La eficiencia energética en los centros de proceso de datos (CPDs) debe estar muy presente a la hora de elaborar los proyectos de diseño y dimensionamiento, ya que cada vez son mayores los consumos asociados a la era Big Data.

El fuerte crecimiento de los centros de proceso de datos y el elevado coste que supone para las empresas, ha hecho que sea clave acometer medidas de eficiencia energética.

Unidades SAIHay que diferenciar entre los diferentes componentes de un centro de proceso de datos, para poder conocer los consumos asociados a cada uno de ellos. Un Data Center presenta los siguientes sistemas:

  • TI (servidores, equipos de almacenamiento y de redes).
  • Refrigeración.
  • Infraestructura (iluminación, UPS, PDU, etc.).

A lo largo de los años, la manera de evaluar el rendimiento de todos estos sistemas ha sido mediante el PUE, o factor de referencia para determinar la eficiencia energética de un Data Center.

El PUE es el resultado del cociente de la carga que soportan las instalaciones del mismo (sistemas de refrigeración + equipos de infraestructura), entre la carga soportada por los equipos informáticos (servidores, equipos de almacenamiento y de red).

Sin embargo, al no existir una normalización que regule la metodología del cálculo del PUE, es probable que no se consideren los mismos parámetros de referencia en los diferentes Data Center.

Este es el motivo  por lo que el PUE debe utilizarse como medida interna partiendo de una situación inicial y mejorarlo con la aplicación de las mejoras de eficiencia energética detectadas.

Para conocer la eficiencia energética de los centros de proceso de datos es necesaria la realización de una auditoría energética de las instalaciones. La experiencia de SinCeO2 nos ha llevado a recomendar realizar una auditoría a data centers de más de 15 años de antigüedad o en aquellos que se tenga proyectada una ampliación.

En definitiva lo que hay que tener en cuenta tanto en el diseño inicial de un CPD como en la ampliación y/o mejora de uno existente, es determinar el reparto de potencia del mismo. Aproximadamente el consumo energético del sistema de refrigeración es el 50% del total, y del otro 50%, un 35-40% lo consumen los equipos informáticos y un 10-15% el resto de sistemas.

Medidas para ahorrar energía en CPDs.

Para reducir este consumo de energía, SinCeO2 plantea actuar en los diferentes componentes del Data Center con cierto orden y criterio en función de las características del mismo. Algunas de las medidas de mejora recomendadas han sido:

  • Elevar la temperatura de funcionamiento del centro de datos.
  • Rediseñar el sistema y la disposición de los racks para aumentar la eficiencia energética.
  • Añadir planes adicionales o alternativos de enfriamiento. Los más populares son los intercambiadores de calor de agua helada, la refrigeración por evaporación y el enfriamiento por aire libre.
  • Actualizar los servidores y sistemas a modelos más eficientes (Virtualización de servidores). Esta medida ahorra espacio reduciendo el número de equipos necesarios, y ahorra energía en la refrigeración de los equipos TI.
  • Actualizar el software de los equipos de refrigeración.
  • Activar las características de administración de energía eficiente de los procesadores.
  • Migrar a servidores con tecnología Blade.
  • Realizar simulaciones computarizadas de dinámica de fluidos (CFD) para detectar las deficiencias y optimizar el flujo de aire del CPD.
  • Monitorizar y controlar de forma instantánea los consumos.
  • Usar herramientas DCIM (administración de la infraestructura de un Data Center).
  • Elegir ‘purpose-built’ Datacenters.
  • Sustituir la iluminación por iluminación LED.

Para cada una de las medidas de mejora mencionadas y también para las no mencionadas, es importante llevar a cabo un estudio energético previo del Data Center y así determinar para cada caso de forma personalizada la ejecución de las medidas más adecuadas, dado que los ahorros producidos varían en función del estado actual de las instalaciones y el orden en el que son ejecutadas, pudiendo alcanzar valores de hasta un 52%. De este modo Big Data no tiene porqué derivar en Big Energy Consumption, si no en Big Energy Savings.