一轉(zhuǎn)眼，2020年就到來了。對于數(shù)據(jù)中心產(chǎn)業(yè)來說，2020年將是充滿希望和收獲的一年，同時也是在綠色節(jié)能方面壓力更大的一年。與數(shù)年前各地?zé)崃覛g迎“高科技”產(chǎn)業(yè)的盛況相反，如今的數(shù)據(jù)中心“高能耗”產(chǎn)業(yè)名聲在外。如何平衡高速數(shù)字化發(fā)展對數(shù)據(jù)中心的需求，和數(shù)據(jù)中心給能源、環(huán)保帶來的壓力，是產(chǎn)業(yè)亟需解決的問題。

從社會能耗的角度看，包括我國在內(nèi)的世界各國都在倡導(dǎo)低PUE的綠色中心建設(shè)。去年年初，工信部等三部門聯(lián)手發(fā)布了《關(guān)于加強(qiáng)綠色數(shù)據(jù)中心建設(shè)的指導(dǎo)意見》，推動全國數(shù)據(jù)中心向節(jié)能綠色發(fā)展。在這前后，北京、上海、深圳等核心大城市紛紛出臺了相關(guān)的產(chǎn)業(yè)政策，嚴(yán)控數(shù)據(jù)中心PUE數(shù)值，最低標(biāo)準(zhǔn)已經(jīng)達(dá)到了1.30（深圳地區(qū)甚至有1.25的相關(guān)指標(biāo)），這對現(xiàn)今的數(shù)據(jù)中心設(shè)計、建設(shè)和運維是不折不扣的重大挑戰(zhàn)。

從數(shù)據(jù)中心本身來看，能源支出一直是數(shù)據(jù)中心運營成本的大頭。根據(jù)2015年至2019年期間進(jìn)行的相關(guān)研究表明，數(shù)據(jù)中心電力成本大約占運營成本的35％至40％。如果對一個典型的大型數(shù)據(jù)中心能耗進(jìn)行整體分析便可以發(fā)現(xiàn)，IT系統(tǒng)之外的能源消耗占比大的就是制冷系統(tǒng)。因此，破解用電瓶頸、降低數(shù)據(jù)中心能耗的關(guān)鍵在于提升制冷系統(tǒng)效率。

降低PUE值本意就是削減IT系統(tǒng)之外的能源消耗，如果數(shù)據(jù)中心的PUE由1.80（2017年全球平均水平）下降到1.30，則意味著IT系統(tǒng)之外的能耗降低了62.5%，整體電力成本則削減了28%。從這里可以看出，控制PUE無疑是節(jié)省成本最有效、直觀的途徑。

“PUE”靠得住么？

而對于“唯PUE”論，行業(yè)內(nèi)也開始了有了不同的聲音。眾所周知，PUE是衡量數(shù)據(jù)中心非IT系統(tǒng)能耗占比的一個數(shù)值。通過良好設(shè)計與建設(shè)的數(shù)據(jù)中心，采用合適的散熱方案，以及精細(xì)化運維，理論PUE數(shù)值可以降到1.1甚至更少。不過在實際運營中，大部分?jǐn)?shù)據(jù)中心是無法達(dá)到理論PUE值的。機(jī)架空載、業(yè)務(wù)波動、氣溫變化等等均可能影響到數(shù)據(jù)中心的PUE值。

按PUE計算的數(shù)據(jù)中心制冷功耗的平均比例

IT核心系統(tǒng)用電不能缺少，辦公、照明等系統(tǒng)耗電比例較低，所以降低PUE本質(zhì)上就是降低制冷系統(tǒng)的能耗。但制冷系統(tǒng)的調(diào)整對于整個數(shù)據(jù)中心溫度的影響并非線性的，簡單的減少制冷系統(tǒng)功率，對于數(shù)據(jù)中心這樣的復(fù)雜體系來說，可能造成不可預(yù)估的后果。

IT系統(tǒng)運行需要一個適宜的溫度，目前大部分?jǐn)?shù)據(jù)中心服務(wù)器溫度都控制的很嚴(yán)格，遠(yuǎn)低于國家標(biāo)準(zhǔn)以及行業(yè)組織的推薦值。之所以如此，是因為在某些因素影響下，當(dāng)大部分服務(wù)器處在合理溫度區(qū)間內(nèi)時，部分服務(wù)器卻會偶然出現(xiàn)過熱的情況。而一旦溫度超出了服務(wù)器的工作極限，就必然面臨出錯、宕機(jī)等故障。

與此同時，還要考慮到IT系統(tǒng)在不同溫度下工作的效能問題。機(jī)房溫度提升1℃，不等于服務(wù)器就同樣提高1℃并且照常運行。相反，可能觸發(fā)服務(wù)器本身的散熱、保護(hù)系統(tǒng)等，比如服務(wù)器、機(jī)柜風(fēng)扇從待機(jī)到運行。最終結(jié)果是服務(wù)器的效率沒有提升，機(jī)柜的整體功耗卻有增長。這樣看來，PUE是否還有降低空間需要更加復(fù)雜的整體測算。

最后一個問題是，PUE本身只是一個計算數(shù)字，最終決定PUE是否“靠譜”的其實是運維人員本身。雖然運維人員可以掌握機(jī)房各方面的信息，但在各種復(fù)雜信息的干擾下，任何微小的調(diào)整，都會對機(jī)房這個非線性系統(tǒng)帶來不可預(yù)估的后果。當(dāng)然，運維工程師也可以考慮通過一套完備的公式來預(yù)測調(diào)整效果，但目前看，還沒有這樣可以完善囊括機(jī)房所有影響因素的計算公式，人力也無法時刻準(zhǔn)確關(guān)注如此復(fù)雜的環(huán)境變化。

所以，目前數(shù)據(jù)中心對PUE以及制冷系統(tǒng)的調(diào)整，還處在經(jīng)驗以及“拍腦袋”共用的“混沌”狀態(tài)。而數(shù)據(jù)中心數(shù)十年的發(fā)展歷史告訴我們，人工運維失誤，永遠(yuǎn)是導(dǎo)致數(shù)據(jù)中心系統(tǒng)宕機(jī)的第一因素。

這時，就需要AI來救場了。

iCooling應(yīng)需而生

廊坊，北臨京都，東接天津，素有“京津走廊明珠”之稱，很多影響京津冀的產(chǎn)業(yè)核心也往往落地于此。華為公有云的北方基地、華北地區(qū)數(shù)據(jù)樞紐-廊坊云數(shù)據(jù)中心即建設(shè)在這里。目前，華為廊坊云數(shù)據(jù)中心已投產(chǎn)4500個容量IT負(fù)載為36兆瓦的機(jī)架，可容納近10萬臺服務(wù)器，巨額電力消耗帶來的運營成本居高不下。

華為廊坊云數(shù)據(jù)中心在下一個十年中容量將增長10倍，并將能夠容納100萬個服務(wù)器單元。屆時的電力需求將有10倍甚至更多的增長，不僅華為每年要為此付出數(shù)額巨大的電費，也會給園區(qū)供電帶來難以預(yù)估的壓力。

節(jié)能減排，控制成本是亟需解決的問題。華為廊坊云數(shù)據(jù)中心采用了目前所有常見的先進(jìn)節(jié)能措施，包括行級精密空調(diào)、高效供配電，冷熱通道隔離等。在最新的方案還將部署間接蒸發(fā)式自然冷卻（IEC）系統(tǒng)——這是一種新型的自然冷卻（間接蒸發(fā)）系統(tǒng)，可以高效的利用外部冷源，大幅降低制冷系統(tǒng)的電力消耗。

如前文所說，傳統(tǒng)的制冷系統(tǒng)管理雖然久經(jīng)驗證，但高度依賴運維人員的經(jīng)驗，從整體看缺乏靈活性和精確性。為了保障服務(wù)器的安全運行，大多數(shù)機(jī)房溫度冗余范圍很大，必然導(dǎo)致能效降低。而復(fù)雜的體系，也限制了運維調(diào)整空間，只能在幾個固定模式之間切換，無法根據(jù)系統(tǒng)的實際用量做出精確的調(diào)整。

為了解決這一問題，華為引入了基于AI的系統(tǒng)控制方案——iCooling。

“驗證”引領(lǐng)“普惠”

華為并不是第一個利用AI來控制制冷系統(tǒng)的，谷歌在過去十年中一直嘗試使用DeepMind AI讓AI系統(tǒng)負(fù)責(zé)部分?jǐn)?shù)據(jù)中心的用電來減少數(shù)據(jù)中心的能源費用。據(jù)谷歌透露，截止2014年，AI幫助其數(shù)據(jù)中心的平均PUE達(dá)到1.12，此后幾年均保持并降低了這一平均值，每年因此可節(jié)省40%的制冷費用。按照PUE 1.12計算，不考慮辦公、照明系統(tǒng)的情況下，相當(dāng)于節(jié)省了近4.8%的電力支出。

在國內(nèi)，華為無疑是在這條探索的道路上走的最遠(yuǎn)的一個，并且取得了令人滿意的階段性成果。2018年5月，華為iCooling解決方案首次被部署在華為廊坊云數(shù)據(jù)中心的1500個機(jī)架上。目前該試點區(qū)域（1500個機(jī)架）的年平均PUE已降低至1.3以下，節(jié)省了8％的電力消耗。

AI調(diào)控機(jī)房環(huán)境，就原理來說與運維工程師的做法并無二致，同樣是通過調(diào)整制冷系統(tǒng)比如出風(fēng)溫度來影響整個機(jī)房的溫度。只不過對于人類來說難以同時監(jiān)控并且做出應(yīng)對大量系統(tǒng)參數(shù)的變化，AI處理起來不過是舉手之勞。真正的難點在于，當(dāng)調(diào)整了其中一個參數(shù)時，系統(tǒng)中的其它參數(shù)將做出如何改變，又應(yīng)該如何配合。在目前的運維體系中沒有現(xiàn)成的公式或算法可參考。

大數(shù)據(jù)與AI的結(jié)合，是尋找這種算法的利器。通過使用海量的歷史數(shù)據(jù)來訓(xùn)練AI神經(jīng)網(wǎng)絡(luò)，讓AI通過機(jī)器學(xué)習(xí)算法，分析PUE與數(shù)據(jù)中心內(nèi)具體組件生成的數(shù)據(jù)之間的聯(lián)系，以發(fā)現(xiàn)不同設(shè)備與不同系統(tǒng)參數(shù)對系統(tǒng)整體的影響。最后，通過建立數(shù)學(xué)模型，以大量傳感器數(shù)據(jù)作為輸入?yún)?shù)，最終找到實現(xiàn)所需結(jié)果的最佳配置。

在華為廊坊云數(shù)據(jù)中心，iCooling從700多個監(jiān)控點、傳感器中收集數(shù)據(jù)，分析這些數(shù)據(jù)與系統(tǒng)PUE數(shù)值、能效之間的關(guān)聯(lián)度，并成功識別出最重要的21類變量?；谶@21類變量，華為iCooling訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，建立動態(tài)PUE模型。訓(xùn)練后的PUE模型預(yù)測準(zhǔn)確性達(dá)到了99.5％，誤差僅為0.005。利用該模型，邊緣AI推理平臺（Atlas 200）可在1分鐘內(nèi)從140萬中初始組合中找出最佳的制冷策略，其準(zhǔn)確性和速度已遠(yuǎn)超出具經(jīng)驗的數(shù)據(jù)中心工程師的能力

打敗“人類”只是第一步，AI下一步目標(biāo)是提升整個制冷系統(tǒng)的智能化程度。目前通常整個機(jī)房的制冷都基于統(tǒng)一的制冷或散熱的設(shè)備，不能做到單體控制。即使對機(jī)房、供電等部分單獨供冷，也很難做到保證每一個單元都運行在最優(yōu)溫度區(qū)間內(nèi)。智能化的制冷系統(tǒng)將根據(jù)每個單元的需求，自行調(diào)節(jié)供冷功率，大化的降低損耗。

當(dāng)然，AI在數(shù)據(jù)中心的應(yīng)用遠(yuǎn)不止調(diào)整PUE這一個選項。在運維、風(fēng)險管理、安全管理等方面，AI也將發(fā)揮重大的作用。不過就目前來講，雖然大多數(shù)數(shù)據(jù)中心企業(yè)表現(xiàn)出了對AI的興趣，但缺乏實踐的現(xiàn)狀，讓AI普及的廣度、深度均不及預(yù)期。

好在有眾多類似華為這樣的企業(yè)，以自身業(yè)務(wù)為基礎(chǔ)，積極推進(jìn)AI實踐，為業(yè)界提供可參考的案例。如河南聯(lián)通中原基地、寧夏移動中衛(wèi)數(shù)據(jù)中心等項目中也都有了AI節(jié)能方面的應(yīng)用，樹立了綠色數(shù)據(jù)中心的新標(biāo)桿。

相信隨著iCooling以及一系列AI技術(shù)在數(shù)據(jù)中心運營和管理中的作用越來越廣泛，“智能運維”、“無人值守”等概念不再只是被反復(fù)提及的“熱詞”。

數(shù)據(jù)中心只是AI的落腳點之一，在各行各業(yè)中AI均能發(fā)揮出人力所無法達(dá)到的作用。例如iCooling還可用于智能樓宇能源管理，可以監(jiān)控和優(yōu)化工業(yè)園區(qū)、大學(xué)和校園的用電情況，從能源角度打造真正的“智慧園區(qū)”。只有不斷將類似的技術(shù)或者理念深入到生活、生產(chǎn)中的方方面面，AI的普惠之路才真正延伸到人類社會中。