معنی DCI
Sep 13, 2025| 
اهمیت روزافزون زیرساخت های مرکز داده
رشد نمایی محاسبات ابری و خدمات دیجیتال مراکز داده را به عنوان زیرساخت های مهم در اقتصاد دیجیتال مدرن قرار داده است. درک معنای DCI (زیرساخت مرکز داده) برای سازمانهایی که به دنبال بهینه سازی منابع محاسباتی خود هستند ضمن به حداقل رساندن تأثیرات زیست محیطی ، مهم است. مراکز داده در حال حاضر تقریباً 1-2 ٪ از برق جهانی مصرف می کنند ، با پیش بینی ها نشان می دهد که این رقم می تواند تا سال 2030 به 3-5 ٪ برسد.
این مصرف انرژی قابل توجه نیاز به ابزارها و روشهای شبیه سازی پیشرفته برای مدل سازی ، تجزیه و تحلیل و بهینه سازی عملیات مرکز داده برای بهبود بهره وری انرژی دارد.
1-2% مصرف جهانی برق فعلی توسط مراکز داده
پیش بینی می شود تا سال 2030 به 3-5 ٪ برسد
اجزای مصرف انرژی
مصرف انرژی در مراکز داده مدرن بسیار فراتر از خود سرورها است. تجزیه و تحلیل جامع نشان می دهد که تنها بخشی از انرژی مصرفی به طور مستقیم سرورهای محاسباتی را قدرت می دهد ، در حالی که اکثریت به حفظ پیوندهای اتصال ، عملکرد تجهیزات شبکه ، سیستم های توزیع برق و زیرساخت های خنک کننده اختصاص می یابد.
اجزای کلیدی DCI
سرورهای محاسباتی
زیرساخت شبکه
سیستم های توزیع برق
زیرساختهای خنک کننده
سیستم های مدیریت
منابع مرتبط
روند کارایی مرکز داده 2025
تحولات کلیدی در بهینه سازی انرژی
راهنمای طراحی مرکز داده مدولار
بهترین روشها برای زیرساخت های مقیاس پذیر
استانداردهای محاسبات سبز
معیارهای صنعت برای پایداری
معیارهای بهره وری انرژی و اصول
راندمان مراکز داده از طریق عملکرد - per- metrics وات ، به طور خاص از طریق دو شاخص اصلی: اثربخشی استفاده از انرژی (PUE) و راندمان زیرساخت مرکز داده (DCIE) اندازه گیری می شود. این معیارها نسبت انرژی مصرف شده توسط سرورهای محاسباتی نسبت به کل مصرف تسهیلات را توصیف می کنند.
اثربخشی استفاده از قدرت (PUE)
PUE به عنوان نسبت کل انرژی مصرف شده توسط یک مرکز داده به انرژی مصرفی تجهیزات IT محاسبه می شود. یک PUE پایین تر نشان دهنده راندمان بهتر است.
میانگین صنعت
1.8 - 2.0
طراحی بعدی - ژنرال
1.2
بهره وری زیرساخت مرکز داده (DCIE)
حالت موبایل اتاق LCL راحت تر است ، جرثقیل را می توان به سرعت به مقصد منتقل کرد ، سایت بلند کردن سایت ، روز ماندن ، ناامید کردن
میانگین صنعت
50 - 55%
طراحی بعدی - ژنرال
83%
صنعت فعلی- متوسط مقادیر PUE بین 1.8 تا 2.0 متغیر است ، اگرچه طراحی های مدولار نسل بعدی {3 {بعدی به مقادیر PUE به حداقل 1.2 رسیده اند و این نشان دهنده پیشرفت 40 ٪ در کارآیی است. درک معنای مؤلفه های DCI و الگوهای مصرف انرژی آنها برای دستیابی به این پیشرفت ها ضروری است.
معماری مرکز داده سه-}}}
معماری مرکز داده غالب شامل یک ساختار درخت لایه سه - است که شامل میزبان ها و سوئیچ های سرور است. این طرح سلسله مراتبی شامل یک لایه اصلی در ریشه درخت ، یک لایه تجمع مسئول مسیریابی و یک لایه دسترسی استخر میزبان سرورهای محاسباتی است.
معماری مرکز داده سه-}}}
تکامل معماری مرکز داده
مراکز داده اولیه از دو معماری لایه - بدون لایه های تجمع استفاده کردند. با این حال ، بر اساس انواع سوئیچ و الزامات پهنای باند میزبان فردی ، دو معماری لایه- به طور معمول از بیش از 5000 میزبان پشتیبانی نمی کنند.
با توجه به اینکه مراکز داده معاصر حاوی تقریباً 100000 میزبان است و به سوئیچ های لایه 2 در شبکه های دسترسی نیاز دارند ، معماری لایه سه- به عنوان انتخاب بهینه طراحی ظاهر شده است.
ملاحظات پهنای باند شبکه
علیرغم در دسترس بودن تجاری 10 گیرنده اترنت (10GE) ، سرورهای محاسباتی که در تنظیمات RACK سازماندهی شده اند ، همچنان از پیوندهای 1GE در سه معماری لایه- استفاده می کنند. این انتخاب منعکس کننده هزینه بالای 10 گیرنده گیرنده و هم پتانسیل برای تأمین پهنای باند بیش از- تأمین پهنای باند فراتر از نیازهای سرور محاسباتی واقعی است.
نسبت بیش از حد در تنظیمات معمولی
بالا - از - Rack (tor)
downlinks: 48 x 1ge
Uplinks: 2 x 10ge
نسبت بیش از حد:2.4:1
میانگین پهنای باند Uplink در هر سرور: 416 مگابایت در ثانیه
سوئیچ های تجمع
نسبت معمولی در متن: 1.5: 1
پهنای باند متوسط بالا در هر سرور:277 مگابایت در ثانیه
معماری شبیه ساز GreenCloud
شبیه ساز GreenCloud ، که بر روی پلت فرم شبیه ساز شبکه NS- 2 ساخته شده است ، قابلیت شبیه سازی ریز دانه را برای محیط های محاسبات ابری فعلی ، با تأکید ویژه بر ارتباطات و بهره وری انرژی در مراکز داده فراهم می کند. این شبیه ساز مدل سازی دقیق مصرف انرژی را برای اجزای مختلف مرکز داده از جمله سرورها ، سوئیچ ها و پیوندها ارائه می دهد ، در حالی که به طور جامع نمایانگر الگوهای توزیع بار کار است.
قابلیت های کلیدی
بسته - شبیه سازی سطح ارتباطات مرکز داده
مدل سازی دقیق مصرف انرژی برای همه مؤلفه ها
بازنمایی دقیق سه معماری لایه -
الگوهای جامع توزیع بار کار
پشتیبانی از تکنیک های مختلف مدیریت انرژی
اجزای سخت افزاری و مدل های مصرف انرژی
سرورهای محاسباتی
سرورهای محاسباتی اجزای اصلی اجرای وظیفه را در مراکز داده تشکیل می دهند. GreenCloud سرورها را با قابلیت های پردازش در MIPS یا FLOPS ، منابع خاص حافظه/ذخیره سازی و مکانیسم های مختلف برنامه ریزی کار اندازه گیری می کند.
مدل قدرت سرور
P = Pثابت + Pf × f³
جایی که Pثابتفرکانس-} مصرف انرژی مستقل و P را نشان می دهدfفرکانس-} مصرف انرژی وابسته به CPU را نشان می دهد.
سرورهای بیکار به دلیل مدیریت مداوم ماژول های حافظه ، دیسک ها ، منابع I/O و سایر لوازم جانبی ، تقریباً دو -} مصرف انرژی بار اوج مصرف می کنند. مصرف انرژی محاسباتی با بار CPU بطور خطی افزایش می یابد.
زیرساخت شبکه
معماری اتصال دهنده شامل سوئیچ ها و پیوندها شبکه ، تحویل به موقع داده ها را به سرورهای محاسباتی تضمین می کند. inter-} سوئیچ و سوئیچ - طرح های اتصال سرور به پهنای باند پشتیبانی شده ، ویژگی های لینک فیزیکی و پارامترهای کیفیت بستگی دارد.
مدل قدرت سوئیچ
Pسوئیچ = Pشاسی + nقسمت × Pقسمت + Σ(nبنادر ، r × Pr)
ویژگی های بار کاری و مدل سازی شغلی
بار کاری محاسباتی فشرده (CIW)
برنامه های کاربردی محاسبات عملکرد (HPC) که نیاز به استفاده گسترده از سرور محاسباتی دارند اما حداقل انتقال داده ها را شبیه سازی می کند ، شبیه سازی High-.
تمرکز: مصرف انرژی سرور
حداقل ترافیک شبکه
می تواند از حالت های خواب برای سوئیچ استفاده کند
داده ها - بار کار فشرده (DIW)
حداقل بار سرور محاسباتی ایجاد کنید اما به انتقال داده قابل توجهی نیاز دارید و برنامه هایی مانند اشتراک فایل ویدیویی را شبیه سازی می کند.
تمرکز: پهنای باند شبکه
شبکه تنگنا می شود
نیاز به تعادل ترافیک دارد
بارهای کاری متعادل (BW)
برنامه های مدل با هر دو الزامات انتقال محاسباتی و داده ، سرورهای بارگیری متناسب و پیوندهای ارتباطی.
سرور متعادل و بار شبکه
مثال: برنامه های GIS
نیاز به برنامه ریزی هماهنگ دارد
اجزای اجرای بار کار
اجرای هر شیء بار کار به دو مؤلفه اصلی بستگی دارد: محاسبه موفقیت آمیز و تکمیل ارتباطات. مؤلفه محاسباتی مبلغ محاسباتی مورد نیاز را قبل از مهلت های مشخص شده تعریف می کند ، در حالی که مؤلفه ارتباطات حجم انتقال داده ها را تعریف می کند.
اندازه داده بار کار
بایت هایی که نیاز به انتقال از سوئیچ های هسته به سرورهای محاسباتی قبل از اجرای بار کار دارند ، به بسته های IP تقسیم می شوند.
Intra - مرکز داده
داده ها با سایر بارهای کاری (که به طور بالقوه بر روی سرورهای یکسان یا مختلف اجرا می شوند) رد و بدل می شوند ، و الگوسازی وابستگی های بار کار inter {0}. می تواند 70 ٪ از کل انتقال را تشکیل دهد.
مرکز داده اضافی -
داده های نیاز به انتقال به خارج از شبکه مرکز داده پس از اتمام کار ، مربوط به نتایج اجرای کار.
نتایج شبیه سازی و تجزیه و تحلیل توزیع انرژی
نتایج شبیه سازی اجرای DVFS و DNS فن آوری در مراکز داده که انواع بار کار را اجرا می کنند ، تغییرات قابل توجهی در مصرف انرژی را نشان می دهد. برای بارهای کاری وابسته به هم ، بهینه سازی مؤثر شامل تجزیه و تحلیل نیازهای ارتباطی بار کار در هنگام برنامه ریزی ، سپس هماهنگی استقرار بار کار بر اساس روابط اتصال اتصال inter- -} یک تکنیکی به نام برنامه ریزی هماهنگ است.
استراتژی های بهینه سازی پیشرفته
مدیریت منابع پویا
مراکز داده مدرن از استراتژی های پیشرفته مدیریت منابع پویا برای بهینه سازی بهره وری انرژی و در عین حال حفظ نیازهای عملکرد استفاده می کنند. این استراتژی ها شامل ادغام سرور در دوره های استفاده کم- ، سازگاری توپولوژی شبکه پویا بر اساس الگوهای ترافیکی و الگوریتم های قرار دادن بار کار هوشمند با توجه به نیازهای محاسباتی و ارتباطی است.
ادغام سرور
تعداد سرور فعال را در طی ساعات خارج از اوج 50}} 50} کاهش می دهد
صرفه جویی در مصرف انرژی: 20-35 ٪
توپولوژی پویا
ساختار شبکه را بر اساس الگوهای ترافیک زمان واقعی {{0} تنظیم می کند
صرفه جویی در مصرف انرژی: 15-25 ٪
جایگاه هوشمند
توزیع بار کار را در منابع موجود بهینه می کند
بهبود عملکرد: 20-40 ٪
طراحی مرکز داده مدولار
معماری های مرکز داده های آینده به طور فزاینده ای از اصول طراحی مدولار پیروی می کنند. قفسه های سرور سنتی توسط ظروف استاندارد شده قادر به میزبانی 10 برابر سرورهای بیشتر از مراکز داده معمولی در حجم معادل هستند.
هر کانتینر برای مصرف انرژی ، ادغام سیستم های خنک کننده آب و هوا در حین اجرای راه حل های بهینه شده شبکه بهینه شده است. این کانتینرها حمل و نقل آسان را ارائه می دهند و می توانند ماژول های PLAY در امکانات مرکز داده بدون سقف آینده به پلاگین- و {{2} تبدیل شوند.
مزایای اصلی طراحی مدولار
مقادیر PUE به حداقل 1.2 (33-40 ٪ بهبود)
نگهداری و مقیاس پذیری ساده
کاهش هزینه های عملیاتی و زمان استقرار
تحمل گسل بهبود یافته و افزونگی
تکامل معماری توزیع شده
مراکز داده آینده از سلسله مراتبی به معماری های توزیع شده منتقل می شوند و ساختارهای درختی FAT- را با رویکردهای توزیع شده مانند DCELL ، BCUBE ، FICONN یا DPILLAR جایگزین می کنند. این معماری ها نقاط واحد خرابی را ذاتی در طرح های سلسله مراتبی از بین می برند ، جایی که خرابی سوئیچ قفسه می تواند تمام سرورهای قفسه را غیرفعال کند ، و خرابی سوئیچ هسته یا جمع آوری می تواند به طور قابل توجهی کارایی عملیاتی را کاهش داده یا قفسه های بی شماری را غیرقابل استفاده کند.
مزایای معماری های توزیع شده
چندین مسیر اضافی
3-4 مسیرهای جایگزین بین جفت سرور
تحمل گسل بهبود یافته
نقاط تنها شکست را از بین می برد
طول مسیر کوتاه تر
کاهش 50- 50 ٪ کاهش در مقایسه با طرح های سه لایه
مصرف انرژی کمتری
20-30 ٪ کاهش در بارهای کاری معمولی
"تغییر از مشاهده دیتاسنرها به عنوان مجموعه ای از سرورهای انفرادی به آنها به عنوان انبار -}}} اساساً تغییر می دهد که چگونه به بهینه سازی بهره وری نزدیک می شویم. این دیدگاه تأکید می کند که راندمان انرژی در هر سطح از سلسله مراتب طراحی در نظر گرفته می شود ، از طریق سیستم های نرم افزاری تا تسهیلات {2 {2} inferaction inferuction} همه سطوح. "
از "Datacenter به عنوان یک رایانه: مقدمه ای برای طراحی انبار -}}" (2013)
ناشران Barroso ، Clidaras و Hölzle ، Morgan & Claypool
doi: 10.2200/S00516ED2V01Y201306CAC024
معیارهای ارزیابی عملکرد
شبیه سازی مرکز داده جامع نیاز به معیارهای پیشرفته ارزیابی عملکرد فراتر از اندازه گیری های سنتی PUE و DCIE دارد. شبیه سازهای مدرن معیارهایی از جمله عملکرد در هر وات (PPW) ، بهره وری انرژی مرکز داده (DCEP) و اثربخشی مصرف کربن (CUE) را در خود جای می دهند.
تکنیک های بهینه سازی ارتباطات
شبیه سازی مرکز داده مؤثر باید به طور دقیق الگوهای ارتباطی و تأثیر آنها بر مصرف انرژی را مدل کند. بسته - قابلیت های شبیه سازی سطح در ابزارهایی مانند GreenCloud تجزیه و تحلیل دقیق رفتار شبکه را در شرایط مختلف ترافیک امکان پذیر می کند.
عملکرد در هر وات (PPW)
اقدامات محاسباتی انجام شده در هر واحد انرژی مصرفی ، که به طور معمول در عملیات در هر وات {0} ساعت بیان می شود.
تجمع ترافیک
با ادغام جریان ، تعداد پیوندهای شبکه فعال را کاهش می دهد.
کاهش انرژی شبکه: 20- 30 ٪ در طول استفاده کم
بهره وری انرژی مرکز داده (DCEP)
کار مفید تولید شده در هر واحد انرژی مصرفی را نسبت به اندازه گیری های پایه تعیین می کند.
مسیریابی Multipath (ECMP)
ترافیک را در مسیرهای موجود توزیع می کند تا احتقان را به حداقل برساند و تأخیرها را کاهش دهد.
زمان تکمیل جریان بهبود یافته: 30-40 ٪
اثربخشی استفاده از کربن (نشانه)
PUE را با ترکیب انتشار گازهای کربن مرتبط با منابع انرژی ، فراهم کردن قابلیت ارزیابی اثرات زیست محیطی ، گسترش می دهد.
نرم افزار - شبکه تعریف شده (SDN)
کنترل شبکه متمرکز و تخصیص منابع پویا را بر اساس ترافیک زمان واقعی {{0} انجام می دهد.
کاهش انرژی شبکه: 25-35 ٪
شبیه سازی مدیریت حرارتی
مدل سازی حرارتی دقیق یک مؤلفه مهم شبیه سازی جامع مرکز داده را نشان می دهد. سیستم های خنک کننده به طور معمول 35-40 ٪ از کل انرژی مرکز داده را مصرف می کنند ، و بهینه سازی حرارتی را برای بهبود کارایی کلی ضروری می کند. شبیه سازهای پیشرفته مدلهای دینامیک سیال محاسباتی (CFD) را برای شبیه سازی الگوهای جریان هوا ، توزیع دما و اثربخشی سیستم خنک کننده درج می کنند.
استراتژی های خنک کننده بهینه شده
مهار راهرو گرم/سرد
صرفه جویی در مصرف انرژی: 30-40 ٪
متغیر - فن های خنک کننده سرعت
صرفه جویی در انرژی: 20-30 ٪
استفاده از خنک کننده رایگان
صرفه جویی در مصرف انرژی: 40-50 ٪
مدیریت حرارتی پویا
پس انداز اضافی: 15-20 ٪
