Jim Gao 在白皮书中写道,谷歌 数据中心的实际测试表明,机器学习是利用传感器数据对数据中心能效建模的一种有效方法,可带来显著的成本节省。不过对于目前国内较为粗放式管理的数据中心恐怕短时间内难以效仿。
由于现代数据中心的复杂性,以及多个控制系统之间会有相互作用。目前阶段下,数据中心运营方是很难预测改变配置参数将会带来的影响。机器学习方法可以利用现有的传感器数据,来开发能够理解运行参数和整体能源效率之间关系的数学模型。准确的数据中心效率模型可以让数据中心运营商无需现场调试就能够优化运行配置。这种机器学习模拟能让数据中心运营方将数据中心虚拟化仿真来得到最优模型参数,同时减少冷站参数变化带来的不确定性风险。
图4 谷歌某个数据中心在夏天一个月内的实际PUE值和预测值的比较 图5 典型数据中心建模涉及到的各种变量