Uso inteligente de la energía en Data Centers

Continuidad del Negocio

Buenas prácticas Green

En un informe al Congreso de los Estados Unidos, la Agencia de Protección Ambiental (EPA) incluyó una lista de las 10 mejores prácticas de ahorro de energía identificadas por el Lawrence Berkeley National Lab.

La EPA concluyó que estas 10 mejores prácticas podrían reducir el consumo de energía de los Data Centers hasta en un 50% en 2011.

¿Cómo se utiliza la energía en el Data Center?

CASO DE ESTUDIO por Liebert / Emerson Network Power

Modelo experimental de 500 m2

Esta estrategia denominada “El Top Ten del Uso Inteligente de la Energía” busca atender las tres principales preocupaciones de los gerentes de TI:

• Energía

• Enfriamiento

• Espacio

Efecto Cascada

1. Utilizar procesadores de alta eficiencia

8

The Ten Energy Logic Actions

1. Processor EfficiencyIn the absence of a true standard measure ofprocessor efficiency comparable to the U.S.Department of Transportation fuel efficiencystandard for automobiles, Thermal DesignPower (TDP) serves as a proxy for serverpower consumption.

The typical TDP of processors in use today isbetween 80 and 103 Watts (91 W average).For a price premium, processor manufactur-ers provide lower voltage versions of theirprocessors that consumes on average 30Watts less than standard processors (Figure7). Independent research studies show these

lower power processors deliver the same per-formance as higher power models (Figure 8).

In the 5,000-square-foot data center mod-eled for this paper, low power processors cre-ate a 10 percent reduction in overall datacenter power consumption.

2. Power SuppliesAs with processors, many of the server powersupplies in use today are operating at efficien-cies below what is currently available. TheU.S. EPA estimated the average efficiency ofinstalled server power supplies at 72 percentin 2005. In the model, we assume the unopti-mized data center uses power supplies thataverage 79 percent across a mix of serversthat range from four-years old to new.

1. Lowest power processor2. High-efficiency power supplies3. Blade servers4. Power management

1. Virtualization2. Lowest power processor3. High-efficiency power supply

4. Power management5. Consider main-

frame architecture

1. Power management

2. Low power processor

3. High-efficiency power supplies4. Blade servers

1. Virtualization2. Power management 3. Low power

processor4. High-efficiency

power supplies

Cooling best practicesVariable capacity cooling

Supplemental cooling415V AC distribution

Monitoring and optimization

I/O Intensive Compute Intensive

Day

tim

eop

erat

ions

24-h

our

oper

atio

ns

Figure 6 . The Energy Logic approach can be tailored to the compute load and type of operation.

Sockets Speed (GHz) Standard Low power Saving

AMD1 1.8-2.6 103 W 65 W 38 W

2 1.8-2.6 95 W 68 W 27 W

Intel 2 1.8-2.6 80 W 50 W 30 W

Figure 7. Intel and AMD offer a variety of low power processors that deliver average savingsbetween 27 W and 38 W.

En nuestro modelo de estudio, el uso de procesadores de bajo consumo reduce la potencia total consumida en un 10%.

➡EPA ha estimado que la eficiencia promedio de las fuentes de poder en servidores era del orden del 72% en 2005.

➡En nuestro modelo de estudio se asumió el uso de fuentes de poder no optimizadas con eficiencias del 79%.

➡Hoy día hay disponibles fuentes de poder “Best-in-class” con eficiencias del 90%. Para nuestro caso de estudio, el uso de estas fuentes reduce la potencia total consumida en un 11%.

2. Fuentes de poder eficientes

➡Al igual que otros sistemas del Data Center, la eficiencia de la fuente de poder varía dependiendo de la carga.

➡Algunas fuentes de alimentación tienen un mejor rendimiento a cargas parciales. En servidores de doble fuente el Factor de Uso en promedio es menor del 30%.

9

Best-in-class power supplies are availabletoday that deliver efficiency of 90 percent.Use of these power supplies reduces powerdraw within the data center by 124 kW or 11percent of the 1127 kW total.

As with other data center systems, serverpower supply efficiency varies depending onload. Some power supplies perform better atpartial loads than others and this is particu-larly important in dual-corded devices wherepower supply utilization can average lessthan 30 percent. Figure 9 shows power sup-ply efficiencies at different loads for twopower supply models. At 20 percent load,model A has an efficiency of approximately88 percent while model B has an efficiencycloser to 82 percent.

Figure 9 also highlights another opportunityto increase efficiency: sizing power suppliescloser to actual load. Notice that the maxi-mum configuration is about 80 percent of

Figure 9. Power supply efficiency can vary significantly depending on load and power suppliesare often sized for a load that exceeds the maximum server configuration.

“Typical” PSU Load inRedundant Config.

“Typical” Config100% CPU Util.

“Max”Configuration

NameplateRating

Percent of Full Load

Effic

ienc

y

90%

85%

80%

0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50% 55% 60% 65% 70% 75% 80% 85% 90% 95% 100%

75%

70%

Model A

Model B

AS3APTransaction/Second (Higher is Better)

Tran

sact

ions

/Sec

ond

30000

25000

20000

15000

10000

Load 1 Load 2 Load 3 Load 4 Load 5

5000

0

Opteron 2218 HE 2.6 GHz Woodcrest LV S148 2.3 GHz Opteron 2218 2.6 GHz Opteron 2218 2.6 GHz

Figure 8. Performance results for standard- and low-power processorsystems using the American National Standard Institute AS3AP benchmark.

Source Anandtech

System Performance Results

➡Los Data Centers son diseñados para condiciones pico que no se dan.

➡En un Data Center típico de oficina, la demanda se comporta de forma variable.

3. Software de Administración de la energía en los servidores

El consumo de energía de los servidores permanece alto aún a baja carga del servidor

➡Algunos procesadores tienen características de administración de energía integradas que reducen el consumo de energía cuando el procesador está inactivo.

➡En el modelo bajo estudio, el consumo en reposo es del 80% de la capacidad pico sin características de administración de energía.

➡Cuando se activó la característica de administración de energía se lograron ahorros del 8% de la energía total.

4. Servidores Blade

➡Los servidores blade consumen alrededor de un 10% menos que el equivalente de servidores de montaje en rack.

➡Esto debido a que comparten fuentes de poder, ventiladores para enfriamiento y otros componentes.

➡En el modelo en estudio, se obtuvo una reducción del 1% del consumo total de energía cuando el 20% de los servidores de montaje en rack son reemplazados con servidores blade.

5. Virtualización de Servidores

➡Ha permitido un aumento en la utilización del servidor reduciendo la cantidad de los mismos.

➡Al implementar la virtualización en nuestro modelo se logró una reducción del 8% de la energía total consumida.

6. Mejores prácticas de enfriamientoLa implementación de pasillo frío / pasillo caliente en los arreglos de gabinetes.

Existe un enorme potencial de optimización en:

➡Sellado de aberturas en los pisos elevados

➡Uso de paneles ciegos en los espacios libres de los gabinetes

➡La temperaturas en el pasillo frío puede aumentarse de los 20ºC hasta un máximo de 27ºC.

➡En nuestro caso de estudio, la eficiencia del sistema de climatización es mejorada y repercute en la reducción de un 5% del consumo total.

27ºC

7. Distribución de potencia a 415 V AC

En la gran mayoría de los Centros de Datos, el UPS suple 480 V, los cuales se bajan al voltaje de 208 V mediante un transformador o PDU.

Esto hace al sistema incurrir en grandes pérdidas.

➡La propuesta es una UPS que tenga 480 V de entrada y supla 415 V trifásicos, 240 V entre fase y neutro de salida.

➡Este voltaje alto elimina las pérdidas en los transformadores y, además, aumenta la eficiencia de las fuentes de poder.

➡En el modelo de estudio se logró una reducción del 2% en la energía utilizada.

8. Enfriamiento con capacidad variable

➡Los Data Centers son diseñados para manejar cargas pico que no se dan.

➡El uso de compresores digitales t ipo Scrol l y var iadores de frecuencia en los ventiladores de las unidades (CRAC), permiten una alta eficiencia con cargas parciales.

➡La Po t enc i a d e l ven t i l a do r e s directamente proporcional al cubo de los rpm. Una reducción del 20% en la velocidad del ventilador proporciona casi el 50% de ahorro en energía.

➡En el modelo de estudio, el uso de v a r i adores de f recuenc i a en l o s ventiladores permitió un ahorro del 4% en el consumo de energía.

➡En escenarios de alta densidad, una parte de las necesidades de enfriamiento las suplen los sistemas convencionales tipo CRAC units.

➡La otra parte de la carga es suplida por sistemas de enfriamiento suplementario.

In the chilled water-based air conditioningsystem used in this analysis, the use of vari-able frequency drives provides an incrementalsaving of four percent in data center powerconsumption.

9. High Density Supplemental CoolingTraditional room-cooling systems haveproven very effective at maintaining a safe,controlled environment for IT equipment.However, optimizing data center energy effi-ciency requires moving from traditional datacenter densities (2 to 3 kW per rack) to anenvironment that can support much higherdensities (in excess of 30 kW).

This requires implementing an approach tocooling that shifts some of the cooling loadfrom traditional CRAC units to supplementalcooling units. Supplemental cooling units aremounted above or alongside equipmentracks (Figure14), and pull hot air directly fromthe hot aisle and deliver cold air to the coldaisle.

Supplemental cooling units can reduce cool-ing costs by 30 percent compared to tradi-tional approaches to cooling. These savingsare achieved because supplemental coolingbrings cooling closer to the source of heat,reducing the fan power required to move air.They also use more efficient heat exchangersand deliver only sensible cooling, which isideal for the dry heat generated by electronicequipment.

Refrigerant is delivered to the supplementalcooling modules through an overhead pipingsystem, which, once installed, allows coolingmodules to be easily added or relocated asthe environment changes.

In the model, 20 racks at 12 kW density perrack use high density supplemental coolingwhile the remaining 40 racks (at 3.2 kW den-sity) are supported by the traditional roomcooling system. This creates an incrementalsix percent reduction in overall data centerenergy costs. As the facility evolves and moreracks move to high density, the savings willincrease.

10. Monitoring and OptimizationOne of the consequences of rising equipmentdensities has been increased diversity withinthe data center. Rack densities are rarely uni-form across a facility and this can create cool-ing inefficiencies if monitoring and optimiza-tion is not implemented. Room cooling unitson one side of a facility may be humidifyingthe environment based on local conditionswhile units on the opposite side of the facilityare dehumidifying.

Cooling control systems can monitor condi-tions across the data center and coordinatethe activities of multiple units to prevent con-flicts and increase teamwork (Figure 15).

13

Figure 14. Supplemental cooling enableshigher rack densities and improved cooling efficiency.

Supplemental cooling

units are mounted

above or alongside

equipment racks and

pull hot air directly from

the hot aisle and deliver

cold air to the cold aisle.

9. Enfriamiento suplementario

Mission

Critical

Cooling

Unit

XDV XDV

Rating based on 60 Hz

Mission

Critical

Cooling

Unit

XDV XDV

Rating based on 60 Hz

➡Los sistemas suplementarios pueden ir montados encima de los gabinetes o entre filas, extrayendo el aire caliente directamente del pasillo caliente y suministrando aire frío al pasillo frío.

➡Estas unidades puede reducir los costos por concepto de enfriamiento hasta en un 30% vrs. sistemas tradicionales.

➡Esto se consigue porque el aire frío está más cerca de la fuente de calor (close coupling), reduciendo los requerimientos de potencia de los abanicos requeridos para mover el aire.

➡En el modelo bajo estudio, esto produjo una reducción del 6% en los costos de energía del Data Center.

10. Monitoreo y optimización

Monitoreo y control de todos los sistemas mecánicos y eléctricos del Data Center.

Medición de parámetros de energía eléctrica y parámetros de los sistemas de climatización.

14

In the model, an incremental saving of onepercent is achieved as a result of system-levelmonitoring and control.

Other Opportunities for Savings

Energy Logic prioritizes the most effectiveenergy reduction strategies, but it is notintended to be a comprehensive list of energyreducing measures. In addition to the actionsin the Energy Logic strategy, data center man-agers should consider the feasibility of the following:

• Consolidate data storage from directattached storage to network attached stor-age. Also, faster disks consume morepower so consider reorganizing data so thatless frequently used data is on slowerarchival drives.

• Use economizers where appropriate toallow outside air to be used to support datacenter cooling during colder months, creating opportunities for energy-free cooling. With today’s high-density computing environment, economizers canbe cost effective in many more locationsthan might be expected.

• Monitor and reduce parasitic losses fromgenerators, exterior lighting and perimeteraccess control. For a 1 MW load, generatorlosses of 20 kW to 50 kW have been measured.

What the Industry Can Learn from theEnergy Logic Model

The Energy Logic model not only prioritizesactions for data center managers. It also pro-vides a roadmap for the industry to deliver theinformation and technologies that data centermanagers can use to optimize their facilities.Here are specific actions the industry can taketo support increased data center efficiency:

1. Define universally accepted metrics forprocessor, server and data center efficiencyThere have been tremendous technologyadvances in server processors in the lastdecade. Until 2005, higher processor per-formance was linked with higher clock speedsand hotter chips consuming more power.Recent advances in multi-core technologyhave driven performance increases by usingmore computing cores operating at relativelylesser clock speeds, which reduces power consumption.

Figure 15. System-level control reduces conflict between room air conditioning units operating in different zones in the data center.

Unit 3Unit 2Unit 1

Humidifier ON Humidifier ON

Humidifier ON Dehumidification ON

Dehumidification ON

TEAMWORK MODE

Unit 4Unit 5Unit 6

U N B A L A N C E D L O A D N O L O A D

Unit 3Unit 2Unit 1

Compressors ON

POWER

Control Disables heaters in “Cold Zone”

Unit 4Unit 5Unit 6

U N B A L A N C E D L O A D N O L O A DS W I T C H O R H U B

Compressors ON

The Energy Logic model

also provides a roadmap

for the industry to deliv-

er the information and

technologies that data

center managers can use

to optimize their

facilities.

Impacto económico del uso inteligente de la energía

➡Se traduce en una reducción entre 30 y 50% en la facturación eléctrica atribuible al Data Center.

➡Se logra una optimización del espacio físico hasta en un 60%.

Se logra optimizar el espacio físico

Ing. Geovanny López Montero

Ingeniero en ElectrónicaCertificación en Sistemas de Potencia Ininterrumpidos Liebert-EmersonCertificación ITIL versión 3Certificación COBITAcreditación CCRE de ICREA para Data Centers

glopez@grupoelectrotecnica.com +506 8872-2440+506 2233-1122

¡Muchas gracias!