TIG.com | TIG Systems Integration | Technology Integration Group
     
登录/注册      TIG 全球站点
menu corner image Home Button menu div Company Button menu div News Button menu div Events Button menu div Product Button menu div Service Button menu div Customers Button menu div Contact Us Button menu div Careers Button menu right corder image
 
 
 
 
 
提升数据中心运营能效水平
 
By Technology Integration Group
 

数据中心的惊人消耗.

传统的数据中心主要关注在计算吞吐量和能力上,他们不考虑这些新的电源和空间需求的数据.与此同时,高性能的服务器又普遍存在利用率低下,工作峰值不均等得问题,使得资源遭到了浪费. 随着当今的日益增加的需求,您还需要考虑到电力,空调制冷和占用空间的消耗。
在有些数据中心里,运行和维护一台服务器的成本已经比购买一台的成本更高,这对企业投入都会产生巨大的影响.
 

如何能在降低对环境影响的同时,提高信息技术的效率, 这是TIG和用户共同关注的问题.在正确的工具和正确信息的帮助下,我们可以帮您做到明显的收益:运营效率和资源利用率的不断提高,用于能源,冷却和不动产的成本大幅降低. 如何能够量化这样的变化,从而得到直观,线性的数据,TIG使用了数据中心能效值(CUPS)标准

 
 
Computing Capacity衡量计算能力
这是数据中心的服务器所能支持的最大应用处理数(Transaction). 在传统系统中,服务器数量越多和服务器的性能越高,那么数据中心的计算能力越强。
 
Utilization%平均资源利用率
这是指平均使用率在高峰时段,整个数据中心服务器的CPU平均使用的平均数值.由于很多公司采用单应用单服务器的模式,普遍的情况下,高性能服务器的使用率低于30%.使用率低下直接造成了资源的浪费.
 
Power消耗功率
这是指整个数据中心用电量在工作日的平均耗电量。对于数据中心来说,所消耗的电力,不仅服务器和存储需要消耗很多的电力,空调制冷也对用电量做出着巨大的贡献而空调的耗电与服务器散热是直接相关的,
 
Space占用空间需求
空间的占用主要是各种机柜(服务器,交换机,通信设备,存储阵列),空调和UPS。数据中心是昂贵的房地产,每扩大一个平方,相应就会有布线,电力,制冷等等的资费支出。同时,数据中心一旦建立完毕,扩展就变得很困难。如果设备和机柜布置得不合理,也会浪费电力和冷却等资源得到浪费。
 
这种创新的度量为您提供了一种对数据中心的综合性比较,有了这一信息,您就可以比较客观地评估不同的数据中心方案所实现的能效值,并确定哪些最能满足您的需求。CUPS可将帮助您更好地计划的当前和未来的需要和控制您数据中心的成本。它是准确地评估数据中心扩展和部署的完美工具
 
CUPS这一度量衡有效而准确的计算了效率和成本的关系。对于一个数据中心来说,真正的经济价值是由设备所提供的性能和使用率,单元的大小和它的功率消耗所共同构成的。CUPS的准确计算可以准确地计算数据中心的效率,计划和部署机房项目,这是影响到数据中心的容量,性能和成本的重要指标。随着行业不断的发展,硬件的性能,体积,耗电和价格都在不断地变化,CUPS将指导你得到需要的效果,以满足您数据中心的日益增长的需求。
 
有了CUPS您就会拥有一个快速,简单的方法来准确地预测数据中心的运营能效,更关注服务器和部署的影响,关注服务器在您的项目中生命周期。通俗地讲,CUPS让你能够“少花钱多办事”。提出CUP的目标是在提高性能和利用率的基础上,减少电源和空间效率所产生的间接费用。从而帮助企业节省资金,可以更好地将资金利用在提高公司的商业价值和竞争优势上。
 
 

如何提高数据中心运营能力?

CUPS的公式中可以看出,提高数据中心的运营能力主要体现在:
*           增加服务器, 存储, 网络和设备的性能
*           提高服务器的平均使用效率
*           降低IT设备和空调的耗电量
*           减少所占机柜数量和空间
TIG 建议在实际的方案中,要因地制宜的选择尽可多的几方面来同时进行改造以提高CUPS.
 
我们举一个例子来具体说明CUPS的计算方法。
2个数据中心,AB公司都使用相似性能的服务器. 如果A数据中心的运营能效值CUPS为单位100那么B数据中心的CUPS值为225.
 
从结果可以看出,尽管A系统有更多的服务器数量,但是由于性能和使用率不高,它的运营能效值CUPS却比B44%. 这也说明了在数据中心,单纯的强调某一个指标是不可靠的。
 
 
数据中心A
数据中心B
CPU数量
72
50
系统利用率
30%
60%
电力
600w
400w
空间占用
36M2
30M2
CUPS
100
225
 
 
性能的提升
性能的提升效果最主要体现在硬件系统的更新并软件的优化来实现. 采用新的服务器,新型存储和网络使数据中心计算能力直接得到改善. CPU的不断进步,系统架构不断革新会使得计算性能有着显著的提升.
 
此外通过TIG的整合和优化存储及网络方案能进一步提高系统性能,做到网络/存储与服务器的匹配, 也可以通过优化软件应用和或优化磁盘,网络,内存等来解决系统的瓶颈,如从而提高已有的系统吞吐
 
使用率的提高
提升使用效率可以发挥最大的硬件能力,用尽可能少的硬件来支持同样或更多数量的应用和计算是很多IT 管理者想达到的目标. 采用虚拟化技术能有效地将单服务器单应用转化为多服务器多应用,通过共享硬件资源,共同协调工作峰值区间,来使得服务器使用率提高50%以上. 虚拟化技术同时也可以把新旧或不同品牌或不同操作系统版本的服务器整合到一个统一的平台,大大方便管理和合理调配服务器资源. TIG虚拟化架构涵盖了从服务器到存储,网络的一整套整合的数据中心解决方案.
 
降低电力消耗
电力的消耗是几个因素中对环境的影响最大的.节省电力不仅可以减少企业成本,同时也降低了排碳量。 TIG的绿色省电方案包括
-          优化空调制冷, 采用热流体力学模型,区分热区和冷区来设计制冷分布模式;合理的安排机架和空调的空间排列来提高制冷的效率.
-          动态电源管理, 采用虚拟化的动态电源管理工具(DPM)来监控和关闭闲置的服务器,在有需要的时候自动开启.
-          优化能效, 采用新一代的绿色IT设备比如低运行温度的处理器能有效地能降低能耗。
 
节省空间
合理利用空间并不是简单的压缩空间,提高设备密度,而是要合理布局,使整个数据中心易于管理,又符合制冷的分配. TIG 建议使用刀片服务器等一类高密度的机架方案能在有限的空间部署更多的服务器; 通过采用虚拟化方案可以减少20%-70%左右的服务器数量,可以使网络和存储能共享使用.更少的服务器,磁盘和交换机,使空间成本大大降低.
 
另外合理的布局可以使得可以减少机柜数目,热区的分配也可以减少空调的数量;上走线模式可以增加地面空间使用率,等等.
 

解决方案的提升效果

某著名Web托管服务供应商拥有 100台应用服务器,每台服务器配置为2个双核CPU, 能力为每秒可处理70M条响应随着客户对存储需求的不断增加,该托管服务供应商需要扩展目前数据中心。如何高效利用有限空间、提高制冷效率、解决能耗问题成为该公司的主要考虑问题。
 

在初期阶段,TIG采取购置新的服务器硬件和优化冷却性能的方式来扩展数据中心.新的服务器在体积变化不大的情况下,配备了204*4核的CPU,处理能力为每秒可处理120M条响应,而能耗上却得到了降低.同时我们调整了空调方案,将空调与机柜混合搭配,制冷的效率得到了提高,从而达到了省电的效果. 该方案实施前,数据中心耗电功率为80KW, 实施后耗电为72kw, CUPS提升了:

 

由于客户之前都采用单服务器单个应用的方法,服务器使用率不高,只有40%,随着业务的发展,需要再增加应用;TIG为了进一步挖掘数据中心的运营能力,采用了虚拟化的整合方案,将旧的应用迁移到虚拟机上,淘汰了40台较老的服务器,在剩余的80台服务器上使用虚拟化技术.虚拟化技术能部署更多的应用,从而提高了并发事务处理能力,在近300台虚拟机上,处理能力提高到200M每秒,空间上只占用了70%的机柜数量,耗电量仅为45kw,服务器的利用率提高到了70%,此时CUPS与初期阶段又提升了:
 
 
 
总体来说,数据中心整合是多方面的. 如图1, 全盘计划与实施能使CUPS值提高越大, 那么数据中心的运营能力也就越强.
 
1 多方面同时提升数据中心CUPS
 

TIG 解决方案

TIG的数据中心运营能效提升方案是一个整体的解决方案。不是局限对于某一项目的调整,而是在整体的性能和成本上找到一个平衡点。利用CUPS作为衡量的参照标准,对性能,使用效率,电源和空间的挑战做出积极的反应。在我们实际的方案中,我们在保证性能的同时,最大限度的降低电力和空间的使用。CUPS是一个客观的,四维的数据,提供更加全面和现实的途径来评价数据中心。通过它的评估,我们来发现真正的制约因素,将它们转化为可操作的解决方案,从而优化您整个数据中心的计算能力与效率以及空间,功耗,冷却等性能。 

 点击浏览CUPS相关案例. . .

 

 
Technology Integration Group ©2010-2012