圖片來源: 

Google

Google資料中心的節能效率是全球數一數二,用來衡量資料中心的機房用電指標PUE值(機房總耗電除以資訊設備耗電),數字越低,代表除了資訊設備以外的耗電(空調、照明、電力轉換損耗)越低,也代表用電效率越高,Google資料中心平均可以達到1.12,甚至最好的資料中心可以達到1.06,也就是說,一座機房總用電是106瓦,其中只有6瓦用於非資訊設備的用電。台灣資料中心PUE值大多介於1.8~2.1之間。180瓦用電,就有將近一半用於空調、照明等其他損耗。

Google如何做到這麼極致的資料中心用電管理呢?在Google在28日釋出的白皮書揭露了這個秘密,Google利用機器學習中的類神經網路分析來管理資料中心,以達到節能的目的。

這個成果來自於Google的百分之20計畫,讓員工花20%時間做與自己職責之外的事。計畫發起人是Jim Gao,他是Google資料中心工程師,因此對於資料中心的營運數據非常瞭解。

Google資料中心每30秒會計算一次機房耗電指標PUE值Power Usage Effectiveness)來衡量機房能源利用效率,也持續量測各種數據,蒐集如資料中心內伺服器和網路設備的總用電量,也會量測室外溫度(以瞭解冷卻水塔的運作效果),或像是資料中心空調設備或各項機器的設定等。Jim Gao利用這些數據,加上機器學習建立了預測模型,以改善資料中心的電力使用效能。

由於資料中心產生的數據太過複雜,難以用人工監控所有變數,因此Jim Gao使用的機器學習就像應用於語音辨識的一樣,藉由分析大量的數據找出模式並加以學習,Jim Gao的團隊用資料中心原本就會量測的各種數據,結合預測模型,對複雜的能源管理做出精確的調整。

Jim Gao的模型目前預測能源使用效率的精準度已達99.6%,也就是說,也可利用這個預測模型來動態調整機房內部空調設定,例如提供合適的溫度來節省耗電,例如資料中心曾經有一批伺服器,因為某些原因要關機幾天,於是資料中心就以Jim Gao的模型預測出這幾天空調系統應該設定的溫度。

熱門新聞

Advertisement