Alocação de custos de energia e de emissões de carbono de data centers a usuários de TI

Transcrição

1 Alocação de custos de energia e de emissões de carbono de data centers a usuários de TI Relatório APC Nº 161, revisão 1 Neil Rasmussen > Índice Introdução 2 Qual é a meta? 2 > Resumo executivo Medição vs modelamento Quantos pontos é necessário medir? Alocação do consumo de energia a usuários de TI É necessário software e instrumentos complexos para medir e alocar custos de energia e de emissões de carbono a usuários de TI? Ou é possível fazer isto com métodos simples e econômicos de alocação de custos? Qual o grau de precisão que precisamos? Neste artigo técnico oferecemos uma resenha de diversas estratégias para a alocação de custos de energia e de emissões de carbono, bem como seus respectivos graus de precisão. Mostramos que, para data centers grandes ou pequenos, novos ou velhos, não é difícil nem oneroso alocar custos de energia e de carbono; entretanto, quando é especificado um grau de precisão excessivo, a despesa e a complexidade aumentam e o retorno do investimento diminui. Conversão da energia em emissões de carbono Orientação para usuários de TI Conclusão 15 Recursos Apêndice: 16 17

2 Introdução Dados indicam que data centers típicos usam muito mais energia que a necessária. É de conhecimento geral que há oportunidades econômicas e de curto prazo para diminuir o consumo de energia em data centers existentes e também grandes oportunidades de influenciar no projeto de novos data centers. Como resultado disso, os data centers se transformaram em alvos interessantes para responsáveis por regulamentações governamentais e para os executivos das empresas, pois ambos estão à procura de oportunidades para diminuir o consumo de energia, com mínimo impacto social ou econômico. Qual a meta? Em geral, um sistema para avaliar a eficiência energética ou o impacto das emissões de carbono de um data center procura atingir três objetivos diferentes: Fazer uma comparação sistemática do desempenho, uma única vez ou periodicamente Transferir a alocação de custos de energia ou de emissões de carbono a outros departamentos Usar informações para diminuir o consumo de energia da infraestrutura ou o impacto das emissões de carbono Historicamente, o projeto e as operações dos data centers visavam confiabilidade e capacidade. Isso resultou uma situação não ideal, na qual os data centers não foram otimizados em prol de uma maior eficiência. De fato, é difícil identificar algum local onde o data center tenha sido projetado tendo em mente a eficiência, pois decisões tomadas de forma independente por projetistas de equipamentos, integradores de sistemas, programadores de controles, instaladores, empreiteiras, gerentes de TI e operadores contribuem significativamente para o desempenho geral da energia. Recentemente, diferentes estudos mostraram que o consumo de energia representa um custo substancial das operações de TI e, em alguns casos, chega a ser mais elevado que o próprio custo do hardware de TI. A pressão dos custos, mais o fato de que os data center podem consumir energia de forma muito mais eficiente, fez muitos operadores de data centers colocarem prioridade no gerenciamento da energia. Alocar custos de eletricidade e emissões de carbono a planejadores e usuários de TI Para um data center específico, é importante identificar qual das metas mencionadas (ou uma combinação delas) se quer atingir, pois a identificação correta terá uma influência decisiva na implantação técnica. Meta 1: Fazer uma comparação sistemática do desempenho, uma única vez ou periodicamente A comparação sistemática (benchmarking) inicial ou periódica da eficiência energética ou impacto das emissões de carbono pode ser útil para se determinar se um programa de gerenciamento de energia contínuo deve ser buscado ou iniciado. A ideia é que se a comparação sistemática com outros data centers provar que o desempenho é similar ou superior a esses data centers de características similares, essa questão pode ser ignorada. Por outro lado, se a comparação revelar que o desempenho é inferior ao de Decisões de TI mais inteligentes e mais ecológicas que consideram custos reais outros data centers similares, então é Qual o grau de simplicidade do processo de gerenciamento de energia e qual o mínimo de medições necessárias para se obter as informações para um gerenciamento bem-sucedido do consumo de energia da infraestrutura e para alocar os custos da energia e das emissões de carbono aos usuários de TI? Neste artigo mostraremos que basta com um procedimento extremamente simples, com poucas medições e sem pessoal especializado para sua implantação imediata, para obter o grau de precisão suficiente para a aplicação de um programa eficaz de gerenciamento de energia. Menor custo total e impactos ambientais provável que um programa permanente de gerenciamento da energia seja um bom investimento. É importante salientar que o simples fato de se atingir essa meta não proporciona informações que permitam tomar decisões fundamentadas quanto à redução do consumo de energia ou do impacto das emissões de carbono. Infelizmente, muitos operadores de data centers começam com essa meta e ficam desapontados 2

3 com os resultados. Para se obter os benefícios da redução do impacto, é necessário implantar uma das metas apresentadas a seguir, ou ambas. Meta 2: Transferir a alocação da energia de emissão de carbono a outros departamentos Alguns data centers atuam como provedores de serviços de data centers a outras organizações: proporcionam infraestrutura física de data Center ou fornecem infraestrutura de TI por computador ou por servidor. Nesses casos, pode ser um requisito que o custos da energia elétrica e das emissões de carbono sejam alocados ou faturados aos clientes do data centers. Isto pode ser um requisito interno de uma organização, uma regulamentação oficial ou uma obrigação contratual. O objetivo é proporcionar um incentivo econômico ou de outro tipo aos clientes do data center para modificar sua conduta, levando-os a diminuir o consumo de energia ou o impacto das emissões de carbono, por exemplo, desligando servidores fora de uso, ativando funções de gerenciamento de energia, gerenciando armazenamento desnecessário ou a virtualização de servidores. Em um data center típico, as possibilidades de economizar energia e de diminuir o impacto das emissões de carbono com o gerenciamento dos equipamentos de TI para atingir maior eficiência no consumo de energia são enormes: as reduções variam entre 10 e 80% dependendo do nível de maturidade e de virtualização existentes no data center. Como muitas melhorias possíveis são praticamente sem custo, ou podem ser introduzidas de forma gradual e com baixos custos durante os upgrades de TI, a transferência dos custos de energia ou dos impactos de emissões de carbono pode constituir uma contribuição decisiva para um programa de gerenciamento de energia econômico e bem sucedido. Meta 3: Usar informações para diminuir o consumo de energia da infraestrutura ou o impacto das emissões de carbono Em todo data center, a infraestrutura física (energia elétrica, refrigeração, iluminação, controles, etc.) é o maior consumidor de energia e gerador dos impactos de emissões de carbono. O parâmetro utilizado para comparar o consumo de energia da infraestrutura de um data center é a Eficácia no Uso da Energia Elétrica ou PUE, por sua sigla em inglês (o valor recíproco da PUE denomina-se DCiE e também é usado como parâmetro ou métrica de comparação). Em muitos data centers, a energia consumida pela infraestrutura física é maior que a das cargas de TI (PUE > 2). Portanto, a redução do consumo de energia da infraestrutura física é praticamente tão importante quanto à redução da carga de TI, em valores percentuais. O objetivo consiste em fornecer os dados necessários para identificar e quantificar oportunidades para introduzir mudanças em equipamentos, configuração ou ajustes que permitam reduzir o consumo de energia sem afetar negativamente a carga de TI. Em um data center típico, as possibilidades de economizar energia e reduzir o impacto das emissões de carbono mediante o gerenciamento da infraestrutura física para atingir maior eficiência no consumo de energia são grandes: as reduções variam entre 10 e 40% dependendo das condições, dos valores definidos, da configuração e da carga do data center. Duas das metas apresentadas na seção anterior alocação de custos de energia a usuários de TI e o gerenciamento do consumo de energia da infraestrutura física oferecem oportunidades substanciais para diminuir o consumo de energia e as emissões de carbono em um data center típico. Ao se considerar o objetivo geral de redução do consumo de energia e das emissões de carbono em um determinado data center, é indispensável decidir, em primeiro lugar, qual das duas metas (ou ambas) será escolhida. Escolha da meta A análise acima das três metas para reduzir o consumo de energia e as emissões de carbono em data centers sugere as seguintes observações críticas: Há enormes oportunidades para diminuir o consumo de energia em data centers típicos entre 20 a 90% de economia de energia e de carbono - quando o comportamento da TI e da infraestrutura física são gerenciados em conjunto. A comparação sistemática, apenas, não provoca nenhuma melhoria: ela não pode ser considerada o aspecto fundamental de um plano de redução de energia e de emissões de carbono. Seu uso fundamental é ajudar a determinar a quantidade de recursos que deverão ser destinados ao gerenciamento de energia. A alocação do consumo de energia e das emissões de carbono aos usuários de TI fornece ferramentas para a tomada de decisões racionais acerca das implantações de TI. Tanto (a) a alocação dos custos da energia aos usuários de TI como (b) o gerenciamento do consumo de energia da infraestrutura física oferecem oportunidades de economia substanciais, porém quando os dois objetivos são combinados, as possibilidades geradas superam a soma das partes. Se o objetivo for a redução geral do consumo de energia e das emissões de carbono, a melhor estratégia consiste em combinar as metas apresentadas e dar menor importância à comparação sistemática. Procurar atingir as três metas ao mesmo tempo seria um esforço 3

4 excessivo, complexo e caro? O retorno do investimento desse esforço seria aceitável? Quando o problema é formulado de forma adequada, é extremamente simples e econômico atingir todas as metas. Além disso, os operadores de data centers podem começar a obter resultados imediatamente. O restante deste artigo explica como isto é possível. Medição contra modelamento A maioria dos debates sobre as informações necessárias para o gerenciamento da energia é focada na medição da energia. Entretanto, qualquer abordagem racional para o gerenciamento de energia requer também uma certa interpretação do consumo da energia medida. Para introduzir melhorias ou realizar outro tipo de ação, é preciso entender como as mudanças afetarão o consumo de energia. Para entender como podem ser usadas as medições na identificação e quantificação de oportunidades de melhorias, é necessário contar com um modelo de funcionamento do data center. Apenas a medição da energia elétrica consumida por uma bomba de água gelada não indica se a bomba está operando dentro dos parâmetros de desempenho esperados, se ela foi dimensionada corretamente, se a instalação de uma válvula ou alterações na programação permitiriam diminuir o consumo de energia ou se outra bomba poderia desempenhar a mesma função com menor consumo de energia. Para compreender as oportunidades de melhoria do consumo de energia, é necessário contar com modelos implícitos (conhecimento de especialistas com experiência) ou explícitos (ferramentas de software). Mesmo o objetivo de alocar custos a usuários de TI requer o uso de modelos. Embora seja possível medir o consumo da energia de servidores e vinculá-lo a usuários de TI, a maior parte da energia consumida em um data center provém de outras cargas de TI e é necessário contar com um modelo para associar esses consumos aos usuários de TI. A Figura 2 apresenta um processo de gerenciamento de energia em um data center genérico: Figura 1 Diagrama de fluxo de informação de um processo de gerenciamento de energia de data Center, mostrando como o modelo e as funções de análise se integram com as atividades de planejamento dos equipamentos de TI e da infraestrutura já existentes; resultando em mudanças que reduzem o consumo de energia Mudanças em equipamentos de TI (remoção de servidores, virtualização, melhorias nos dispositivos) Sistemas de TI (servidores, armazenamento, rede) Data centers Medições do consumo de energia Informações sobre configuração Informações sobre dispositivos Modelo Imputação de consumo de energia e emissões de carbono a usuários de TI PUE com dados suporte Análises Planejamento e implantação de equipamentos de TI Mudanças recomendadas Sistemas da infraestrutura física (energia, refrigeração, iluminação) Dados sobre condições de operação Planejamento e operações da infraestrutura Mudanças na infraestrutura física (configuração, parâmetros, dispositivos) No processo de gerenciamento de energia apresentado na Figura 2, observam-se duas possibilidades principais de introdução de melhorias. Na parte superior do diagrama, são introduzidas mudanças nos equipamentos de TI em resposta a dados de consumo de energia e de geração de emissões de carbono obtidos do modelo de operação do data center. Na parte inferior do diagrama, são implantadas as mudanças na infraestrutura física em 4

5 resposta à orientação proporcionada pelo modelo em termos de energia. Em ambos os casos, utilizam-se medições, mas a interpretação e os passos necessários para atingir as melhorias se obtêm do modelo. É importante salientar que o sistema descrito no diagrama incorpora as três metas do gerenciamento de energia em data centers descritos na seção anterior: fornece informações para comparações sistemáticas, aloca os consumos de energia e as emissões de carbono a usuários de TI, e oferece orientação para a introdução de melhorias na infraestrutura física. Não tendo um modelo e um processo, as medições são de pouca utilidade. Os modelos, entretanto, até os mais simples, podem ter uma utilidade considerável mesmo com medições incompletas. Resumindo, um propósito fundamental da medição da eficiência de data centers é a obtenção de informações que ajudem a criar um modelo preciso do data center: é o modelo e não a medição o que fornece informações úteis para empreender ações. Para ver uma análise mais completa deste assunto, consulte o Relatório APC N 154, Medição da eficiência elétrica de data centers. Modelamento assistido por medições Se fosse possível criar um modelo perfeito de um data center, não seria necessário realizar medições. O modelo contaria com informações completas sobre a natureza, quantidade e condições de operação da carga de TI; conteria as características e condições de operação de todos os equipamentos da infraestrutura e aceitaria a entrada de dados climáticos históricos. Ele poderia calcular simplesmente todos os fluxos de energia. Na prática, não é possível ter um modelo perfeito como esse, por causa da dificuldade para se obter dados exatos sobre as configurações e condições de operação dos dispositivos de TI, as interfaces e as condições de operação da infraestrutura, e condições de operação imprevistas, como falhas, filtros obstruídos ou condicionadores de ar que interagem entre si. Embora para se ter um modelo perfeito de um data center seria necessário realizar um trabalho extraordinariamente grande de programação personalizada e de manutenção dos dados, é possível criar um modelo muito bom utilizando apenas com um levantamento aproximado da infraestrutura e dos dispositivos de TI implantados, com as informações sobre a configuração (N+1, 2N, etc.) e algum conhecimento básico das características elétricas dos dispositivos de TI e da infraestrutura. A Figura 3 apresenta-se um exemplo da implantação de software de um modelo simplificado da infraestrutura física de um data center típico. Figura 3 Exemplo de uma ferramenta de modelamento da infraestrutura de um data center para configurações típicas de data centers (ferramenta gratuita na internet) 5

6 É evidente que é necessário algum tipo de modelo para data center para gerenciar e reduzir o consumo de energia elétrica. Será que esse modelo poderia eliminar realmente a necessidade de medições ou simplificar a tarefa de medição? Qual o grau de simplicidade do modelo e quantas medições são necessárias para se obter as informações para gerenciar com êxito o consumo de energia da infraestrutura e alocar os custos da energia e das emissões de carbono aos usuários de TI? A resposta é que um modelo extremamente simples, com poucas medições, pode proporcionar um nível de precisão suficiente para um programa de gerenciamento de energia. É necessário medir quantos pontos? Um princípio básico de medição afirma que não se deve começar a medir algo, a menos que se conheça o uso ou a finalidade dos dados de medição. Uma medição feita em um momento incorreto ou sem a precisão suficiente nem informações acerca das condições pode acabar sendo inadequada ou inútil. Por outro lado, excesso de medições com um nível extremo de precisão pode ser um trabalho extenuante e caro, e proporcionar pouco benefício se comparado com uma medição simples. Estes problemas estão começando a surgir como resultado da tentativa dos operadores de data centers de desenvolver sistemas próprios de gerenciamento de energia. O objetivo de um sistema de medição é usar o protocolo de medição mais simples e menos dispendioso que permita atingir o objetivo do sistema de gerenciamento. Estimativa aproximada Essencialmente gratuita Erros grandes Não permite compreender os detalhes dos problemas? Ferramentas de medição e software complexos Dispendiosas e complexas Alta precisão Permitem a análise do retorno do investimento e da situação Figura 4 Comparação das abordagens de medição de energia Qual o nível de complexidade que um sistema deve ter para fornecer informações completas sobre o consumo de energia de um data center? Qual o nível de simplicidade que um sistema de medição deve ter? Para compreender o problema, podemos comparar as capacidades que dois casos extremos oferecem: um sistema complexo de medição de energia e um sistema de estimativa aproximada. Caso extremo N 1: Um sistema completo de coleta de dados A abordagem da medição em um sistema de gerenciamento não estaria completa sem considerar a precisão e a frequência das medições, fatores que podem ter consequências importantíssimas em termos de complexidade e de custo. Como referência, podemos analisar o caso de um sistema de medição de energia em tempo real que mede e registra o consumo de energia de todos os dispositivos e circuitos de um data center com uma precisão de 2%. A Tabela 1 apresenta uma estimativa dos requisitos e dos custos de um de um data center de 1 MW. Com este sistema de instrumentação extremo, poderíamos alocar com precisão o consumo elétrico a cada dispositivo de TI e informar ou faturar corretamente aos usuários. Além disso, poderíamos determinar com precisão o consumo elétrico de cada dispositivo da infraestrutura, a partir do qual seria possível, posteriormente, tentar comparar esses dados com valores esperados para identificar áreas onde fosse possível introduzir melhorias. Um sistema com essas características requer também um sistema de software complexo com um investimento importante em configuração e manutenção de dados. Infelizmente, o custo desse sistema representa uma fração substancial do custo total da infraestrutura do data center; além disso, custa praticamente a metade do custo total do consumo anual de energia do data center. Portanto, esse tipo de sistema não é viável do ponto de vista do retorno esperado do investimento, a menos que o custo de tal sistema de medição diminuísse dez vezes, aproximadamente. Mesmo assim, a instalação desse sistema representa uma despesa de capital considerável e um processo de instalação complexo e arriscado, especialmente em um data center existente. Portanto, um sistema completo de coleta de dados pode ser considerado possível, porém é impraticável. 6

7 Tabela 1 Custo de um sistema de monitoramento de energia com alto nível de precisão para um data center de 1MW Circuitos medidos Quantidade Custo unit. (instalado) Custo subtotal Medir potência de entrada do data center 1 1 US$9.000 US$9.000 Medir circuitos do subsistema de infraestrutura 80 US$1.500 US$ Medir circuitos derivados de dispositivos de TI 1000 US$100 US$ Medir tomadas para dispositivos de TI 4000 U$40 US$ Manutenção (10 anos) US$ US$ Software (licença por 10 anos) US$ US$ Configuração, partida, manutenção do software US$ US$ Custo total US$ Esta medição não pode ser realizada com um único medidor: é necessário somar os dados obtidos por mais de um medidor. 7

8 Caso extremo N 2: Um sistema de coleta de dados sem custos A seguir, analisaremos o outro caso extremo: um sistema no qual não se efetua nenhuma medição e é, basicamente, gratuito. O único dado a ser utilizado será a quantidade de servidores do data center; não vamos supor nem mesmo a existência de uma fatura mensal de eletricidade emitida pela concessionária de energia elétrica porque, em geral, não há um medidor exclusivo para o data center. Apenas com a quantidade de servidores, é possível tentar realizar uma estimativa aproximada do consumo de energia do data center por servidor. O consumo do data center por servidor inclui a energia consumida pelos próprios servidores, mas também a consumida pelas conexões de rede, pelo armazenamento, equipamentos de alimentação elétrica, equipamentos de refrigeração, pela iluminação e por dispositivos auxiliares. Não havendo nenhuma medição, uma possibilidade seria usar dados estatísticos médios correspondentes à base instalada de data centers para se obter uma estimativa aproximada da potência consumida normalmente em cada servidor para refrigeração, iluminação, etc. Poderíamos assumir configuração típica da infraestrutura física utilizada para um data center com servidores típicos médios, com uma combinação típica de equipamentos de armazenamento e de conexão com a rede. Estas estimativas fundadas poderiam ser fornecidas por um consultor especializado ou por uma ferramenta de software, como a ferramenta gratuita mostrada na Figura 3. A combinação de "estimativas fundadas constitui-se o nosso modelo aproximado de data center; o nível de precisão deste sistema é resumido na Tabela 2. Com este sistema sem medições, seria possível alocar os custos de energia e de emissões de carbono a diferentes usuários por servidor médio, mas o nível de precisão seria apenas de +/- 36%. Embora não seja ideal, essas informações constituem uma orientação útil para os usuários de TI implantarem mudanças de comportamento; a maioria dessas mudanças não seria afetada se as informações sobre os custos de energia e de emissões de carbono tivessem maior precisão. Entretanto, embora um sistema dessa natureza ofereça informações úteis para os usuários de TI, o sistema não fornece informações que sirvam como orientação para introduzir melhorias na infraestrutura de energia ou de refrigeração do data center, pois todos os dados foram estimados a partir de médias do setor. Apesar disso, é possível obter-se benefícios consideráveis sem nenhum custo e, portanto, todo operador de data Center que quiser começar a controlar os custos de energia de forma imediata, mas não tiver tempo nem recursos deve levar em conta a possibilidade de recorrer a este sistema sem medições. O Apêndice anexo oferece um guia prático sobre como começar a aplicar essa abordagem. 8

9 Tabela 2 Precisão de um sistema de monitoramento de energia, de baixo custo, para um data center de 1MW Consumo de energia Proporção do uso total Precisão da estimativa Efeito sobre a precisão geral 2 Servidor 36% +/- 50% +/- 18% Armazenamento 10% +/- 70% +/- 7% Conexão em rede 4% +/- 50% +/- 2% Energia 8% +/- 50% +/- 4% Refrigeração 38% +/- 80% +/- 30% Iluminação 2% +/- 60% +/- 1% Auxiliar 2% +/- 80% +/- 2% Precisão do total de energia combinada +/- 36% 2 Os erros nas estimativas da energia consumida por subsistemas são matematicamente ortogonais, portanto o erro combinado equivale à raiz quadrada da soma dos quadrados dos erros correspondentes aos subsistemas. 9

10 Um sistema aceitável de coleta de dados sobre consumo de energia Os dois exemplos extremos descritos de estratégias para coleta de dados do consumo de energia nos levam à pergunta sobre a existência de outras estratégias intermediárias que ofereçam um nível de precisão aceitável dos dados para atingir as metas de gerenciamento de energia, porém que tenham baixo custo e alto retorno do investimento. A Tabela 3 mostra como a adição de complexidade e custo a um sistema de gerenciamento de energia aumenta a precisão e o custo, ajudando a encontrar a resposta para esta pergunta. Cada linha da tabela representa o acréscimo de uma capacidade de modelamento ou de medição ao sistema de gerenciamento, partindo de um sistema sem custo baseado apenas nas quantidades de servidores, conforme descrito no item anterior. Conforme se adicionam capacidades, o nível de erro diminui e o custo do sistema aumenta. O erro de alocação para a TI é definido como o erro ao se alocar o consumo de energia e emissões de carbono a uma unidade de TI definida, como um servidor padrão, por exemplo. O erro ao se alocar o consumo de energia a um servidor específico pode ser muito maior que os erros definidos na tabela. Alguns recursos incluídos na tabela, como classificar os servidores e medir todos os dispositivos de TI, melhoram de forma considerável a precisão ao se alocar o consumo de energia e as emissões de carbono a servidores específicos. Isto será analisado mais detalhadamente neste Relatório Técnico. Tabela 3 A adição de capacidades de modelamento e de medição afeta a precisão e os custos do sistema de gerenciamento de um data center de 1 MW Capacidade de modelamento e medição adicionada Erro PUE Erro de alocação de TI 3,4 Custo do sistema (por MW) Quantidade de servidores 61% 39% 0 + potência do no-break 55% 33% 0 + inventário aproximado 5 23% 20% 0 + inventário detalhado 14% 12% US$ classificar servidores 14% 12% US$ auditar subsistemas 8% 7% US$ medir subsistemas críticos 6% 4% US$ medir todos os subsistemas 3% 2% US$ medir todos os dispositivos de TI 2% 2% US$ O erro de alocação de TI pode ser menor que o erro PUE, porque o consumo de energia e as emissões de carbono associados à eficácia no uso de energia (PUE) constituem apenas uma fração do consumo de energia total. 4 Nesta tabela, o erro de alocação de TI não é a alocação a um servidor específico mas a alocação a um "servidor médio padrão" definido. Os erros em relação a servidores específicos são maiores e resultam drasticamente reduzidos quando se adiciona a capacidade cla ssificar servidores, como será explicado neste artigo. 5 O inventário aproximado é um inventário da capacidade e do tipo de dispositivos de energia, refrigeração e de TI mais importantes do data Center que, quando combinado com dados relativos aos dispositivos, é possível refinar de forma considerável as estimativas do consumo de energia. Essa função pode fazer parte de uma avaliação de energia realizada por especialistas; da mesma forma, um gerente de TI meticuloso pode tentar realizá-lo. Em outros Relatórios Técnicos APC, enumerados no final deste relatório, são fornecidas orientaões adicionais para a aplicação deste método. 10

11 Measurement Error (%) Measurement Cost ($) Alocação de custos de energia e de emissões de carbono de data centers a usuários de TI Para dar uma ideia mais clara sobre a interrelação entre a precisão das medições e os custos, em função da adição das funções a um sistema de gerenciamento, os dados da Tabela 3 são apresentados em forma de gráfico na Figura 5. Figura 5 O erro no sistema de medição de energia de um data center diminui enquanto o custo aumenta à medida que se adiciona recursos de modelamento e de medição 60.0% 60% 50.0% 50% Erro PUE $600 K $500 K 40.0% 40% 30.0% 30% Custo do sistema $400 K $300 K 20.0% 20% 10.0% 10% 0.0% 0% server counts Erro de alocação para a TI UPS power crude inventory detailed inventory classify servers audit subsystems meter all subsystems meter key subsystems meter all IT devices $200 K $100 K $0 K A figura 5 mostra que a precisão de um sistema de medição do consumo de energia de um data center melhora, inicialmente, com rapidez à medida que são adicionadas capacidades simples de modelamento e medição com pouco custo. Entretanto, quando se atingem níveis de erro inferiores a 10%, o custo aumenta de forma drástica. Como resultado da análise, recomenda-se a adoção da seguinte estratégia de medição e modelamento para um programa de gerenciamento de energia de data centers: Um sistema sem custo de modelamento do consumo de energia, baseado na quantidade de servidores, leituras do consumo de energia dos no-breaks e um inventário aproximado é suficiente para a alocação adequada do consumo de energia aos usuários de TI Com o tempo, podem ser adicionadas outras capacidades de baixo custo para melhorar o sistema de gerenciamento de energia, entre elas, melhorias no modelo com base no levantamento detalhado e classificação de servidores e também melhorias das medições a partir de auditorias de energia e medição de subsistemas críticos A medição exaustiva de todos os sistemas da infraestrutura e dispositivos de TI agrega pouco valor ao sistema de gerenciamento de energia e produz um retorno do investimento muito baixo Alocação do consumo de energia a usuários de TI É possível medir e alocar a capacidade de TI de diversas formas, entre elas, ciclos de computação, servidores, núcleos, terabytes, racks, pés quadrados, servidores virtuais, etc. Um modelo ideal de uso de TI poderia incluir todos os fatores mencionados para a alocação dos custos, energia ou emissões de carbono. Apesar disso, começaremos com um modelo simples no qual mediremos a capacidade de TI em termos de quantidade de servidores, que é uma forma popular de medir a capacidade, que pode servir de referência para outros tipos de medições. Se for possível alocar uma quantidade de servidores a um usuário de TI, então para alocar o consumo de energia e emissões de carbono a esse usuário, teremos apenas que alocar o consumo de energia a um servidor; nesse caso, o consumo de energia total de um usuário de serviços de TI é apenas a quantidade de servidores a ele alocada multiplicada pelo consumo de energia por servidor. Para tal, é necessário identificar todos os consumos de energia ocorridos no data center e alocá-los por servidor. A alocação total do consumo de energia de um servidor é igual à soma do consumo de energia do próprio servidor mais as alocações do consumo de energia correspondente a armazenamento, conexão em rede, energia, refrigeração, iluminação e 11

12 cargas auxiliares. A Figura 6 mostra a alocação de um data center típico: Figura 6 Discriminação do consumo de energia de um data center alocado a um servidor de 930 W. A potência real do servidor é de apenas 340 W. Iluminação 15 W Refrigeração 360 W Auxiliar 15 W Energia 75 W Conexão em rede 35 W Servidor 340 W Armazenamento 90 W Neste caso, embora a energia real consumida pelo servidor típico seja de 340 W, o consumo total alocado ao servidor é bem maior: 930 W. Para data centers que têm uma população de servidores relativamente uniforme, alocar um custo de energia padrão por servidor constitui uma aproximação eficaz. Porém, no caso de data centers com ampla variedade de tipos de servidores, o uso de uma unidade servidor padrão para alocar o consumo de energia não é eficaz. Como exemplo pode se apontar o caso de um usuário de TI que tem oito servidores Blade como servidores para aplicações simples e o de outro usuário de TI que tem oito sistemas tipo mainframe com muitos terabytes de armazenamento on-line. É evidente que o usuário de com comutadores mainframe consome muito mais energia; entretanto, se a alocação de energia é baseada em um servidor padrão, a mesma quantidade de energia e emissão de carbono seria alocada a ambos os usuários. Embora o consumo total de energia alocado com este método fosse preciso, estaria se alocando injustamente parte da energia usada pelo usuário que opera com mainframes ao usuário de servidores Blade. Em princípio, esse problema poderia ser corrigido com a medição de todos os dispositivos de TI e com a alocação do consumo de energia aos usuários com base nessas medições. Já mostramos que esta abordagem é impraticável devido a: Boa parte do consumo de energia corresponde a equipamentos de alimentação elétrica, equipamentos de refrigeração, dispositivos de conexão em rede e outras cargas que nem sempre podem ser associadas de forma direta a um usuário de TI O custo do sistema de medição requerido para medir todos os dispositivos de TI, com o custo e a complexidade do sistema de software é muito elevado Para solucionar este problema de forma simples e econômica, os servidores podem ser classificados em uma pequena Dispositivos de TI médio contra específico lista de tipos padrão, cada um deles um perfil próprio de O método para alocar o consumo de energia a um usuário de consumo de energia. Em vez de tratar todos os servidores TI com base em unidades de servidor de um servidor médio como uma única unidade servidor padrão, é possível criar apresenta várias imprecisões, porque se supõe uma uma lista de classes de servidores, como ilustra a Tabela 4: utilização uniforme dos recursos alocados por servidor e a igualdade de todos os servidores. O consumo de energia total real associado a um servidor específico varia segundo o tipo de servidor, suas características de gerenciamento de energia e sua utilização dos outros recursos de TI. 12

13 Tabela 4 Exemplo de uma tabela de classificação de servidores Classe de servidor Potência do servidor Alocação em rede Alocação para armazenamento Servidor de aplicações de 1 U Servidor virtual W 0,2 0,1 90 W 0,4 0,2 Servidor web Blade 200 W 0,3 0,1 Servidor ERP Blade 200 W 0,1 0,4 Mainframe W 0,1 0,5 Servidor de 3 U a 10 U W 0,1 0,1 6 Se os servidores virtuais constituem uma classe, a quantidade de servidores alocados será superior à quantidade de servidores físicos. Nesse caso, os servidores físicos que hospedam os servidores virtuais não serão alocados a um usuário de TI. 13

14 A lista anterior pode ser utilizada como apresentada (com os valores de potência adequados) ou pode ser ampliada ou aprimorada para se ajustar melhor ao perfil de usuários de um data center específico. A cada servidor é alocado um nível de potência padrão básico, ao qual são adicionadas alocações que representam a fração da potência básica associada a aspectos como conexão em rede e armazenamento. Os custos de energia, refrigeração e iluminação são alocados de forma igual por watt consumido por cada equipamento de TI e não variam por classe de servidor. O método para usar o sistema de classificação é o seguinte: Alocar todos os servidores a uma classe Alocar a cada usuário de TI uma quantidade de servidores padrão de cada classe Somar a potência apurada de todas as classes de servidores e depois normalizar o total para coincidir com a potência real da carga de TI (determinada a partir do modelo ou da medição) Aplicar os dados de PUE a cada classe de servidor Assim, é possível alocar o consumo total de energia de um data center a uma variedade de classes de servidores, que depois poderão ser alocadas aos usuários de TI. Este processo pode ser realizado com uma ferramenta de software, como as oferecidas por fornecedores como a APC by Schneider Electric, ou com uma planilha de cálculo. Conversão da energia em emissões de carbono Após a determinação do consumo de energia das cargas de TI ou dos sistemas de infraestrutura de um data center, é possível alocar as emissões de carbono a cada um deles. O impacto das emissões de carbono dos data centers é indireto e tem origem em três fontes primárias: Emissões de carbono criadas durante a fabricação do data center e dos equipamentos de TI e de infraestrutura que serão instalados no data center (chamadas de emissões incorporadas ). Emissões de carbono locais geradas por sistemas de aquecimento, geradores de emergência ou sistemas de cogeração. Emissões de carbono originadas durante a geração da energia elétrica necessária para alimentar o data center. Em geral, os debates, comparações e relatórios vinculados com as emissões de carbono só tratam daquelas geradas durante as operações. As emissões provocadas pelos processos de fabricação (emissões incorporadas) constituem uma proporção importante das emissões totais, porém os métodos e padrões para sua avaliação estão ainda em desenvolvimento. Os data centers não geram diretamente quantidades significativas de dióxido de carbono nem outros gases equivalentes ao CO 2. A operação de geradores de emergência representa, em condições típicas, menos de 0,01% do impacto total em termos de emissão de carbono, e pode ser ignorado. Data centers operam com densidade de potência elevada e quase nunca precisam de aquecimento adicional, de forma que as emissões vinculadas com o aquecimento também podem ser ignoradas. Poucos data centers têm plantas geradoras de eletricidade nas suas instalações, por isso, também não constitui um fator considerado na maioria dos casos. Neste Relatório Técnico, limitaremos as métricas de medição das emissões de carbono àquelas associadas ao suprimento de energia elétrica, que representam acima de 99% do impacto provocado pelas emissões de carbono associadas às operações. Equivalência entre energia elétrica e emissões de carbono A partir da energia elétrica utilizada no data center, é possível estimar as emissões de carbono geradas por esse consumo de energia. Uma concessionária de energia elétrica pode fornecer informações acerca das emissões de carbono correspondentes a cada quilowatthora de geração de energia, com base na combinação de suas fontes de energia utilizadas 7. Se não for possível obter esses dados com a concessionária, pode se recorrer às informações da região, fáceis de obterem. Os dados são expressos em toneladas de CO 2 por kw-hora, o valor típico é de 0,1 a 1 tonelada por Kw-hora no gerador. Para determinar a carga gerada pelo data center em relação ao gerador, devem se adicionar ao consumo de energia calculado para o data center as perdas causadas pela distribuição (tipicamente, em torno de 10%) entre o gerador e o data center. A fórmula a seguir permite calcular as emissões de carbono geradas anualmente pela carga de uma instalação: 7 Uma análise alternativa de emissões de carbono evitadas baseada na última fonte de energia despachada costuma produzir tipicamente impactos de emissões de carbono mais elevados. Isto porque a energia incremental economizada em uma rede elétrica existente não reduz a carga em todos os geradores da mesma forma, ou seja, as reduções são direcionadas para operações de geração com custos mais elevados, como as que utilizam gás natural. 14

15 Carbono 8760h 1 CO2anual( toneladas ) C arg a( kw) kwh ano (1 Perdadist ) Instruções para usuários de TI Não é necessário que um usuário de TI entenda os princípios e técnicas descritos neste Relatório Técnico para integrar o aspecto de energia às suas decisões quanto ao planejamento e instalação de equipamentos de TI. Só precisa de um resumo simples do consumo de energia e das emissões de carbono relacionados com os recursos de TI que ele utiliza. A Tabela 5 apresenta um exemplo de relatório destinado a um usuário de TI: Tabela 5 Exemplo de alocação anual de energia e emissões de carbono a um usuário de TI Classe de servidor Servidor de aplicações de 1 U Servidor virtual Servidor web Blade Servidor ERP Blade Total instalado Consumo de energia por unidade Emissões de carbono por unidade , , , ,5 Mainframe ,0 Servidor de 3 a 10 U ,0 Conclusão Este Relatório Técnico descreveu uma estratégia lógica para a alocação do consumo de energia e das emissões de carbono aos usuários de TI. É possível utilizar modelos de consumo de energia simples e sem custo para alocar o consumo de energia e as emissões de carbono tendo como base unidades padrão e médias de capacidade de TI, por exemplo, uma unidade servidor padrão. Esses modelos não são precisos, mas oferecem um nível de precisão suficiente que os torna úteis em um sistema de gerenciamento de energia de data center. Um sistema simples pode ser incrementado progressivamente adicionando-se capacidades de medição e de modelamento, as quais aumentarão o nível de precisão do modelo e permitirão a obtenção de maior conhecimento sobre o consumo de energia. Este Relatório Técnico destaca uma sequência racional de implantação dessas capacidades. É possível implantar um sistema de baixo custo e eficaz com apenas uma pequena quantidade de medidores de energia combinados com uma auditoria especializado da energia do data Center e um software simples. Operadores de data centers não necessitam de sistemas de medição complexos e abrangentes para implantar um sistema de gerenciamento de energia eficaz ou alocar consumos de energia e emissões de carbono a usuários de TI. De fato, sistemas de instrumentação complexos apresentam um retorno de investimento muito baixo. Este Relatório Técnico destacou uma abordagem inicial que qualquer operador de data center, de grande ou pequeno porte, pode aplicar imediatamente sem nenhum custo. Cada watt de energia consumido desnecessariamente por um data center representa uma perda irrecuperável. Um sistema de gerenciamento de energia elementar e simples implantado hoje é muito mais eficaz que um sistema ideal a ser aplicado no futuro, porque, mesmo sendo eficaz, um sistema de gerenciamento de energia não poderá recuperar a energia perdida. Total anual de energia e emissão de carbono Custo anual da energia kwh US$ t 15

16 2009 Schneider Electric. Todos os direitos reservados. Alocação de custos de energia e de emissões de carbono de data centers a usuários de TI Relatórios técnicos da APC relacionados ao tema Medição da eficiência elétrica de data centers, Relatório Técnico APC N. 154 Instruções para calcular a eficácia (PUE) em data centers reais, Relatório Técnico APC N. 158 Elaboração de modelos de eficiência elétrica de data centers, Relatório Técnico APC N. 113 Implantação de data centers com eficiência energética, Relatório Técnico APC N. 114 Veja todos os Relatórios Técnicos APC na página whitepapers.apc.com Veja todas as ferramentas APC TradeOff Tools na página tools.apc.com Entre em contato Para fornecer feedback e comentários sobre o conteúdo deste relatório técnico, entre em contato com: Data Center Science Center, APC by Schneider Electric DCS@ Schneider-Electric.com Se você é cliente tem dúvidas específicas sobre o projeto de seu data Center: Entre em contato com o representante APC by Schneider Electric de sua região > Sobre o autor Neil Rasmussen é Vice-presidente Sênior de Inovação na APC, a Divisão de TI da Schneider Electric. Neil é responsável pela orientação tecnológica do maior orçamento mundial de Pesquisa e Desenvolvimento voltado para o tema de infraestrutura de energia, refrigeração e racks para redes críticas. Neil é detentor de 14 patentes relacionadas com infraestrutura de energia e refrigeração para data centers de alta eficiência e alta densidade. Publicou mais de 50 Relatórios Técnicos relacionados a sistemas de energia e refrigeração, muitos deles traduzidos para mais de 10 idiomas; ultimamente com foco na melhoria da eficiência de energia. É internacionalmente reconhecido por palestras sobre o tema de data centers de alta eficiência. Atualmente desenvolve a ciência das soluções de infraestrutura para data centers escaláveis, de alta densidade e alta eficiência, e é o principal projetista do sistema InfraStruXure da APC. Antes de fundar a APC em 1981, Neil obteve o diploma de bacharelado e posteriormente o mestrado no MIT em engenharia elétrica, onde escreveu sua tese sobre a análise de uma fonte de potência de 200 MW para o reator de fusão Tokamak. Desde 1979 e até 1981 trabalhou para a MIT Lincoln Laboratories em sistemas de armazenamento de energia em volantes de grande porte e sistemas de energia elétrica solar. 16

17 Apêndice: Determinação simples da alocação de consumo de energia e emissões de carbono para um data center Este Relatório Técnico descreveu uma abordagem simples de alocação de custos de energia e emissões de carbono para cargas de TI em data centers, incluindo uma quantidade de recursos de medição e modelamento que podem ser utilizados para aumentar a precisão com custos cada vez maiores. Os métodos mais simples não têm praticamente custos, mas podem oferecer surpreendentemente uma boa precisão e resultam eficazes como apoio para um programa de gerenciamento de energia. Neste apêndice apresentamos a forma de implantação imediata de um sistema de alocação de consumo de energia e emissões de carbono às cargas de TI, com uma precisão em torno de +/- 20%. O método aqui apresentado corresponde ao nível da capacidade denominada inventário aproximado neste Relatório Técnico. Este é o nível máximo que pode ser atingido por um operador de data Center sem alguma forma de apoio especializado. No método descrito são utilizadas ferramentas de software gratuitas desenvolvidas pela APC, embora outras ferramentas possam ser utilizadas para a mesma função. O fluxo do processo é ilustrado na Figura A1 abaixo: Figura A1 Visão geral do processo utilizado para alocar consumos de energia e emissões de carbono de um data center às cargas de TI Eficácia no uso de energia (PUE) Potência de saída do nobreak Informações básicas sobre a configuração do sistema Quantidade de servidores Calculador de eficiência de data centers Calculador de alocação de emissões de carbono e consumo de energia a usuários de TI Alocações de consumo de energia e emissões de carbono a usuários de TI O usuário fornece informações básicas relativas à configuração do data center e a quantidade de servidores, com as leituras atuais da potência das cargas do nobreak tomadas diretamente no no-break (as únicas medições de consumo de energia disponíveis em praticamente qualquer data center). As ferramentas de software solicitam a digitação das informações correspondentes, informações que qualquer profissional de TI ou de um data center deveria poder obter ou determinar com uma simples vistoria na área. A primeira ferramenta estima a eficácia no uso de energia (PUE) do data center. A segunda ferramenta aceita o valor PUE determinado pela primeira e calcula as alocações de consumo de energia e emissões de carbono aos usuários de TI por servidor, com base em um servidor médio. Estas unidades de servidor médio são depois distribuídas entre os usuários de TI utilizando método escolhido, dependendo do modelo comercial aplicado. As ferramentas de software contêm documentação de ajuda. A Figura A2, apresenta uma captura de tela da ferramenta de alocação. Neste exemplo, alocam-se US$1.482 de eletricidade e 15,4 toneladas de CO 2 por ano a cada servidor. Para um usuário de TI que utilize 100 servidores, a alocação anual seria de US$ e toneladas anuais de CO 2. 17

18 2009 Schneider Electric. Todos os direitos reservados. Alocação de custos de energia e de emissões de carbono de data centers a usuários de TI Figura A2 Exemplo de captura de tela da ferramenta IT Carbon & Energy Allocation Calculator Este exemplo foi incluído em virtude de sua simplicidade de implantação. O exemplo é útil e pode ajudar a gerar conscientização em relação a este tema e promover melhorias no comportamento da TI. Entretanto, apresenta limitações importantes, entre elas: O nível de precisão é de apenas +/- 20%, portanto, provavelmente não deve ser utilizado para gerar faturas aos clientes; nesse caso, recomenda-se incorporar algumas das capacidades mais avançadas apresentadas neste Relatório Técnico. O modelo aloca custos de energia e de emissões de carbono a um servidor médio e não aloca custos com precisão quando alguns usuários utilizam servidores Blade e outros sistemas mainframes; para solucionar este problema, é necessário ter a capacidade de classificar os servidores conforme descrito em páginas anteriores. O modelo não discrimina com precisão perdas relacionadas ao sistema de infraestrutura, pois o- ferece poucas informações acerca de possíveis melhorias da infraestrutura. Uma auditoria da infraestrutura e medição dos sistemas críticos de infraestrutura descritos neste Relatório Técnico são necessárias para se obter essas capacidades. 18