数据中心开启AI能效优化时代，华为又为天下先

冬季是不是数据中心运营商最喜欢的季节？

毕竟，在低温和寒风的帮助下，大量北方DC可采用自然冷却，南方DC的能耗也大大降低。此时的数据中心PUE低、电费少，成本低，让数据中心运营商们期盼如果全年如此就好了。

AI能效优化——数据中心从“制冷”到“智冷”

如何实现数据中心全年都保持较低的PUE呢？

首先将迁往南北极这一“有效”方法排除——成本不合算，数据中心参数调优是最常使用的手段。当前的数据中心性能优化大多依靠运维专家对（主要是冷冻站的）三五个参数进行调节和试验，需要反复试验，优化效果全凭经验。有没有更稳妥、快捷、准确的调优方法呢？如果之前被问到这个问题，笔者多半会摇头表示，数据中心降耗没有捷径可走。

然而近期一个联合创新的AI节能数据中心——中国移动宁夏数据中心（中卫）的投产却扭转了业内的固有看法。该数据中心采用华为的iCooling@AI能效优化技术（简称“iCooling@AI”）后，在当前冬季自然冷却环境下现场测试总能耗降低3.2%，未来预计可达到5%-8%，每年节电600万度。与传统人工调优相比，iCooling@AI显示出极简运维、极致节能、极致可靠三大特性，帮助数据中心从传统“制冷”走向“智冷”，全年都如在冬天般省心省力地降PUE、省电费。

中国移动宁夏数据中心（中卫）

华为一贯秉承“自己造的降落伞自己先跳”理念，从不会拿没有实践过的理论和产品推向市场，作为业界首个商用的AI能效优化解决方案的iCooling@AI也是如此。该技术此前就已率先在华为廊坊基地云数据中心、华为东莞云数据中心进行了应用检验，单是华为廊坊基地云数据中心一年节省下来的电费近千万人民币，如此能效优化水平着实让业内瞩目。

说了这么多，数据中心到底是如何利用iCooling@AI能效优化技术降低PUE的？过程可以总结为四步：

首先，数据采集。iCooling@AI对数据中心运维过程中的众多参数进行长时间采集，此技术在华为廊坊云基地的应用中，共采集700多种参数，每5分钟一次，共实时收集了该数据中心连续9个月的运行数据，这一数据采集量是人工调优无法比拟的。

第二，自动治理。iCooling@AI对收集到的海量数据进行脱敏、归一、降噪、去重等治理，采用自动化的数据目录服务，利用数据工具从清洗后的数据中找到决定PUE的关键参数。华为廊坊云基地找到的关键参数有19+2个，远超传统人工调优的3到5个。

第三，模型训练。iCooling@AI利用DNN（深度神经网络）训练出PUE模型，经过训练的PUE模型预测准确率>99.5%，误差<0.005。

第四，推理决策。将生成的数据中心PUE预测模型发布到推理平台中，根据实时的气象条件、IT负载等参数开始推理。iCooling@AI能在1分钟内从140万种组合中寻找出最优参数组合，下发执行并反馈效果。

iCooling@AI能效优化技术

简单总结就是，iCooling@AI基于AI在给定的数据中心气候条件、业务SLA（Service-Level Agreement）等条件下自动推理出最优PUE下的系统参数并执行，实现数据中心能效最优。与传统人工调优对比，iCooling@AI能效优化技术可以戏称为“AI战胜老师傅”的数据中心调优法，因其能发现更多PUE决定参数，总能根据当前给定条件自动推理，给出的最优参数组合有据可依。

用AI降PUE——华为缘何能为业内先？

2018年中国数据中心总用电量为1,608.89亿千瓦时，超过上海市2018年全社会用电量（1,567亿千瓦时），占中国全社会用电量的2.35%（未含港澳台数据）。数据中心产业如此巨大的能耗量早已被重点关注。2019年2月，工信部等三部门出台《关于加强绿色数据中心建设的指导意见》，其中要求到2022年，“数据中心平均能耗基本达到国际先进水平，新建大型、超大型数据中心的PUE（电能使用效率）达到1.4以下”。而自2017年开始，北京、上海、深圳等数据中心密集城市也纷纷出台能耗限制政策控，其中北京市政府规定全市层面禁止新建PUE1.4以上的数据中心，上海市对新建数据中心限制“PUE值严格控制不超过1.3”。

随着从国家到城市各级主管部门类似政策的不断推出，降低能源损耗、实现数据中心绿色发展已经成为数据中心从业方与政府的一致要求。

华为推出的iCooling@AI能效优化技术，依靠AI寻求能效最优的解决方案，不增加硬件投入，利旧服务器资源部署，不仅可用于新建数据中心，更适合现有数据中心利用其进行降本节能，为业界带来了节能降耗新思路。

但随着AI技术的不断进步，其在各行业的应用越来越广泛，致力于AI研发应用的公司也并不鲜见。因此，为什么是华为推出了业界首个商用的数据中心AI能效优化解决方案，而非其他AI公司或数据中心企业？相信看到这，有读者会浮上这样的疑问。让我们一起继续对iCooling@AI进行深挖，看看能否解答疑惑。

对iCooling@AI的四大步骤进行分析可以发现，背后需要四大能力支撑：一是数据采集能力，对数据中心运营熟悉，了解所有需要采集设施参数并采集到；二是数据治理能力，对海量数据进行自动化治理；三是模型训练能力，利用AI训练出PUE模型；四是推理决策能力，根据当前场景参数实时推理出最佳参数组合并下发执行。

而这这四项能力，华为全都拥有并且表现优秀。在数据采集和治理上，华为既是数据中心基础设施供应商又是使用方，具有全球200+的数据中心建设经验和20年运维能力，他们总结给出了数据中心的节能模型、数据治理方案等。iCooling@AI借助华为自研的DCIM系统对数据中心的海量数据进行采集和治理，收集来的一亿条数据中心运行相关数据可在1小时内治理完毕。在模型训练能力和推理能力上，iCooling@AI融合了华为的AI平台及全栈计算能力，借助iMaster NAIE AI平台和昇腾inside的Atlas’集群，实现了精确建模与实时推理。iCooling@AI的训练平台利用华为公有云摆脱物理架构限制，支持分期部署，便于多DC的统一管理。其推理平台则采用华为自研Taishan服务器，配置Euler OS及Guass Database，安全可信。

这样分析下来，难怪iCooling@AI出自华为，也只有华为。

（编辑：济南站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!