您的“云”有多绿?
时间:08-28
来源:互联网
点击:
宽带和智能手机革命显著改变了我们在工作和生活中消费信息以及与信息进行互动的方式。存储及运算服务器——亦即通常所说的“云”,日益成为大多数主流应用程序的运行平台。它们使用快速互联网连接和极其强大的资源来整合和处理分布广泛的数据,并快速响应用户的请求。这给客户带来了实现即时和始终在线响应、泛在接入以及显著降低投资的前景。无论是对Netflix、Facebook和Siri等消费类应用,还是对作为物联网(IoT)基础的工业“机器对机器”(M2M)活动,或是对企业解决方案——如SAP和SalesForce.com,云服务器都是我们日常活动不可或缺的一部分。
“云”的成长
受这些因素推动,服务器容量以不同寻常的速度增长。据估计,云计算市场规模已从2006年的基本为零——时值亚马逊推出其Amazon Web Services (AWS)平台——增长到2014年的580亿美元;而据Forrester Research公司预测,公共云市场规模(不包括来自亚马逊、谷歌和其他公司的专属数据中心)有望在本十年末达到1,910亿美元。通过比较,WSTS预测整个半导体行业的2014年全球销售额会达到3,330亿美元。图1显示了亚马逊的资本性支出(主要受其数据中心计算能力增长的推动)。
图1:由于云服务的增长,亚马逊等公司在计算设备上的支出都出现了指数性的增加。
云计算收入包括由于技术成熟和竞争加剧而导致的价格降低效应。更加令人惊讶的是云在原计算能力领域的增长。据估计,领先的云服务提供商AWS已在全球部署了超过280万台服务器。在架构上,服务器通过转向超大规模和多线程结构,也出现了显著的进化,而处理器核心的原吞吐量也得到显著改进。更多的设计技术——例如能够动态地改变时钟速度、供电电压以及改变同时工作的核心的数量等,都有助于实现对计算负载更好的动态响应。不过,这也显著增加了对电源功率输出要求的复杂性。
不断增加的耗电量
与上述进展联系最密切的是这些服务器消耗的电能:由于服务器数量的迅速增加,其能耗也随之急剧攀升。获得准确的公司耗电量数据并不容易,但我们知道,设计输入功率为3MW的一个典型数据中心可托管超过8,000台服务器。据谷歌公司估计,在2011年,单是其数据中心就需要约260MW的连续输入功率,相当于一座最先进核电站输出功率的25%左右。为缓解电力传输挑战,绝大多数的全球数据中心都位于靠近能提供大量电力的地方,如哥伦比亚河水电站系统。按全球2010年估计数字,数据中心使用了全球耗电量的1%~1.5%,相当于巴西的总耗电量。在美国,数据中心使用了全国总耗电量的接近2%,相当于新泽西州的总耗电量。基本上,数据中心到2010年底向美国电网增加了另一个新泽西州,而且负荷还在继续增加。
这一大规模的耗电量增长具有重大的经济影响。虽然处理器核心可提供更大的处理能力(遵循摩尔定律并进行架构改进),但其工作电压却没能够快速地跟随以降低总耗电量。数据中心主要以两种方式使用电力:首先提供计算机需要的电能,其次对其进行充分冷却,使系统保持在其正常工作范围之内。因此,电源效率的小幅提升对系统性能就有杠杆化的有利影响。除了减少电费开支,高效的电力输送还能在既定预算下增加数据中心容量——鉴于装机容量继续以双位数的年增长率稳步增长,这是一个非常重要的考虑。
电源分配
最先进的数据中心电源分配由一系列的步降电压和随后的负载点电力输送组成。原效率是最大的挑战,但电源系统还能通过不同的方式增加一些能力,以帮助降低能耗。
图2:典型的多相电源系统
多相工作:最新一代基础设施电源转换器支持多相工作,并从轻负载到峰值负载保持以接近峰值效率的情况进行电源输送。它们通过并联多个电源输送相来达到接近峰值效率,控制器根据电源消耗要求来调制这些相位。图2显示了一个典型的多相系统,其中稳压器负责调节每个电感,以提供可变的电流值。多相工作弥补了单相转换器的一个重要缺点,亦即效率在标称负载下达到峰值,但在极高负载时下降。图3显示了多相系统如何智能地根据负载选择相位数目。在很大工作范围下使效率曲线平坦化,免除了数据中心计划员针对典型和最大工作负载进行选择性优化的任务。
图3:多相电力稳压器在宽工作范围上使功率效率最大化
并行电源通道:将处理器核心分成“电源孤岛”,可使系统的构成部分能够在其不使用时断电。电源输送系统现在符合提供多个同时输送轨的需要。
交互:现今的处理器核心是通过数据总线(通常是电源管理总线PMBus)将预期所需的电源电压传递给电源转换器。负载变化可能是投入使用的额外处理核心、处理器时钟速度的变化或者软件处理的特别密集的指令序列的函数。借助对预期负载的洞察,控制器能够根据负载曲线得到最大化的效率。在持续时间内了解耗能水平向服务提供商提供了另一个重要优势:它们能使用系统活动的持续时间和强度来计算每个处理的账单。
绿色成分
这种“云”有绿色环保的特点,虽然使用了大量能源,但云计算(使用现有的一些最强大的计算系统)的有效性使得其比分离计算机系统执行同样任务所需的总能量大大降低。数据中心不断发展的电源输送要求也为半导体制造商提供了进行创新和创造新突破的大量机会。
“云”的成长
受这些因素推动,服务器容量以不同寻常的速度增长。据估计,云计算市场规模已从2006年的基本为零——时值亚马逊推出其Amazon Web Services (AWS)平台——增长到2014年的580亿美元;而据Forrester Research公司预测,公共云市场规模(不包括来自亚马逊、谷歌和其他公司的专属数据中心)有望在本十年末达到1,910亿美元。通过比较,WSTS预测整个半导体行业的2014年全球销售额会达到3,330亿美元。图1显示了亚马逊的资本性支出(主要受其数据中心计算能力增长的推动)。
图1:由于云服务的增长,亚马逊等公司在计算设备上的支出都出现了指数性的增加。
云计算收入包括由于技术成熟和竞争加剧而导致的价格降低效应。更加令人惊讶的是云在原计算能力领域的增长。据估计,领先的云服务提供商AWS已在全球部署了超过280万台服务器。在架构上,服务器通过转向超大规模和多线程结构,也出现了显著的进化,而处理器核心的原吞吐量也得到显著改进。更多的设计技术——例如能够动态地改变时钟速度、供电电压以及改变同时工作的核心的数量等,都有助于实现对计算负载更好的动态响应。不过,这也显著增加了对电源功率输出要求的复杂性。
不断增加的耗电量
与上述进展联系最密切的是这些服务器消耗的电能:由于服务器数量的迅速增加,其能耗也随之急剧攀升。获得准确的公司耗电量数据并不容易,但我们知道,设计输入功率为3MW的一个典型数据中心可托管超过8,000台服务器。据谷歌公司估计,在2011年,单是其数据中心就需要约260MW的连续输入功率,相当于一座最先进核电站输出功率的25%左右。为缓解电力传输挑战,绝大多数的全球数据中心都位于靠近能提供大量电力的地方,如哥伦比亚河水电站系统。按全球2010年估计数字,数据中心使用了全球耗电量的1%~1.5%,相当于巴西的总耗电量。在美国,数据中心使用了全国总耗电量的接近2%,相当于新泽西州的总耗电量。基本上,数据中心到2010年底向美国电网增加了另一个新泽西州,而且负荷还在继续增加。
这一大规模的耗电量增长具有重大的经济影响。虽然处理器核心可提供更大的处理能力(遵循摩尔定律并进行架构改进),但其工作电压却没能够快速地跟随以降低总耗电量。数据中心主要以两种方式使用电力:首先提供计算机需要的电能,其次对其进行充分冷却,使系统保持在其正常工作范围之内。因此,电源效率的小幅提升对系统性能就有杠杆化的有利影响。除了减少电费开支,高效的电力输送还能在既定预算下增加数据中心容量——鉴于装机容量继续以双位数的年增长率稳步增长,这是一个非常重要的考虑。
电源分配
最先进的数据中心电源分配由一系列的步降电压和随后的负载点电力输送组成。原效率是最大的挑战,但电源系统还能通过不同的方式增加一些能力,以帮助降低能耗。
图2:典型的多相电源系统
多相工作:最新一代基础设施电源转换器支持多相工作,并从轻负载到峰值负载保持以接近峰值效率的情况进行电源输送。它们通过并联多个电源输送相来达到接近峰值效率,控制器根据电源消耗要求来调制这些相位。图2显示了一个典型的多相系统,其中稳压器负责调节每个电感,以提供可变的电流值。多相工作弥补了单相转换器的一个重要缺点,亦即效率在标称负载下达到峰值,但在极高负载时下降。图3显示了多相系统如何智能地根据负载选择相位数目。在很大工作范围下使效率曲线平坦化,免除了数据中心计划员针对典型和最大工作负载进行选择性优化的任务。
图3:多相电力稳压器在宽工作范围上使功率效率最大化
并行电源通道:将处理器核心分成“电源孤岛”,可使系统的构成部分能够在其不使用时断电。电源输送系统现在符合提供多个同时输送轨的需要。
交互:现今的处理器核心是通过数据总线(通常是电源管理总线PMBus)将预期所需的电源电压传递给电源转换器。负载变化可能是投入使用的额外处理核心、处理器时钟速度的变化或者软件处理的特别密集的指令序列的函数。借助对预期负载的洞察,控制器能够根据负载曲线得到最大化的效率。在持续时间内了解耗能水平向服务提供商提供了另一个重要优势:它们能使用系统活动的持续时间和强度来计算每个处理的账单。
绿色成分
这种“云”有绿色环保的特点,虽然使用了大量能源,但云计算(使用现有的一些最强大的计算系统)的有效性使得其比分离计算机系统执行同样任务所需的总能量大大降低。数据中心不断发展的电源输送要求也为半导体制造商提供了进行创新和创造新突破的大量机会。
物联网 半导体 电压 电感 电流 总线 电源管理 相关文章:
- 物联网概念板块深度分析 (02-21)
- 200余所国内高校或将设立云计算专业(07-21)
- 多网融合下的物联网安全问题分析 (07-27)
- 物联网与电信网融合技术(02-04)
- 物联网智能精神病人定位管理系统方案 (04-09)
- 通信网络安全防护综述(04-03)