資料中心的智能化管理與能源效率

宏正自動科技產品經理黃世強。

由於許多科技應用如物聯網，已從概念階段走向實際應用，愈來愈多的企業投入公有雲與私有雲的建置，也因此驅動著大型及超大型機房的籌備與興建，宏正自動科技產品經理黃世強指出，包括配電、用電、空調製冷的選擇、集中管理及控制等，都已是現代資料中心不可或缺的管理重點，如何破除綠色機房的迷思與挑戰，更是IT人員必須了解的重要趨勢。

黃世強指出，據資策會的資料，全世界的伺服器在2015年的出貨量約有900萬台，年成長率約為5.9%。另根據TechNavio's analysts指出，預計從2013年到2018年，年複合成長率(CAGR)更將高達10.60%，由此可見資料中心的發展程度。

而從資料中心角度看客戶需求，各家廠商也是在逐步轉型。從普遍的X86傳統系統，開始導入預整合系統到整櫃輸出，原來一個機櫃僅放6？8台伺服器，現在已逐漸成長用到將近80%的機櫃空間; 同時也帶來更高密度的電力需求。此外，虛擬機器、模組化UPS、動態製冷及容易擴充的需求，以及收集用電資訊、機房環境溫濕度，並提供管理者可視化管理介面，都是資料中心管理必須要考量的重點。

黃世強指出，機房用電的範圍，如處理器、伺服器、儲存裝置及交換機等IT設備，大約佔52%，空調製冷大約佔38%，UPS、PDU等設備則是佔用電量10%。以伺服器的電力配送路徑為例，從中壓變電站送電進來，經隔離變壓器降壓至480/277V的三相電，再經過UPS、精密配電櫃之後，將208V/單相電配進每一個機櫃，整個配送過程會經過4次轉換，兩次隔離變壓器轉換，開關/斷路器也有10個左右。每一次的電力轉換與配電距離的長短，都會影響能源損耗。

為了降低機房用電的能耗，英特爾(Intel)在2009年提出一種直流供電系統架構，讓電力轉換只剩下兩次，一次隔離變壓器轉換，開關/斷路器也可以降到5個左右，這其實就是Facebook主導的OCP(Open Compute Project；硬體版的Open Source)的前身，目前也已經有一些資料中心開始導入，可大幅改善能源損耗的狀況(降低38%能源損耗與24%建置成本)。

黃世強指出，自從2008/09年開始，實體伺服器的建置費用就開始趨於平緩，多數伺服器的運作只用了其總負載容量的5%到15%，單一伺服器只需要處理/執行單一服務，而現在一台高階伺服器可以透過虛擬機器，作成4？6台虛擬機。VMWare甚至宣稱可讓伺服器硬體利用率提高到80%，進而降低硬體和營運成本達50%，減少能源成本達80%。

事實上，資料中心能否持續運作，不能只看初期的投資成本，而是要看長期運轉成本，以台灣地區用電需求達100kW的機房為例，年運轉電費支出約新台幣460萬，如果是北美地區的機房，長期運作的成本更是驚人。

另一個影響機房管理的重點，則是空調製冷的選擇。黃世強指出，列間空調近來比較受歡迎，因為單櫃可以處理的熱量從15kW到20kW，而背板式熱交換器(Rear Door Heat Exchanger；RDHx)，單櫃甚至可以處理30kW到40kW的熱量，成為許多高密度的資料中心的優先選擇，效果最好的則是直接接觸式的空調(Direct Touch Cooling)，甚至不需要冰水主機，用室溫水即可達到製冷的效果。

至於機房管理方面，黃世強認為，可視化管理非常重要，首先要佈設感測器， 在量測及收集數據之後，再產生報表，供管理人員分析並進行改善。或是直接利用自動化管理設備，動態調整伺服器的運算時間及空調製冷以優化能源使用效率。

黃世強以ATEN rack PDU為例，指出PDU就像機櫃內的探針，可以用來動態量測電壓、電流、功率、功耗、功率因素，但還需要集中控管軟體的計算能力，才能有效管理數量龐大的PDU與處理龐大的機房用電、機櫃微環境之數據資料，進而獲得動態的PUE/RCI/RTI 數據。

解析數據及產出報告，也是機房管理的重要項目。黃世強指出，透過儀表板式的數據呈現方式，與利用色彩進行的可視化管理，是ATEN能源管理軟體(eco sensors)的一大特色，有助於機房管理人員瞭解機房目前的運行能效，快速有效的察覺及解決問題。

黃世強指出，由於擔心過熱，大部分機房會將空調溫度調得太低，因而產生機櫃冷卻指數(Rack Cooling Index；RCI)RCILO過低、能源成本太高的問題；相反地，也有部分企業盲目追求低PUE值，而把溫度調得太高，使得RCIHI出現狀況，這是因為太重視節能，反而忽略安全，讓機房停機的風險升高。

另一個機房管理需要重視的數據，則是回風溫度指數(Return Temperature Index；RTI)，過高或過低不是意指冷卻不足，不然就是能源的浪費。黃世強指出，不論是RCI或RTI，都應該要被即時監測，才能讓機房溫度進行動態調整，在機房的節能與安全之間找到平衡點。

此外PUE值不一定是愈低愈好，要實際去理解這個數據背後的真實意義。例如機房存在大量只耗電不工作伺服器，或是已經導入虛擬機器，且週邊用電保持不變的機房，這兩個看似可以拉低PUE值的動作，代表的意義卻截然不同，前者是低效能的機房，後者則是高效能的機房。

另外，由因應雲端運算需求而生的新建大型資料中心可以觀察到，CPU/GPU核心數已不再重要，浮點運算數才是重點；兩個同數量級的浮點運算需求機房， 以CPU為架構主體的機房其核心數會遠大於以GPU為架構主體的機房，相對的，前者的機房運算能效是低於後者的。

至於UPS的效率也是存有迷思的，黃世強指出，如果UPS於高效模式(Eco mode)下運行，雖然有節能效果卻是取巧的做法。由於處在bypass mode的操作狀態下，伺服器等於是直接暴露在市電常見的突波？浪湧與電壓畸變的風險中，因此正規的作法應該是採行計畫性驅動，或是採用模組化UPS，都能同時符合節能及安全的機房用電需求。