美国发展绿色数据中心的经验和启示

　　美国是全球最早开始探索绿色数据中心技术的国家之一。从数据中心分布来看，美国占据了全球数据中心45%的份额。中国和日本分别占有 8%和7%。美国互联网发展近50 年，当前的数据中心行业已进入整合阶段，以改建和扩建为主，新建数据中心规模占比不大。Equinix 等第三方数据中心企业凭借灵活的管理及高效的收购，迅速发展成为全球龙头。 Google、IBM 等互联网公司自建的数据中心也已达到世界领先水平。美国发展绿色数据中心的做法和经验值得我国借鉴。

　　美国政府发展绿色数据中心的举措

　　联邦数据中心节能项目遥联邦数据中心节能项目设立的能效专家中心发布了数据中心节能设计最佳实践导则，介绍了高效数据中心设计、场地条件、气流组织管理、制冷系统、供电系统、分布式发电等方面的示范案例；发布了数据中心能效评估工具包和数据中心自我对标指南；提供具体节能案例研究报告；提供数据中心服务器与存储器、电力系统等方面的具体节能技术报告；发布数据中心能效对标案例研究报告等。

　　关闭整合小散旧数据中心遥美国政府在2011 年设立了一个目标，在4 年内关闭大约800 个数据中心，为美国节省数亿美元的开支。综观整个联邦政府内部，单就财务和人力资源管理的软件项目就多达数百种。这就造成从1998 年到2010 年间，联邦数据中心从432 座猛增至2000 座以上。冗余系统和应用的数量在过去的时间里无限制增长，造成了极大的资源浪费。项目启动一年后，美国政府已经关闭了137 个数据中心，美国联邦调查局计划巩固这项措施，未来关闭数据中心总数将达到1100 座。关闭这些数据中心，通过节省纳税人的开支和更充分地利用硬件和软件，将会节约10 亿美元以上的资金。同时，这项举措将可以为美国政府每年节约50 亿美元的支出。

　　推行野能源之星冶数据中心计划遥 2009 年，美国环境保护局发布了数据中心服务器的首个“能源之星”的规范，它定义了一系列的能源使用、效率要求、存储系统和大型网络设备的规范。这些要求主要集中在提高整体服务器的能源效率、降低整体功耗方面，特别是对服务器空闲时的功耗进行了规定。该计划建立了数据中心“能源之星”评级系统，对数据中心PUE 指标进行评分，分值从1 到100，每一分代表能效超过1%的数据中心，得分高于 75 即可获得“能源之星”标识。虽然并不是所有的设备都适用于能源之星的评级，但该计划确实让IT 设备购买方考虑降低能源成本，决策是否采用的重要因素。为了满足能源之星对数据中心设备的要求，每一个组件和能量管理系统都要进行能源优化。

　　数据中心LEED 认证遥数据中心 LEED 认证是2003 年由美国绿色建筑委员会建立并推行的绿色建筑评估体系，是目前全球各类建筑环保评估、绿色建筑评估以及建筑可持续性评估标准中最具影响力的一个。其评估体系和技术框架由可持续建筑场址、水资源利用、建筑节能与大气、资源与材料、室内空气质量五大方面的若干指标构成。根据各方面指标对建筑进行打分，综合评估建筑对环境的影响。按照综合得分由高到低划分为白金、金、银、通过4 个认证级别。 LEED 是自愿型标准，但从其发布以来，已被美国各州和其他国家广泛采用。2012 年起，LEED 开始重视数据中心节能。LEED 2012 开发了一套专门针对数据中心的节能指标和评级方法。参与LEED 评级的数据中心需要满足一个先决条件，即建筑和IT 设备的总能耗分别进行评定。近年来，经过LEED 认证的数据中心数量激增， Facebook、Apple、Internap 等公司都已有获得LEED 认证的数据中心。

　　人工智能助力节能技术变革遥美国将人工智能与数据中心结合的根本目的是提升效率、降低成本。人工智能在数据中心的应用主要有三方面：一是利用预测分析优化工作负载分配。通过采用预测分析驱动的管理工具，IT 团队可以将其绝大部分工作负载分配给服务器。这些工具能够实时优化存储和计算负载平衡，使IT 专业人员能够在更高和更低劳动密集级别上进行监督运营；二是机器学习算法可帮助企业提高效率和降低能耗。通过人工智能，工作负载可以在服务器合理分布，以最大限度地提高生产力，并解决网络拥塞问题；三是人工智能可缓解人员短缺情况。人工智能平台自动执行系统更新、安全补丁和文件备份等常规任务，同时将更细微、定性的任务留给IT 人员。在没有处理每个用户请求或事件警报的负担的情况下，IT 专业人员只需承担以前需要他们重点关注的任务的监督角色，从而使他们有更多时间专注于更大的管理挑战。

　　优秀案例

　　（一）Google

　　Google 是一家美国的互联网企业，业务涵盖互联网搜索、云计算、数据挖掘等领域，开发并提供大量基于互联网的产品与服务。Google 在美洲、亚洲、欧洲拥有自建的数据中心数十座，还在全球各地还租用了20 多个数据中心。从2007 年开始，Google 通过提升数据中心的运行效率，采用可再生能源、循环利用各种材料等种种举措降低资源消耗。Goole 在其网站上率先公布了他的PUE 计量方法，它在全球的数据中心平均PUE 低至1.11。

　　Google 提升数据中心效率的方法主要包括可再生能源、循环利用各种材料等。一是采用自定义的服务器以提高效率。优化电源架构，减少损耗，减少中间的转换次数。取消外部连接器和显卡，优化风扇。二是坚持测量能源使用效率，优化能源架构。从2007 年开始，Google 在网站上公布其数据中心的运行效率，不断优化测量方法，力求更准确的计量和更精细的管理。三是资源的回收和再利用。通过延长设备的生命周期，提高设备利用率使用本地供应商，降低运输对环境的影响，减少购买新设备和新材料，尽可能的利用已有设施。最大限度对数据中心的材料进行回收利用。四是利用人工智能让Google 的数据中心制冷 PUE 改善了40%。Google 的人工智能是通过数据中心内的数千个传感器去收集温度、电量、耗电率、设定值等各种数据，再对这些历史数据做深度分析，调整运行模式和控制阀值，最终实现数据中心运行的最高效率。五是支持可再生能源电网驱动数据中心。即通过投资可再生能源发电，然后将绿色环保电能卖给电网，然后从电网购电支持数据中心的运行。

　　（二）IBM

　　IBM 是全球数据中心技术的领导者，拥有非常丰富的数据中心运营与管理经验。为达到尽量减少数据中心的整体用电量、尽量增大数据中心整体用电中用于IT 系统的比例、尽量减少用于非计算设备（电源转换、冷却等）的用电消耗的目标，IBM 通常采用六大步骤来实现：一是引入刀片式架构。使用刀片服务器来取代传统的台式或者机架式设备，有望达到 20%~44%的能源节省。二是选择节能服务器，使用那些采纳了能源高效设计和部件的系统。要求系统供应商能够提高单位能源消耗下的计算性能。根据厂商设备的不同，会有一定的差异，但总的来说，会达到25%～40% 的节能效果。三是精确计算供电功率。使用用电管理软件精确计算用电功率和智能化控制系统用电。四是采用虚拟化技术。通过虚拟化合并物理服务器提高服务器使用率，这个可以带来20%～30%的能源节约。五是考虑水冷技术。采用风冷和水冷相结合的冷却方案可以大大降低冷却成本，大概可以节约40%～50%的能源。六是考虑改造机房，提高机房设施整体能源使用效率，这将会使得数据中心的节能效果有非常显著的提高，也能够使数据中心适应未来的需求。

　　启示

　　强化数据中心节能研究遥重视数据中心节能基础研究工作。美国联邦数据中心节能项目支持数据中心节能技术研发和示范、定期发布的数据中心节能技术指南、评价标准、评级工具，无一不需要大量的研究做支撑。对数据中心的能耗研究不仅有助于准确掌握美国数据中心的真实能耗和能效情况，也为进一步制定相关能效标准、评估工具和技术指南提供了重要依据。我国应特别对现有计量情况较好的数据中心开展调查研究，摸清能耗和能效水平，掌握其用能特点，为后续积累相关节能标准积累基础数据。

整合提升低小散旧数据中心遥整合提升低小散旧数据中心，通过淘汰一批生产率和能效水平低、功能单一、规模小、效益差、资源浪费严重的数据中心，腾出能耗指标，推动集约化建设。通过推动企业上云、政府购买云服务、开展数据中心绩效评估等多种措施，加快淘汰一批规模小、效益差、资源浪费严重的低小散旧数据中心，力争通过5~6 年左右时间，将低小散旧数据中心数量下降50%。实施“ 腾换”并举措施，推进集约化建设，实现数据中心的提质升级，节约社会资源成本。

　　建立数据中心能效评估体系遥通过数据中心节能项目，美国建立了较完备的数据中心能效评估体系。数据中心的管理者可以通过应用这些工具方便地了解自己数据中心各方面的能效水平，明确差距和节能潜力，确定节能工作方向。由此可见，建立一套完备的数据中心能效评估体系非常必要。我国应该加快制定能耗等级、节能设计、节能运维等数据中心节能标准、规范和工具的研究工作，逐步形成完整的数据中心能效评估体系。

　　加强认证标准建设遥建立一套完备的数据中心能效认证体系（包括相关标准、规范、工具等）非常必要。我国应加快数据中心节能相关标准、规范和工具的研究开发工作，逐步形成完整的数据中心能效评估体系，并尽早制定出科学合理、明确量化的节能目标，同时建立有效的管理和监督机制，保障节能目标的落实。

　　推动人工智能技术的应用遥借鉴美国经验，从三方面推动人工智能在数据中心产业的应用。一是利用人工智能提高数据中心安全性。利用人工智能解决方案监测恶意软件和垃圾邮件，分析异常的活动模式，发现弱点并加强对潜在威胁的保护。二是优化数据中心的性能。利用人工智能优化服务器的配置和利用率，监控负载分配，使基础架构更具可扩展性，同时优化冷却和功耗方面的效率。三是利用人工智能提升数据中心的节能效率。用人工智能监控和分析来预测各类用户的活动，将不太常用的数据转移到能耗较低的存储源，并将频繁使用的数据转移到性能更好的存储源，充分利用每台服务器的潜力并关闭未使用容量，以此节约更多能源。