评估数据中心有一项很重要的指标PUE。Power Usage Effectiveness的简写,是评价数据中心能源效率的指标,是数据中心消耗的所有能源与IT负载使用的能源之比,是DCIE(data center infrastructure efficiency )的反比。
PUE = 数据中心总设备能耗/IT设备能耗,PUE是一个比值,基准是2,越接近1表明能效水平越好。
从PUE指标和建造时间到场地和数据中心的设备,这些都会影响你的数据中心设计和建设。在这里我们有三个建议提供参考。
数据中心的建设方案需要有多样化的适应范围,这里面包括业务需求,电力供应和数据中心的可扩展性。
建立一个数据中心有不同的方法,不同用途的数据中心该采用哪种方法呢?传统的设备需要符合现代需求,这样的数据中心需要考虑其可扩展性和灵活性;而集中式和模块化的设计适合新规划地点的数据中心。
符合绿色环保的概念
我们从希腊雅典的一个数据中心来看,它是全模块化的设计,位于一个小森林里。这个数据中心作为一个政府机构数据的备份中心。数据中心的建设设计有严格的管控,不破坏河流的生态环境。
数据中心的建设坚持以最小的影响为标准,包括14千瓦的机架在400平方米的空间。并用热通道遏制和特殊的冷却系统,不影响到附近河流的生态。
由于该数据中心是位于远离人口中心,从服务器到过滤系统,一切都无需人工干预操作。占地面积小,融入环境,运行可靠,对数据中心来说是最小的基本条件。
建设和管理数据中心基础设施,需要保证设备符合绿色环保要求:PUE约1.18和可再生能源,这是在数据中心基本的建设水平。
在这种情况下考虑节约成本是不行的——模块化的构建使得本来空间和资源可以合理的搭配。
用现代化的指标构建数据中心
在城市的旧厂房建设数据中心也是一个选择。主机托管商配置一个数据中心的重点在于防止数据环境遭到破坏,而不是单单设备。我们可以看看占地60000平方英尺的前美国钢结构厂房在费城(见图1)开始安装模块化的三层数据中心。
“现有的设施——场地的尺寸,厚度的混凝土和钢建筑——在今天不能符合环保的概念”肖恩说,他是数据中心的创始人之一。
和传统的数据中心构建在大楼里面不同,这个数据中心是以数据安全为主导,构建在一个类似集装箱的空间里面,因为大多数用户都是通过远程来管理服务器,所以非必要的时候,没有人直接去使用物理服务器。所以这样的数据中心甚至只占用了1000平方尺的空间。
由于托管中心的建筑规模小,公司将更多将电源,网络和温度控制系统这些模块化。不同的模块可以方便的增配和简配。
模块化数据中心融合传统的设置,而且它能节省大量的空间。
在传统上进行创新
为了数据中心的安全,许多数据中心都隔离了外部的环境。甚至工作人员长时间都在数据中心里面工作和生活。营造一个家的环境是非常必要的,因为这样的数据中心基本上都有休息室和卫生间。如果员工在数据中心有一种归属感,工作起来会减少推脱和提高工作效率,因为员工都处于一种放松的状态。图3。
有着良好环境的数据中心,包括休息室和咖啡厅。
数据中心的内部建设需要简洁和有条理,方便设备的增减和盘点等等。
这是一个非常简洁明亮,有条理分布的数据中心机房。图4。这样标准的数据中心机房需要有十二英寸的混凝土墙的墙体。电力和其他管道都是颜色编码,包括冗余电源线。服务器、设备以及空调等等都有进行标识。
好文章,需要你的鼓励
YouTube开始推出肖像检测工具,帮助创作者识别和举报使用其面部特征的AI生成视频。该系统类似于版权检测机制,目前处于测试阶段,仅向部分创作者开放。用户需要提供政府身份证件照片和面部视频来验证身份。系统会标记疑似包含用户肖像的视频,但无法保证100%准确识别AI内容。YouTube将根据多项因素决定是否移除举报的视频。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。
谷歌宣布在AI Studio平台中引入"氛围编程"体验,让编程和非编程用户都能更轻松地开发应用程序。用户可通过简单提示生成可运行的应用,新功能包括应用画廊、模型选择器、安全变量存储等。平台还添加了模块化"超能力"功能和"手气不错"按钮来激发创意。完成的原型应用可一键部署到谷歌云运行平台。此次更新正值业界期待谷歌即将发布Gemini 3.0大语言模型。
中国人民大学研究团队开发了Tool-Light框架,通过信息熵理论解决AI工具使用中的过度调用、调用不足和过度思考问题。该框架采用熵引导采样和两阶段自演化训练,让AI学会合理使用外部工具。在10个推理任务测试中,Tool-Light显著提升了AI的效率和准确性,为AI工具集成推理提供了新的解决方案。