ZD至顶网服务器频道 08月24日 :PDU(电源分配单元)可谓是数据中心的命脉,它座落在机架上,为所有的IT元件提供径直的电源和电路连接,向基础设施提供驱动、传递能量。以往,PDU只是保证机房用电安全,尚不具备智能化的属性。随着数据中心规模不断扩大、云计算虚拟化不断深入,数据中心迫切需要智能化的电源管理。
安全与能耗的矛盾
许多数据中心基于面临的服务可靠性和安全系数的压力递增,将其高达90%的电力用于维持闲置的服务器,以备随时待命。这源于“一旦关掉它,将无法再次启动”的恐惧,为了确保业务的连续性、稳定性而情愿选择承受由此造成的巨大浪费。
另外,据ASHRAE研究显示,提升数据中心的温度,哪怕仅仅一度,也可以产生巨大的电能费用节省,同时不会给有效运营带来风险。服务器及网络设备生产商已经花费巨大精力保证在高温环境下的有效运行,但是不能否认,高温环境又会对供电基础设施造成影响,尤其是PDU所在的出风口位置是数据中心温度最高的地方。不合理的提升数据中心的温度设定,将承担影响供电系统稳定性的风险。
智能PDU应运而生
智能PDU可实现对数据中心、机柜内部各种末端设备电流电压的实时监测和反馈,帮助运维人员及时调整各种设备工作状态,为运维人员了解整个数据中心的能源状况提供第一手资料并满足节能、安全及降低成本的需求。据国外的统计,通过辅以相应的节能措施,智能PDU可实现节电30%~50%。
智能PDU在发达国家的应用非常普遍,在欧美发达国家的数据中心使用率达到90%左右。目前,国内主流的数据中心供应商都推出了智能PDU解决方案,专注于电源管理领域多年的力登,通过软硬件结合的解决方案,更是将智能电源管理推上了新的高度。
智能PDU的价值
以力登PX智能PDU解决方案为例,它不仅能够提供远程的实时电力监控功能,还能提供对机架温度、湿度、楼层压力与气流等的环境监控功能,预先通知规划容量值,提高机架电源利用率,并通过节能措施节约开支。
PX智能PDU提供了实时远程电源监控功能,能够对相关参数进行监控,包括对电流(单位:安培)、电压、功率(单位:kVA、kW)和能耗达到±1%计费级准确度,甚至可以单独对每个电源插座的上述相关参数进行监控,对于数据中心而言可达到利润的最大化。
PX智能PDU可与力登的 DCIM 监控软件Power IQ配合,协助数据中心与设施管理人员能够时时监控并有效利用现有数据中心的电力基础设施,并提供数据中心健康视图、电力分析表、冷却曲线图与相关报告,以便发现基础设施层面隐藏的潜在用电问题,并获悉实时的用电负荷、趋势与容量,从而帮助管理人员改善数据中心的有效性、增强容量规划、和改进能源利用的效率。
将力登的环境传感器即插即用地连接在PX系列智能电源上,环境数据参数会及时发送到力登 DCIM 软件。一个简洁的Web界面使得数据中心管理人员能够时时看到实时环境数据并做出预测。例如,使用详细的微环境温度信息对冷却系统进行优化,并且据此适当升高环境温度以便节约能源,同时保证重要IT设备不会过热;监测热通道或冷通道分区的气压差,及时发现渗漏问题,适当减少不必要的气流,以便节约能源;监测冷却气流流量和送回的热空气流量,以便却确保冷却系统与密封系统正以最佳状态运行。
选用先进的智能PDU进行智能化的能耗管理,迎合了有效运行、环境保护和财务需求的三重需求,应成为数据中心运维管理的新趋势。
好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。