصیه به نصب تجهیزات IT جدید را در نقاط دارای ظرفیت بلااستفاده دارد و سیستم را به سمت بالاترین نقطه در منحنی بهره‌وری خود پیش می‌برد. یک سیستم مدیریت بهره‌وری ظرفیت شامل ابزارها و قوانینی بوده که باعث می‌شوند یک مرکز داده با ظرفیت بالاتر و حاشیه‌ی ایمنی کمتری(البته بدون در خطر انداختن ایمنی) عمل کند.‌ برای دریافت اطلاعات بیشتر در مورد ابزارهای مدیریت ظرفیت، به گزارش “مدیریت ظرفیت سرمایش و برق برای مراکز داده”[12] مراجعه شود.
• مجهز ساختن به ابزار لازم برای نظارت بر مصرف انرژی – مرکز داده باید به ابزارهایی مجهز شده که بتوانند شرایط مصرف غیر بهینه‌ی برق را شناسایی کرده و در مورد آن هشدار دهند و در نتیجه، شرایط هدررفت انرژی سریعا شناسایی شده و اقدامات اصلاحی در مورد آن صورت گیرد.

• سرمایش و برق توسعه‌پذیر جهت دستیابی به برآورد درست –استفاده از تجهیزات برق و سرمایش توسعه‌پذیر به افزایش بهره‌وری در مراکز داده‌ی کوچک یا مراکز داده‌ای که در ابتدای چرخه‌ی عمر خود هستند، انجامیده، و همچنین هزینه‌های سرمایه و عملیات را تازمان نیاز به تعویق می اندازد. برای دریافت اطلاعات بیشتر در مورد تاثیر ماژولارسازی و توسعه‌پذیری، به گزارش “یک طراحی توزیع مرکزی برق قابل پیکربندی مجدد، توسعه‌پذیر و کارآمد در مرکز داده”[13] مراجعه شود.
• سرمایش دالانی(ردیفی) –کوتاه کردن مسیر جریان هوا از طریق سرمایش دالانی به کاهش تداخل جریان‌های هوای سرد و گرم منجر شده که قابلیت پیش بینی در توزیع هوا را ارتقا داده و بهره‌وری در هدایت هوای سرد به سمت مصرف کننده‌ای که برای سرمایش به آن نیاز دارد، را افزایش می‌دهد.(به شکل 6 مراجعه شود)یک واحد تهویه مطبوع سالن کامپیوتر(CRAC) در یک محیط معمولی با مصرف IT تا 70% ، بهره‌وری در حد 80% داشته و این بدان معناست که 20% از برق وارد شده در فن و دستگاه رطوبت‌ساز استفاده می‌شود. در مقابل آن، می توان به CRAC هایی با بهره‌وری 95% در همین مقدار 70% مصرف IT، اشاره داشت که تنها 5% از برق ورودی آن در فن و دستگاه های رطوبت‌ساز صرف می‌شود. برای دریافت اطلاعات بیشتر در مورد تاثیر سرمایش دالانی، به گزارش “یک طراحی بهبودیافته برای مراکز داده‌ی پرظرفیت و دارای بهره‌وری بالا”[14] مراجعه شود.

توزیع برق 415/240V AC –در آمریکای شمالی، تامین برق AC  با ولتاژ 415/240 به جای برق AC با ولتاژ 120/208، به حذف ترانسفورماتورهای PDU و هدررفت‌های حاصل از آن‌ها می‌انجامد. علاوه بر این بهره‌وری به دست آمده، حذف PDUها هزینه‌ی اتلاف انرژی از طریق حرارت در رساناهای مسی را کاهش داده، وزن وارده بر کف را کاهش داده و سطح اضافی بر تجهیزات IT فراهم می آورد. برای دریافت اطلاعات بیشتر در مورد توزیع برق با ولتاژ بالاتر، به گزارش “توزیع برق AC با بهره‌وری بالا برای مراکز داده‌ی سبز”[15] مراجعه شود.

سرمایش رایگان –این عنوانی است که برای عملیات مرکز داده در “حالت بهینه‌ساز” استفاده می شود. در حالی که این روش نیز کاملا رایگان نبوده، این تکنولوژی‌ها می‌توانند در بهبود بهره‌وری مرکز داده در مکان های جغرافیایی مناسب، موثر باشد. سیستم‌های بهینه ساز سرمایش با به‌کارگیری هوای محیط بیرون در طول ماه های سرد سال در مصرف انرژی صرفه جویی کرده و به سیستم های سرمایش مکانیکی مانند چیلر و کمپروسور این امکان را داده تا در این ماه ها خاموش باقی مانده یا با ظرفیت پایین‌تری کار کنند.

UPS با بهره‌وری بالا –امروزه تکنولوژی هایی برای افزایش چشمگیر بهره‌وری قابل دستیابی در سیستم های UPS در دسترس است. در شکل 7، یک UPS با بهره‌وری بالا با داده‌های به‌دست آمده از بهره‌وری UPS توسط آزمایشگاه ملی Lawrence Berkley مقایسه شده است.[16] جدیدترین سیستم‌های UPS وقتی در مقایسه با بهره‌وری متوسط مشاهده شده در سیستم‌های UPS نصب شده در حال حاضر قرار گیرند، در مصرف 30 درصدی خود، تا 10% افزایش بهره‌وری خواهند داشت.

درایو دور متغیر [17](VFD) –بسیاری از دستگاه های مرکز داده که با موتور کار می کنند، حتی در زمانی که مقدار مصرف از ظرفیت کاملشان کمتر باشد، با بالاترین سرعت خود عمل می کنند. درایو دور متغیر (VFD) به سازگاری خروجی فن با مصرف برق، کمک می کنند. مکانیسم کنترل سرعت در این دستگاه‌ها در به حداکثر رساندن بهره‌وری موثرند. فن ها باید سرعت خود را با مصرف IT در واقعیت سازگار سازند. هر دو نرم‌افزراهای مدیریتی و سنسورهای حرارتی دارای سیم و وایرلس، می توانند در مقررات حاکم و اعمال کنترل بر درایو های VFD بسیار مفید باشند.

طراحی های مرجع –اشنایدر الکتریک یک سری از طراحی های مرجع مخصوص مراکز داده را برای استفاده‌ی مدیران تاسیسات و IT در مراکز داده‌ی فدرال، ارائه داده است. این شامل گروهی از مراکز داده ی از پیش طراحی شده بوده که با کمک تکنولوژی‌های زیرساخت‌های فیزیکی اتاق IT و ساختمان های موجود مراکز داده،  برای اجرا با بالاترین بهره‌وری بهینه‌سازی شده است. برای ارائه‌ی این طراحی‌ها، ماه‌ها صرف پژوهش شده و برای عملکرد در سطح PUE مورد نظر، تست شده است.

راه‌کارهای ماژولار کانتینری – ساختار از پیش موجود ساختمان‌ها معمولا بهره‌وری الکتریکی که با توزیع برق و سرمایش حاصل می‌شود، را محدود می‌سازند. امروزه تولیدکنندگان می‌توانند واحدهای ماژولار و کانتینری برای برق و سرمایش ساخته که از اجزای استاندارد برق و سرمایش استفاده کرده و آن‌ها را جهت دستیابی به یک PUE مورد انتظار طراحی کند. از آن جا که این راه‌کارها در قالب یک مجموعه‌ی کامل بسته‌بندی، ارسال و نصب شده و در یک ساختمان موجود قرار می گیرد، می‌توانند به سرعت به افزایش بهره‌وری کمک کنند.

راهروی گرم بسته – در سیستم راهروی گرم بسته(HACS) ، دمای بالاتری در محیط کار مجاز شمرده شده و همچنین دمای آب خنک نیز افزایش داده شده که منجر به افزایش ساعت حالت بهینه‌ساز و صرفه‌جویی بالا در هزینه‌ی برق خواهد شد. در حالی که همچنان دمای محیط کاری متعادل باقی مانده، دمای کارکرد سرمایش می تواند بالاتر در نظر گرفته شود. با تقویت یک مرکز داده با سرمایش محیطی اتاق و کف کاذب توسط HACS می‌توان تا 40% در هزینه های سالانه‌ی انرژی سیستم سرمایش صرفه‌جویی کرده و همین‌طور مقدار PUE سالانه را تا 13% کاهش داد. برای دریافت اطلاعات بیشتر در مورد راهروی گرم بسته، به گزارش “راهروی گرم بسته در برابر راهروی سرد بسته در مراکز داده”[18] مراجعه شود.

نورپردازی داخلی با سنسور – نورپردازی داخلی با بهره وری بالا می‌تواند 16 تا 32 وات در متر مربع در مصرف انرژی صرفه‌جویی کند. سنسورها باعث می‌شوند تا چراغ‌ها تنها در زمانی که کسی از فضا استفاده می کند، روشن شوند و از این طریق به صرفه‌جویی کمک می کنند. با استفاده از تعرفه های یارانه ای برق، با صرفه جویی‌های صورت گرفته توسط این سنسورها، هزینه های خریدشان در کمتر از یک سال جبران می‌شود ولی بدون تخفیف‌های گفته شده، برای جبران این هزینه ها به دو تا سه سال زمان نیاز خواهد بود. مقدار صرفه جویی بسته به ابعاد فضا، نوع نورپردازی و الگوی اشغال فضا تغییر خواهد کرد.

در میان تمام تکنیک‌های بهره‌وری که در دسترس کاربران قرار داشته، (به جدول 1 مراجعه شود) برآورد درست در سیستم زیرساخت‌های فیزیکی متناسب با مصرف، بیشترین تاثیر را بر مقدار مصرف زیرسخت های فیزیکی الکتریکی دارد. راه‌کارهای توسعه‌پذیر زیرساخت های فیزیکی که متناسب با افزایش مصرف IT رشد می‌کنند، فرصت بزرگی در کاهش هدررفت الکتریکی و هزینه‌ها، فراهم می آورند. با برآورد درست در نصب‌های انجام شده در واقعیت، می‌توان تا 50% کاهش در هزینه‌های برق ایجاد کرد. منافع اقتصادی جالب توجه حاصل از برآورد درست، دلیل اصلی آن بوده که امروزه صنعت به سمت راه‌کارهای زیرساخت فیزیکی ماژولار و توسعه‌پذیر پیش می‌رود.

جدول 1: گستره‌ای از صرفه جویی‌های الکتریکی دست‌یافتنی (لیست جزیی)

	صرفه‌جویی	راهنمایی	محدودیت ها
زیرساخت فیزیکی با برآورد درست	10-30%	استفاده از طراحی توسعه‌پذیر و ماژولار در سرمایش و برق صرفه‌جویی بالاتر برای سیستم‌های دارای افزونگی	برای طراحی های جدید و بعضی از موارد توسعه
طراحی کارآمدتر تهویه مطبوع	7-15%	سرمایش دالانی برای ظرفیت‌های بالاتر بهره‌وری بیشتری داشته (گزارش 130APC) در مسیرهای کوتاه تر جریان هوا، فن‌های کمتر و برق مصرفی کمتری مورد نیاز است. برق تامین شده برای CRAC و دمای بازگشتی بالاتر بوده و بهره‌وری و ظرفیت افزایش یافته، از طوبت‌زدایی جلوگیری شده و در نتیجه هزینه‌های رطوبت‌زایی شدیدا کاهش یافته است.	برای طراحی‌های جدید مزایای آن تنها در طراحی های پرظرفیت حاصل می‌شود.
حالت بهینه‌ساز برای دستگاه‌های تهویه مطبوع	4-15%	بسیاری از دستگاه‌های تهویه مطبوع، دارای گزینه‌ی بهینه‌ساز هستند. بسته به موقعیت جغرافیایی، صرفه‌جویی‌های قابل ملاحظه ای ممکن است صورت گیرد. در بعضی از مراکز داده، گزینه‌ی بهینه‌ساز وجود داشته ولی عملکرد آن غیر فعال است.	برای طراحی‌های جدید در حالات ارتقای مرکز داده اجرای آن مشکل خواهد بود.
جانمایی کارآمدتر در کف	5-12%	جانمایی کف تاثیر بسیاری بر بهره‌وری سیستم تهویه مطبوع می‌گذارد. سامان‌دهی دالان گرم و دالان سرد به همراه موقعیت مکانی مناسب برای دستگاه تهویه مطبوع (APC گزارش 122)	برای طراحی‌های جدید در حالات ارتقای مرکز داده اجرای آن مشکل خواهد بود.
تجهیزات برق با بهره‌وری بالاتر	4-10%	سیستم‌های UPS  موفق و جدید در مصرف معمولی و در مقایسه با UPS قدیمی، 70% هدررفت کمتری دارند. بهره‌وری در مصارف کم پارامتر اصلی به شمار رفته، نه بهره وری در بیشترین مصرف فراموش نشود که ضرر هدررفت UPSها با احتساب هزینه سرمایش مورد نیاز، عملا مضاعف می شود.	برای هر مرکز داده‌ای با چند دستگاه تهویه مطبوع
هماهنگی بین دستگاه های تهویه مطبوع	0-10%	بسیاری از مراکز داده دارای دستگاه‌های تهویه مطبوع مختلفی بوده که در تقابل با یکدیگر هستند. ممکن است یکی از دستگاه‌ها در حال گرمایش و دیگری در حال سرمایش باشد. ممکن است یکی در حال رطوبت‌زایی و دیگری مشغول رطوبت‌زدایی باشد. نتیجه این، هدررفت بالاست. ممکن است برای تشخیص مشکل به ارزیابی حرفه‌ای و کارشناسانه نیاز باشد.	برای هر مرکز داده‌ای با چند دستگاه تهویه مطبوع
جایگذاری درست تایل تهویه در کف	1-6%	بسیاری از تایل‌های تهویه در مکان نادرستی در مرکز داده‌ی متوسط قرار گرفته یا تعداد نادرستی تایل نصب شده باشد. مکان نصب درست مشخص و واضح نیست. با یک ارزیابی حرفه‌ای می‌توان از نتیجه‌ی بهینه اطمینان یافت. مزایای دیگر: کاهش نقاط پرحرارت	تنها برای مراکز داده دارای کف کاذب آسان بوده ولی برای دستیابی به بهترین نتیجه، به راهنمایی کارشناسانه نیاز است.
نصب نورپردازی با مصرف انرژی کارا	1-3%	بسته به ساعت روز بعضی از چراغ‌ها یا تمام آن‌ها را خاموش کنید. استفاده از تکنولوژی کارامدتر نورپردازی فراموش نشود که ضرر هدررفت روشنایی با احتساب هزینه سرمایش مورد نیاز، عملا مضاعف می شود. مزایا در مراکز داده با ظرفیت کم یا بخشی از مصرف کامل، بیشتر خواهد بود.	بیشتر مراکز داده می توانند از آن بهره برند.
نصب پنل‌های کادب	1-2%	کاهش دمای ورودی سرور همچنین با افزایش دمای هوای بازگشتی به CRAC در انرژی صرفه جویی می‌شود. آسان و ارزان با پنل های کاذب جدید تعبیه مانند APC	برای هر مرکز داده‌ای جدید یا قدیمی
درایو دور متغیر VFD	1-10%	جایگرین درایوهای سرعت ثابت شوند. افزایش عملکرد چیلر و پمپ‌ها برای تطابق مصرف IT با شرایط محیط خارجی، اعمال کنترل مناسب ضروری است.	برای مراکز داده با عملکرد 24 ساعت شبانه‌روز، هفت روز در هفته و تمام روزهای سال

 

نتیجه‌گیری

طرح‌های بهره‌وری انرژی در مراکز داده‌ی فدرال را می‌توان با ارزیابی‌هایی آغاز کرد که به سادگی بیانگر ساده‌ترین قسمت از این طرح ها در قالب حفاظت از انرژی به شمار می‌روند. فرایند بهبود بهره‌وری انرژی را می‌توان با تکنیک هایی چون پنل های کاذب و دالان گرم/ دالان سرد برای رک‌ها آغاز کرد.

ماهیت بهبودبخشی در اصل همان اندازه‌گیری دقیق انرژی مصرفی بوده تا به عنوان یک مبنا در روند این بهبودها به کار گرفته شود. مدل های بهره‌وری انرژی مراکز داده یک روش اندازه گیری مصرف انرژی با هزینه‌ای معقول و دقتی بسیار بالا به شمار می‌رود.

زمانی که مقدار مصرف اندازه گیری شد، زمان آنست که از تکنیک‌های مدیریتی و تکنولوژی‌های جدید بهره برده و با پیاده‌سازی آن ها، به طور چشمگیری هزینه های انرژی را در سرتاسر اتاق IT و اتاق تاسیسات مرکز داده کاهش داد.

 

[1] – The Energy Independence and Security Act of 2007

[2] – Kundra

[3] – EPA Report to Congress on Server and Data Center Energy Efficiency Public Law 109-431, U.S.Environmental Protection Agency ENERGY STAR program, August 2, 2007

[4] – US Department of Energy, “Creating Energy Efficient Data Centers”, U.S. Department of Energy, May 2007

[5] – APC by Schneider Electric, White Paper 114, “Implementing Energy Efficient Data Centers”, 2010

[6] – Schneider Electric Data Center Efficiency Calculator

[7]  Power Usage Effectiveness

[8] – White Paper 158, Guidance for Calculation of Efficiency (PUE) in Data Centers

[9] – White Paper 154, Electrical Efficiency Measurement for Data Centers

[10] – White Paper 113, Electrical Efficiency Modeling for Data Centers.

[11] – White Paper 154, Electrical Efficiency Measurement for Data Centers

[12] – White Paper 150, Power and Cooling Capacity Management for Data Centers

[13]– White Paper 129, A Scalable, Reconfigurable and Efficient Data Center Power Distribution Architecture.

[14] – White Paper 126, An Improved Architecture for High Efficiency, High Density Data Centers

[15] -White Paper 128, High-Efficiency AC Power Distribution for Green Data Centers

[16] – LBNL report on UPS efficiency: http://hightech.lbl.gov/documents/UPS/Final_UPS_Report.pdf, Figure 17, page 23. Accessed March 21, 2008.

[17] – Variable Frequency Drives

[18] – White Paper 135, Hot-Aisle vs. Cold-Aisle Containment for Data Centers