Инструменты пользователя

Инструменты сайта

Вы посетили: • components • modularity • modeling • architecture • fundamentals • cluster_architecture • architecture
topics:02:models

Различия

Показаны различия между двумя версиями страницы.

Ссылка на это сравнение

Предыдущая версия справа и слеваПредыдущая версия
Следующая версия		Предыдущая версия
topics:02:models [2025/09/28 17:27] – admintopics:02:models [2025/09/28 17:31] (текущий) – [Типовые категории устройств] admin
Строка 3: Строка 3:
 ===== Значение энергопотребления центров обработки данных ===== ===== Значение энергопотребления центров обработки данных =====
  
-Рост цифровизации привёл к экспоненциальному увеличению спроса на услуги обработки, хранения и передачи данных. ЦОДы стали ключевой инфраструктурой цифровой экономики, а энергоёмкость этих объектов вызывает устойчивый интерес к вопросам мониторинга и управления энергопотреблением.+Рост цифровизации привёл к экспоненциальному увеличению спроса на услуги обработки, хранения и передачи данных. ЦОДы стали ключевой инфраструктурой цифровой экономики, а энергоёмкость этих объектов вызывает устойчивый интерес к вопросам мониторинга и управления энергопотреблением.  
  
 Основные драйверы роста нагрузки: Основные драйверы роста нагрузки:
 +  * Искусственный интеллект.
 +  * Интернет вещей.
 +  * Цифровое производство.  
  
-Искусственный интеллект. +<WRAP important> 
- +* ЦОДы являются крайне энергоёмкими объектами. 
-Интернет вещей. +* Увеличение потребления энергии в глобальном масштабе ставит задачи устойчивого управления. 
- +</WRAP>
-Цифровое производство. +
- +
-<WRAP important> * ЦОДы являются крайне энергоёмкими объектами. * Увеличение потребления энергии в глобальном масштабе ставит задачи устойчивого управления. </WRAP>+
  
 ===== Тенденции спроса на услуги ЦОД ===== ===== Тенденции спроса на услуги ЦОД =====
  
-Для оценки спроса используют макроуровневые показатели, позволяющие фиксировать направление развития отрасли.+Для оценки спроса используют макроуровневые показатели, позволяющие фиксировать направление развития отрасли.  
  
 Основные индикаторы: Основные индикаторы:
 +  * **Глобальный IP-трафик ЦОД.**  
 +    - 2010: 1.2 ZB/год.  
 +    - 2016: 6.8 ZB/год.  
 +    - 2021: прогноз 20.6 ZB/год (CAGR 25%).  
 +  * **Big Data.** В 2016 году занимали 12% всего трафика, к 2021 году доля достигла 20%.  
 +  * **Количество серверных нагрузок и вычислительных экземпляров.**  
 +    - 2010: 57.5 млн.  
 +    - 2018: 371.7 млн. (рост в 6 раз за 8 лет).  
 +    - 2021: прогноз 566.6 млн. (CAGR 15%).  
 +  * **Структура размещения.**  
 +    - 2010: 79% вычислений — традиционные ЦОД.  
 +    - 2018: 89% — облачные и гипермасштабные ЦОД.  
 +    - 2021: только 6% в традиционных ЦОД.  
 +  * **Ёмкость хранения данных.**  
 +    - 2018: 20 ZB.  
 +    - Прогноз 2025: 150 ZB (рост в 7.5 раза).  
 +    - CAGR хранения до 2021: 31%.  
  
-Глобальный IP-трафик ЦОД. +<WRAP info> 
- +* Макроуровневые показатели дают устойчивую картину развития отрасли.   
-2010: 1.2 ZB/год. +* Облачные и гипермасштабные центры вытесняют традиционные ЦОД.   
- +</WRAP>
-2016: 6.8 ZB/год. +
- +
-2021: прогноз 20.6 ZB/год (CAGR 25%). +
- +
-Big Data. В 2016 году занимали 12% всего трафика, к 2021 году доля достигла 20%. +
- +
-Количество серверных нагрузок и вычислительных экземпляров. +
- +
-2010: 57.5 млн. +
- +
-2018: 371.7 млн. (рост в 6 раз за 8 лет). +
- +
-2021: прогноз 566.6 млн. (CAGR 15%). +
- +
-Структура размещения. +
- +
-2010: 79% вычислений — традиционные ЦОД. +
- +
-2018: 89% — облачные и гипермасштабные ЦОД. +
- +
-2021: только 6% в традиционных ЦОД. +
- +
-Ёмкость хранения данных. +
- +
-2018: 20 ZB. +
- +
-Прогноз 2025: 150 ZB (рост в 7.5 раза). +
- +
-CAGR хранения до 2021: 31%. +
- +
-<WRAP info> * Макроуровневые показатели дают устойчивую картину развития отрасли. * Облачные и гипермасштабные центры вытесняют традиционные ЦОД. </WRAP>+
  
 ===== Подходы к моделированию энергопотребления ===== ===== Подходы к моделированию энергопотребления =====
  
-Исторически применяются два метода:+Исторически применяются два метода:  
  
-^ Подход ^ Преимущества ^ Ограничения ^ +^ Подход              ^ Преимущества                                         ^ Ограничения                               ^ 
-| Bottom-up | Точная детализация, учёт оборудования и инфраструктуры | Высокая трудоёмкость, дорогие исследования | +| Bottom-up           | Точная детализация, учёт оборудования и инфраструктуры | Высокая трудоёмкость, дорогие исследования | 
-| Экстраполяция | Простота, доступность статистики | Высокая неопределённость, ограниченная объяснительная сила |+| Экстраполяция       | Простота, доступность статистики                     | Высокая неопределённость, ограниченная объяснительная сила |
  
 ==== Bottom-up подход ==== ==== Bottom-up подход ====
  
-Оценка энергопотребления строится на основе данных о серверах, системах хранения, сетевых устройствах и инфраструктуре.+Оценка энергопотребления строится на основе данных о серверах, системах хранения, сетевых устройствах и инфраструктуре.  
  
 Общая модель: Общая модель:
  
-<WRAP center> $$ E^{DC} = \left( \sum_{i,j} E^{server}_{ij} + \sum_{i,j} E^{storage}_{ij} + \sum_{i,j} E^{network}_{ij} \right) \times PUE_j $$ </WRAP>+<WRAP center> 
 +$$ 
 +E^{DC} = \left( \sum_{i,j} E^{server}_{ij} + \sum_{i,j} E^{storage}_{ij} + \sum_{i,j} E^{network}_{ij} \right) \times PUE_j 
 +$$ 
 +</WRAP>
  
-Где:+Где:   
 +  * \(E^{DC}\) — общее потребление энергии ЦОД (кВт⋅ч/год).   
 +  * \(E^{server}_{ij}\) — потребление серверов класса *i* в пространстве *j*.   
 +  * \(E^{storage}_{ij}\) — потребление систем хранения.   
 +  * \(E^{network}_{ij}\) — потребление сетевых устройств.   
 +  * \(PUE_j\) — коэффициент эффективности использования энергии для пространства *j*.  
  
-𝐸 +<WRAP info> 
-𝐷 +* Bottom-up позволяет точно учитывать оборудование.   
-𝐶 +* Используется PUE как универсальный коэффициент для сопоставления.   
-E +</WRAP>
-DC +
- — общее потребление энергии ЦОД (кВт⋅ч/год). +
- +
-𝐸 +
-𝑖 +
-𝑗 +
-𝑠 +
-𝑒 +
-𝑟 +
-𝑣 +
-𝑒 +
-𝑟 +
-E +
-ij +
-server +
- ​ +
- +
- — потребление серверов класса i в пространстве j. +
- +
-𝐸 +
-𝑖 +
-𝑗 +
-𝑠 +
-𝑡 +
-𝑜 +
-𝑟 +
-𝑎 +
-𝑔 +
-𝑒 +
-E +
-ij +
-storage +
- ​ +
- +
- — потребление систем хранения. +
- +
-𝐸 +
-𝑖 +
-𝑗 +
-𝑛 +
-𝑒 +
-𝑡 +
-𝑤 +
-𝑜 +
-𝑟 +
-𝑘 +
-E +
-ij +
-network +
- ​ +
- +
- — потребление сетевых устройств. +
- +
-𝑃 +
-𝑈 +
-𝐸 +
-𝑗 +
-PUE +
-j +
- ​ +
- +
- — коэффициент эффективности использования энергии для пространства j. +
- +
-<WRAP info> * Bottom-up позволяет точно учитывать оборудование. * Используется PUE как универсальный коэффициент для сопоставления. </WRAP>+
  
 ==== Экстраполяционные подходы ==== ==== Экстраполяционные подходы ====
Строка 150: Строка 81:
 Формулы: Формулы:
  
-<WRAP center> $$ E^{DC}_{i+n} = E^{DC}_i \times (1 + CAGR)^n $$ </WRAP> <WRAP center> $$ E^{DC}_{i+n} = E^{DC}_i \times (1 + GR_p)^n \times (1 - GR_{eff})^n $$ </WRAP>+<WRAP center> 
 +$$ 
 +E^{DC}_{i+n} = E^{DC}_i \times (1 + CAGR)^n 
 +$$ 
 +</WRAP>
  
-Где:+<WRAP center> 
 +$$ 
 +E^{DC}_{i+n} = E^{DC}_i \times (1 + GR_p)^n \times (1 - GR_{eff})^n 
 +$$ 
 +</WRAP>
  
-𝐶 +Где:   
-𝐴 +  * \(CAGR\) — среднегодовой темп роста энергопотребления ЦОД.   
-𝐺 +  * \(GR_p\) — темп роста глобального IP-трафика.   
-𝑅 +  * \(GR_{eff}\) — фактор эффективности.  
-CAGR — среднегодовой темп роста энергопотребления ЦОД.+
  
-𝐺 +<WRAP important> 
-𝑅 +* Экстраполяция менее точна, так как использует ограниченное число параметров.   
-𝑝 +* Слабо объясняет взаимосвязь технологических изменений и потребления энергии.   
-GR +</WRAP>
-p +
- ​+
  
- — темп роста глобального IP-трафика.+==== Типовые категории устройств ====
  
-𝐺 +^ Тип ЦОД (площадь, м²)    ^ Серверный класс       ^ Системы хранения   ^ Скорость портов коммутаторов ^ 
-𝑅 +| Серверная комната (<10 м²)      | Volume server (<$25,000)    | HDD               | 100 Mbps | 
-𝑒 +| Серверная (10–90 м²)            | Volume server (<$25,000)    | HDD               | 1,000 Mbps | 
-𝑓 +| Локализованный ЦОД (50–190 м²)  | Midrange server ($25–250k)  | SSD               | 10 Gbps | 
-𝑓 +| Средний ЦОД (190–1 860 м²)       | Midrange server ($25–250k)  | SSD               | ≥40 Gbps | 
-GR +| Крупный ЦОД (1 860–3 720 м²)     | High-end server (>$250k)    | Архивные ленты    | ≥40 Gbps | 
-eff +| Гипермасштабный (>3 720 м²)      | High-end server (>$250k)    | Архивные ленты    | ≥40 Gbps |
- ​+
  
- — фактор эффективности. 
  
-<WRAP important> * Экстраполяция менее точна, так как использует ограниченное число параметров. * Слабо объясняет взаимосвязь технологических изменений и потребления энергии. </WRAP>+===== Ключевые идеи =====
  
-==== Типовые категории устройств ==== +<WRAP tip> 
- +* Энергопотребление ЦОД — один из ключевых факторов устойчивого развития.   
-^ Тип ЦОД ^ Серверный класс ^ Системы хранения ^ Скорость портов коммутаторов ^ +* Основные драйверы спроса: рост IP-трафика, big data, облачные вычисления и рост хранения.   
-| Серверная комната (<100 ft²) | Volume server (<$25,000) | HDD | 100 Mbps | +* Bottom-up метод наиболее точен, но трудоёмок.   
-| Серверная (100–1,000 ft²) | Volume server (<$25,000) | HDD | 1,000 Mbps | +* Экстраполяция проста, но менее надёжна.   
-| Локализованный ЦОД (500–2,000 ft²) | Midrange server ($25–250k) | SSD | 10 Gbps | +* Показатели PUE и CAGR — ключевые метрики для оценки.   
-| Средний ЦОД (2,000–20,000 ft²) | Midrange server ($25–250k) | SSD | ≥40 Gbps | +* Переход к облачным и гипермасштабным ЦОД радикально меняет энергопрофиль отрасли.   
-| Крупный ЦОД (20,000–40,000 ft²) | High-end server (>$250k) | Архивные ленты | ≥40 Gbps | +</WRAP>
-| Гипермасштабный (>40,000 ft²) | High-end server (>$250k) | Архивные ленты | ≥40 Gbps | +
- +
-===== Ключевые идеи =====+
  
-<WRAP tip> * Энергопотребление ЦОД — один из ключевых факторов устойчивого развития. * Основные драйверы спроса: рост IP-трафика, big data, облачные вычисления и рост хранения. * Bottom-up метод наиболее точен, но трудоёмок. * Экстраполяция проста, но менее надёжна. * Показатели PUE и CAGR — ключевые метрики для оценки. * Переход к облачным и гипермасштабным ЦОД радикально меняет энергопрофиль отрасли. </WRAP> 
topics/02/models.1759080463.txt.gz · Последнее изменение: — admin