Тщательно изучив то, как происходит управление мощностями, и доведя организацию процесса до совершенства, можно сделать следующий шаг: автоматизировать изменение допустимых параметров системы в зависимости от режима, в котором она находится. Получится своего рода умный дом для датацентров. Разберем несколько примеров, чтобы показать направление мысли. Хотя стоит помнить, что подобных идей можно собрать гораздо больше.
Энергопотребление вентилятора находится в кубической зависимости от его производительности, то есть система охлаждения, работающая на скорости вращения 50 % от максимальной, потребляет всего 12,5 % от максимальной потребляемой мощности. Поэтому уменьшение скорости вращения может существенно снизить потребление вентустановок. При переводе в киловатты это может быть вполне заметная величина. Использовать это знание можно следующим образом. Если система вентиляции запитана от того же источника, что и основное IT-оборудование, то можно компенсировать повышенное потребление одного из потребителей за счет другого
Для большей наглядности давайте разберем пример. Допустим, у нас есть датацентр с выделенной электрической мощностью 1100 кВт, из которых 1000 кВт отдается IT-оборудованию, а 100 кВт – системе охлаждения (на вентиляторах). Проектная стойка, устанавливаемая в этот датацентр, имела потребление воздуха в 2500 м3/ч, что в сумме на весь модуль дает 250 000 м3/ч. То есть в проекте вентустановки производительностью 250 000 м3/ч будут потреблять по проекту 100 кВт·ч. При реальном заполнении зала были установлены 99 стоек с максимальным потреблением каждой 10 кВт·ч и 2000 м3/ч. Таким образом, максимальное потребление воздуха не превысит 198 000 м3/ч. Это будет выглядеть на графике управления ресурсами следующим образом (для простоты объяснения мы уберем из рассмотрения концепцию целевого значения и не будем показывать реальные значения):
Этот график показывает, что ресурсы системы охлаждения у нас загружены лишь на 80 %, в то время как ресурсы электроснабжения используются полностью. Но, зная, что установленное количество стоек не будет потреблять больше чем 200 000 м/ч, мы можем сознательно снизить максимальное потребление воздуха в зале, например на 80 % – до 210 000 м3/ч.
В этом случае производительность вентиляторов составит (210/250) × 100 % = 84 %, а электропотребление вентустановок не будет превышать (84 %)3= 59,2 %. Таким образом, из зарезервированных 100 кВт мощности мы со спокойной душой можем отдать 40,8 кВт на другие цели. Например, на питание тех же стоек. В этом случае итоговое заполнение по воздуху составит 198/210 = 94 %, а по электричеству – 990/1041 = 95 %. Согласитесь, намного лучше, чем исходные 80 и 99 %. К тому же в результате такого перераспределения у нас появилась возможность поставить дополнительные четыре стойки.
Конечно, следует помнить, что добавление четырех стоек также поднимет и потребление воздуха, и придется делать еще одну итерацию для нахождения баланса максимальных потреблений, но это уже чисто техническая задача, и решается она на уровне Excel.
Поняв принцип такого перераспределения, нетрудно написать алгоритм оптимизации по какой-то выбранной величине, как в примере выше, и добавить его в мониторинг ресурсов с соответствующей корректировкой уведомлений. В этом случае по мониторингу можно будет более точно оценить текущую ситуацию и более актуально контролировать аварии.
В тот момент, когда происходит переключение с основного источника электропитания на резервное и наоборот, ИБП обеспечивает снабжение нагрузки энергией на все время переключения. После этого ИБП требуется дополнительное количество энергии от источника, чтобы не только продолжать передавать номинальную мощность в нагрузку, но и тратить какое-то количество ампер для собственных нужд. В остальное время эти потенциальные амперы остаются в резерве и не используются. Для IT-нагрузки это означает соответствующее уменьшение доступной мощности, которую можно было потратить с большей пользой.
Если проанализировать характеристики ИБП, то можно увидеть, что многие из них позволяют выбирать скорость заряда в зависимости от того, какой мощностью мы обладаем для этих целей. А значит, небольшим усовершенствованием системы мы можем получить дополнительную степень свободы в планировании дополнительной мощности. Например, выставив минимальную скорость заряда, мы можем высвободить некоторое количество полезной мощности в те промежутки времени, которые считаем стабильными и спокойными, предполагая, что одного срабатывания ИБП нам должно быть достаточно. И наоборот, в турбулентные времена, например в сезон майских гроз, когда отказы по основному питающему вводу могут идти один за одним, будет иметь смысл подстраховаться и поставить более высокую скорость заряда ИБП, пожертвовав на это время доступной для IT электрической мощностью.
Этот способ автоматизации реализуется уже труднее, но может помочь сделать планирование заполнения модулей более гибким в среднесрочной (в течение года) перспективе. В отличие от предыдущего метода, мы будем работать не с характеристиками датацентра, а с аллокацией IT-оборудования.
Вводными данными для рассуждений будет тот факт, что потребление холода напрямую зависит от температуры воздуха, подаваемого на вход стойки (подробнее об этом рассказано в главе «Легенды и мифы датацентров»). Во время проведения экспериментов можно построить семейство зависимостей энергопотребления и холодопотребления серверного оборудования с учетом температуры воздуха в холодном коридоре. Если ограничиться максимальным значением загрузки процессора, то получится кривая, по которой можно отслеживать, как изменяется аллокация в зависимости от условий внешней работы. Эти данные можно получить и по энергопотреблению, и по холодопотреблению.
Следующим шагом можно спрогнозировать температуру воздуха в холодном коридоре на протяжении года. Например, в зимнее время условимся подавать воздух температурой +20 ℃ в режиме рециркуляции, а в летнее – ориентироваться на среднее значение за месяц ±5 ℃. Из такого прогноза и полученных экспериментальных кривых можно завести в систему управления ресурсами то, как будет изменяться аллокация в зависимости от времени года. Так мы получим дополнительные мощности как по электричеству, так и по воздуху в более холодное время года. Практическая польза в этом зимнем запасе может быть в случае, когда как раз в зимнее время не будет хватать мощностей для размещения десятка-другого стоек из-за неготовности следующего датацентра, запуск которого назначен только на март.
И еще одним интересным решением на основании тех же экспериментальных кривых, более оперативным, будет возможность моделирования ситуации изменения емкости датацентра при изменении температуры холодного коридора. В качестве реального примера можно представить случай, когда мы превышаем целевое значение всего на несколько десятков киловатт, и при переводе какого-либо оборудования в обслуживания мы сможем «захолаживанием» приточного воздуха вернуться из режима работы без резервирования в режим с резервированием.
Еще один интересный способ автоматизации, к тому же сравнительно легко реализуемый, состоит в объединении функционала нескольких информационных систем службы эксплуатации в единый инструмент. А именно мы говорим о двух случаях. Во-первых, можно синхронизировать состояние оборудования в CMMS с максимальным и целевым значениями ресурсов. Например, если мы планируем долгосрочное выведение из эксплуатации одного из пяти ДРИБП[34], скажем для проведения капитального ремонта, мы создаем в CMMS наряд, где будет указано плановое время отключения (недоступности) этой единицы оборудования, что приведет к снижению линии максимально доступной и целевой электрической мощности. Понятно, что для кратковременных, выполняемых в течение дня-двух нарядов это может быть излишним, но для работ длительностью от недели такая корректировка может оказаться полезной.
Аналогичный функционал может помочь в случае, например, когда для охлаждения используются системы, работающие в двух режимах: с фрикулингом и без него. Тогда в разных сезонах система охлаждения может иметь различную производительность, что можно также отразить на графике Capacity Planning путем создания в плане точек переключения между режимами такого оборудования. Оба перечисленных варианта могут пригодиться при среднесрочном планировании работ в датацентре как со стороны эксплуатации, так и со стороны владельцев IT-оборудования.
Во-вторых, данные об отключении оборудования могут браться не только из CMMS как инструмента планирования, но и из системы постоянного мониторинга. Так, если мы получаем сигнал о том, что один из пяти ДРИБП отключился, Capacity Planning может автоматически снизить максимальное и целевое значения электрической мощности. Технически функционал идентичен уже описанному раньше. Основная разница в том, что такая информация важна не для стратегического планирования, а для сиюминутных задач дежурной смены и команды эксплуатации, так как помогает точнее оценить риски, существующие в конкретный момент времени.