空调系统电力损耗视角下的数据中心内部供电架构可靠性分析

作者： Kazi Main Uddin Ahmed, Manuel Alvarez, Math H.J. Bollen
机构： 瑞典吕勒奥理工大学电力工程系 (Electric Power Engineering, Luleå University of Technology)
期刊： Electric Power Systems Research
发表时间： 2021年1月27日在线发表

研究背景与目标

随着信息与通信技术（ICT）的飞速发展，全球数据中心的数量及其能源需求持续攀升。数据中心运营商面临着双重挑战：一方面要限制内部供电系统（Internal Power Supply System, IPSS）的电力损耗（Power Losses），另一方面要防止计算资源或服务器发生意外宕机。IPSS的电力损耗随着服务器数量的增加而上升，这会导致系统中配电单元（Power Distribution Unit, PDU）出现供电容量短缺（Power Supply Capacity Shortage）的问题。服务器作为数据中心信息技术（IT）的核心计算资源，其在机架层级（Rack-level）的宕机概率直接定义了数据中心的服务可用性（Service Availability）。尽管已有众多研究对不同层级（Tier I-IV）数据中心的可用性和可靠性进行了评估，但服务器数量增加对IPSS总电力损耗及机架层计算资源服务可用性的影响尚未得到量化分析。因此，本研究旨在填补这一空白，提出并应用一种定量研究方法，量化机架内服务器数量增加如何影响IPSS的总电力损耗和机架层计算资源的服务可用性。

研究方法与工作流程

本研究的方法论主要包含三个部分：建立IPSS各组件及IT负载的功耗模型、构建IPSS的可靠性框图（Reliability Block Diagram, RBD）以计算系统可用性、以及对两种典型IPSS架构进行定量案例分析。

首先，本研究为数据中心内部主要负载和供电设备建立了详细的功耗模型。IT负载的功耗建模基于中央处理器（CPU）的利用率。CPU功耗被定义为其空闲功耗与由利用率决定的活动功耗之和，而服务器的总功耗则与CPU功耗成正比，同时包含一个恒定的空闲功耗。一个机架的总功耗是该机架内所有服务器功耗的总和。对于IPSS中的电力调节设备，研究也提出了相应的功耗模型：不间断电源（Uninterrupted Power Supply, UPS）的电力损耗包括固定的空闲损耗和与所供总负载成比例的损耗；PDU的损耗包括固定的空闲损耗和与所供负载平方成比例的损耗；电源单元（Power Supply Unit, PSU）的损耗则被假定为其供电功率的1%。此外，电缆的传导损耗通过负载电流和电缆电阻计算得出，其中假设系统功率因数维持在一个较高的水平（0.98）。

其次，研究采用可靠性框图法来评估IPSS的可用性。系统可用性取决于其组件的可用性以及它们在框图中的串并联关系。组件的可用性由其平均无故障时间（MTTF）和平均修复时间（MTTR）计算得出。串联分支的可用性是各组件可用性的乘积，而并联分支的不可用性则是各组件不可用性的乘积。研究中关键组件的MTTF和MTTR等可靠性参数主要取自IEEE黄金标准（IEEE Gold Book）。

最后，研究对两种IPSS架构进行了定量分析。第一种架构（系统1）被定义为无组件冗余的系统，其结构与Tier I级数据中心等效。该系统包含一个UPS、一个PDU、以及机架内由单个PSU供电的多台服务器。研究首先分析了机架内服务器数量从1台增至10台时，系统可用性和电力损耗的变化。为探究PDU额定容量（本研究设定为8kW）的瓶颈效应，研究者对系统1进行了改造，增加了一个额外的PDU，并将服务器总数扩展至20台。第二种架构（系统2）被定义为具有冗余组件的系统，其结构等效于Tier IV级数据中心。该系统拥有两条完全相同的供电通路，每条通路均包含UPS、PDU等设备，正常运行时各承担一半负载，但任一路均可支持全部负载，实现了容错设计。研究同样分析了该架构下，服务器数量增加对系统可用性和电力损耗的影响。

主要研究结果

研究发现，随着机架内服务器数量的增加，IPSS的总电力损耗线性增长。然而，电力损耗百分比（系统总损耗与UPS供电总功率之比）的变化并非线性。在系统1中，当服务器从1台增至4台时，损耗百分比从14.70%下降至8.80%，但此后随着服务器数量增至10台，损耗百分比又反弹至12.85%。这是因为PDU的电力损耗与负载的平方成正比，在高负载下，PDU损耗开始主导系统的总损耗。

更重要的是，电力损耗的增加导致了严重的服务可用性问题。在系统1的分析中，当第八台服务器接入机架时，PDU所供应的总功率（IT负载加上PSU、电缆及PDU自身的损耗）就已达到其额定的8kW容量。这意味着，理论上机架所能容纳的最后两台服务器（占总计算资源的20%）将因PDU供电容量不足而无法运行，从而产生20%的机架层级服务器宕机概率。为了验证这一现象的普适性，改造后的系统1和系统2在服务器扩展至20台的研究中，均重现了类似结果。在系统2中，即使两条供电路径的PDU总额定容量高达16kW，当服务器数量增加至第17台时，系统总电力损耗再次使得总需求超出PDU的供电极限，导致最后四台服务器（即20%的计算资源）面临宕机风险。

本研究还展示了系统可用性与电力损耗之间的权衡。在系统1中，添加第二个PSU能使IPSS的可用性从“4.88个9”提升至“5.31个9”。然而，之后再增加更多的PSU，系统可用性指标将保持不变，但总电力损耗却持续线性增加。系统2由于采用了冗余并行路径，其系统可用性远高于系统1，达到了“10.62个9”，但其总电力损耗也因冗余组件的增加而高于同等IT负载下的系统1。

研究结论与价值

本研究的核心结论是，IPSS的可靠性不仅取决于组件的物理故障，还受到系统自身电力损耗的严重影响。电力损耗导致的PDU供电容量短缺，会引发计算资源的服务不可用，而这在传统的系统可用性评估中是无法体现的。研究表明，无论IPSS的整体可用性数值多高，都存在一个由电力损耗引发的恒定服务器宕机概率，在本研究的案例中该概率为20%。

本研究的科学价值在于提出了一种新颖的、将电力损耗纳入可用性评估的集成分析框架。通过建立负载相关的设备功耗模型和系统RBD，此方法能够量化电力损耗对服务可用性的影响。其应用价值体现在为数据中心的设计和运营提供了关键指导。在设计阶段，该方法和结论可帮助运营商避免机架层面计算资源的过度配置，并精确识别PDU的负载瓶颈，选择合适的PDU额定功率或确定每个PDU所带服务器的最优数量。在运营阶段，该研究启示运营商必须有效管理计算工作负载，以防止机架能耗需求达到PDU的功率瓶颈，从而确保服务可用性和能效。

研究亮点

本文的主要亮点在于： 1. 揭示了电力损耗导致服务中断的新机制：首次定量分析了IPSS内部电力损耗如何通过造成PDU供电容量短缺，进而引发确定比例（如20%）的计算资源宕机，这是对传统基于组件故障的可靠性分析的重要补充。 2. 提出了集成可用性与能效的评估方法：研究将设备级的详细功耗模型与系统级的可靠性框图相结合，构建了一个能够同时评估IPSS服务可用性和电力损耗的完整方法论，这在以往的研究中较为少见。 3. 验证了问题的普遍性：研究不仅在简单的单通路Tier I结构（系统1）中发现了PDU容量瓶颈问题，还在更为复杂和冗余度更高的Tier IV结构（系统2）中证实了同样的问题，增强了结论的普适性。 4. 明确指出了可用性指标的局限性：研究发现，仅依靠系统可用性的“9的个数”来衡量系统可靠性是不充分的。即使系统可用性指标极高且保持恒定，总电力损耗仍在持续增长，并最终在某个临界点导致服务不可用。这一发现对数据中心可靠性的评估标准提出了新的思考。