冬季是不是数据中心运营商最喜欢的季节？
毕竟，在低温和寒风的帮助下，大量北方dc可采用自然冷却，南方dc的能耗也大大降低。此时的数据中心pue低、电费少，成本低，让数据中心运营商们期盼如果全年如此就好了。
ai能效优化——数据中心从“制冷”到“智冷”
如何实现数据中心全年都保持较低的pue呢？
首先将迁往南北极这一“有效”方法排除——成本不合算，数据中心参数调优是最常使用的手段。当前的数据中心性能优化大多依靠运维专家对（主要是冷冻站的）三五个参数进行调节和试验，需要反复试验，优化效果全凭经验。有没有更稳妥、快捷、准确的调优方法呢？如果之前被问到这个问题，笔者多半会摇头表示，数据中心降耗没有捷径可走。
然而近期一个联合创新的ai节能数据中心——中国移动宁夏数据中心（中卫）的投产却扭转了业内的固有看法。该数据中心采用华为的icooling@ai能效优化技术（简称“icooling@ai”）后，在当前冬季自然冷却环境下现场测试总能耗降低3.2%，未来预计可达到5%-8%，每年节电600万度。与传统人工调优相比，icooling@ai显示出极简运维、极致节能、极致可靠三大特性，帮助数据中心从传统“制冷”走向“智冷”，全年都如在冬天般省心省力地降pue、省电费。
中国移动宁夏数据中心（中卫）
华为一贯秉承“自己造的降落伞自己先跳”理念，从不会拿没有实践过的理论和产品推向市场，作为业界首个商用的ai能效优化解决方案的icooling@ai也是如此。该技术此前就已率先在华为廊坊基地云数据中心、华为东莞云数据中心进行了应用检验，单是华为廊坊基地云数据中心一年节省下来的电费近千万人民币，如此能效优化水平着实让业内瞩目。
说了这么多，数据中心到底是如何利用icooling@ai能效优化技术降低pue的？过程可以总结为四步：
首先，数据采集。icooling@ai对数据中心运维过程中的众多参数进行长时间采集，此技术在华为廊坊云基地的应用中，共采集700多种参数，每5分钟一次，共实时收集了该数据中心连续9个月的运行数据，这一数据采集量是人工调优无法比拟的。
第二，自动治理。icooling@ai对收集到的海量数据进行脱敏、归一、降噪、去重等治理，采用自动化的数据目录服务，利用数据工具从清洗后的数据中找到决定pue的关键参数。华为廊坊云基地找到的关键参数有19+2个，远超传统人工调优的3到5个。
第三，模型训练。icooling@ai利用dnn（深度神经网络）训练出pue模型，经过训练的pue模型预测准确率>99.5%，误差<0.005。
第四，推理决策。将生成的数据中心pue预测模型发布到推理平台中，根据实时的气象条件、it负载等参数开始推理。icooling@ai能在1分钟内从140万种组合中寻找出最优参数组合，下发执行并反馈效果。
icooling@ai能效优化技术
简单总结就是，icooling@ai基于ai在给定的数据中心气候条件、业务sla（service-level agreement）等条件下自动推理出最优pue下的系统参数并执行，实现数据中心能效最优。与传统人工调优对比，icooling@ai能效优化技术可以戏称为“ai战胜老师傅”的数据中心调优法，因其能发现更多pue决定参数，总能根据当前给定条件自动推理，给出的最优参数组合有据可依。
用ai降pue——华为缘何能为业内先？
2018年中国数据中心总用电量为1,608.89亿千瓦时，超过上海市2018年全社会用电量（1,567亿千瓦时），占中国全社会用电量的2.35%（未含港澳台数据）。数据中心产业如此巨大的能耗量早已被重点关注。2019年2月，工信部等三部门出台《关于加强绿色数据中心建设的指导意见》，其中要求到2022年，“数据中心平均能耗基本达到国际先进水平，新建大型、超大型数据中心的pue（电能使用效率）达到1.4以下”。而自2017年开始，北京、上海、深圳等数据中心密集城市也纷纷出台能耗限制政策控，其中北京市政府规定全市层面禁止新建pue1.4以上的数据中心，上海市对新建数据中心限制“pue值严格控制不超过1.3”。
随着从国家到城市各级主管部门类似政策的不断推出，降低能源损耗、实现数据中心绿色发展已经成为数据中心从业方与政府的一致要求。
华为推出的icooling@ai能效优化技术，依靠ai寻求能效最优的解决方案，不增加硬件投入，利旧服务器资源部署，不仅可用于新建数据中心，更适合现有数据中心利用其进行降本节能，为业界带来了节能降耗新思路。
但随着ai技术的不断进步，其在各行业的应用越来越广泛，致力于ai研发应用的公司也并不鲜见。因此，为什么是华为推出了业界首个商用的数据中心ai能效优化解决方案，而非其他ai公司或数据中心企业？相信看到这，有读者会浮上这样的疑问。让我们一起继续对icooling@ai进行深挖，看看能否解答疑惑。
对icooling@ai的四大步骤进行分析可以发现，背后需要四大能力支撑：一是数据采集能力，对数据中心运营熟悉，了解所有需要采集设施参数并采集到；二是数据治理能力，对海量数据进行自动化治理；三是模型训练能力，利用ai训练出pue模型；四是推理决策能力，根据当前场景参数实时推理出最佳参数组合并下发执行。
而这这四项能力，华为全都拥有并且表现优秀。在数据采集和治理上，华为既是数据中心基础设施供应商又是使用方，具有全球200+的数据中心建设经验和20年运维能力，他们总结给出了数据中心的节能模型、数据治理方案等。icooling@ai借助华为自研的dcim系统对数据中心的海量数据进行采集和治理，收集来的一亿条数据中心运行相关数据可在1小时内治理完毕。在模型训练能力和推理能力上，icooling@ai融合了华为的ai平台及全栈计算能力，借助imaster naie ai平台和昇腾inside的atlas’集群，实现了精确建模与实时推理。icooling@ai的训练平台利用华为公有云摆脱物理架构限制，支持分期部署，便于多dc的统一管理。其推理平台则采用华为自研taishan服务器，配置euler os及guass database，安全可信。
这样分析下来，难怪icooling@ai出自华为，也只有华为。
正如开头所说，现在正是冬季，数据中心pue及能耗处于一年中的最低水平。icooling@ai能效优化技术在中国移动宁夏数据中心（中卫）的应用效果虽然已经表现不俗，但仅仅是牛刀小试而已。相信随着未来icooling@ai能效优化技术的大范围应用，以及在高负载高温等全年众多场景下，其在降低pue和能耗上取将得更令人惊艳的成效，为数据中心绿色节能之路贡献更多力量。
【凡本网注明“来源：中国idc圈”的所有作品，均为中国idc圈网站及所属新媒体号合法拥有版权或有权使用的作品，未经本网授权不得转载、摘编或任何方式加以利用。如有转载需求，欢迎与本网联系。已经本网授权使用作品的，应在授权范围内使用，并注明“来源：中国idc圈”或相关新媒体号名称。违反上述声明者，本网将追究其相关法律责任。】
作者：孙伟敬来源：中国idc圈
