Alocação dos Custos de Energia e de Carbono de Data Centers a Usuários de TI

Transcrição

1 Alocação dos Custos de Energia e de Carbono de Data Centers a Usuários de TI White Paper 161 Revisão 1 Por Neil Rasmussen > Sumário Executivo São necessários softwares e instrumentos complicados para medir e alocar os custos de energia e de carbono aos usuários de TI? Ou podemos conseguir isso com métodos simples e de baixo custo para a alocação dos custos de energia e de carbono? É necessária muita precisão? Este artigo apresenta um panorama das estratégias de alocação dos custos de energia e de carbono, bem como sua precisão. Mostramos que é fácil e econômico para qualquer centro de dados, seja ele de grande ou pequeno porte, novo ou antigo, começar a alocar custos e carbono, mas o custo e a complexidade aumentam e o ROI diminui quando for especificada uma precisão excessiva. Conteúdo clique em uma seção para ter acesso a ela Introdução 2 Qual é o objetivo? 2 Medir ou modelar 4 Quantos pontos é preciso medir? Alocação de energia aos usuários de TI Transformação de energia em carbono Orientação aos usuários de TI 15 Conclusão 16 Recursos 17 Anexo 18 by Schneider Electric White Papers são parte da livraria de White papers Schneider Electric, produzidos pelo centro científico de data centers Schneider Electric DCSC@Schneider-Electric.com

2 Introdução Os dados indicam que os data centers típicos estão usando muito mais energia do que precisam. É amplamente reconhecido que há oportunidades econômicas e de curto prazo para reduzir o consumo de energia dos data centers existentes, e grandes oportunidades para influenciar os projetos de novos data centers. Isso tornou os data centers um alvo interessante para os órgãos reguladores dos governos e para os executivos de negócios, pois ambos procuram oportunidades para reduzir o consumo de energia com um baixíssimo custo social ou econômico adverso. Os projetos e as operações de data centers sempre se concentraram na confiabilidade e an capacidade. Isso levou à situação lamentável em que os data centers não foram adaptados para serem eficientes. Na verdade, é difícil identificar qualquer lugar onde um data center é projetado para ser eficiente, pois as decisões independentes de projetistas de equipamentos, integradores de sistemas, programadores de controle, instaladores, empreiteiros, gerentes de TI e operadores contribuem substancialmente para o desempenho global da energia. Recentemente, os estudos têm mostrado que o uso da energia constitui um custo substancial das operações de TI; em alguns casos, ela é superior ao custo do próprio hardware de TI. Essa pressão de custos, combinada com a constatação de que os data centers podem ser muito mais eficientes no uso de energia, fez com que muitos operadores de data centers tornassem prioritária a gestão energética. Um processo de gestão de energia pode ser simples? Quantas medições são necessárias para gerar as informações necessárias para gerenciar com sucesso o uso de energia infraestrutura e alocar os custos de energia e o carbono aos usuários de TI? Vamos mostrar que a resposta é esta: Um processo muito simples, com um número muito pequeno de medições, que pode ser implementado imediatamente, gera a precisão suficiente para um programa eficaz de gestão de energia. Qual é o objetivo? Em geral, um sistema de avaliação da eficiência energética ou do impacto de carbono de um data center tem três objetivos diferentes: Aferição única ou periódica do desempenho Alocação de passagem da energia ou do carbono a outras pessoas Utilização de informações para reduzir o uso da energia ou os impactos de carbono da infraestrutura Em um data center específico, é importante reconhecer quais desses objetivos (ou combinação de objetivos) se pretendem, pois um entendimento correto afeta drasticamente a implementação técnica. Objetivo nº 1: Aferição única ou periódica do desempenho A aferição única ou periódica da eficiência energética ou do impacto de carbono pode ser útil para saber se um programa de gestão energética contínuo deve ser investigado ou iniciado. O conceito, neste caso, é que, se a aferição revelar um desempenho comparável ou melhor do que o de outros data centers semelhantes, talvez a questão possa ser totalmente ignorada. Por outro lado, se a aferição revelar um desempenho pior do que em data centers comparáveis, provavelmente um programa contínuo de gestão energética gere um bom retorno. Schneider Electric Centro Científico de Data Centers White Paper 161 Rev 1 2

3 Deve-se notar que atingir esse objetivo por si só não gera informações úteis que informem ou promovam a redução do consumo de energia ou do impacto de carbono. Infelizmente, muitos operadores de data centers começam com esse objetivo e se decepcionam com os resultados. Para conseguir os benefícios da redução de impacto, um ou ambos os objetivos descritos a seguir devem ser implementados. Objetivo nº 2: Alocação de passagem da energia do carbono a outras pessoas Alguns data centers atuam como um fornecedor para outras organizações, fornecendo infraestrutura física de data center ou infraestrutura de TI por capacidade de processamento ou por servidor. Pode ser uma exigência que os clientes dos data sejam responsáveis, ou até mesmo faturados, pela energia ou pelo carbono. Isso pode ser uma exigência interna da organização, uma exigência de conformidade, ou uma exigência contratual. O objetivo é oferecer um incentivo financeiro ou de outra natureza para que os clientes dos data centers façam mudanças de comportamento que reduzam seu consumo de energia ou seu impacto de carbono, tais como desligar os servidores não utilizados, ativar funções de gerenciamento de energia, gerenciar o espaço de armazenamento desnecessário ou virtualizar os servidores. A oportunidade de economizar energia e reduzir os impactos de carbono em um data center típico através da gestão de TI para obter eficiência energética é enorme, variando de 10 a 80%, dependendo do nível atual de maturidade e da virtualização do datacenter. Uma vez que muitas das melhorias possíveis são praticamente grátis ou introduzidas gradualmente a baixo custo durante as atualizações de TI, o repasse de custos de energia ou dos impactos de carbono podem contribuir de maneira importante para um programa bem-sucedido e rentável de gestão energética. Alocar o custo da energia elétrica e o impacto de carbono aos planejadores e usuários de TI Figura 1 Efeito cascata da alocação dos custos de energia elétrica Decisões de TI mais inteligentes e ecológicas que compreendem custos reais Redução dos custos totais e dos impactos ambientais Objetivo n o 3: Utilização de informações para reduzir o uso da energia ou os impactos de carbono da infraestrutura Em cada data center, a infraestrutura física (energia, refrigeração, iluminação, controles, etc.) é um grande consumidor de energia e gerador de impactos de carbono. A medida de referência usada para avaliar comparativamente o uso da energia pela infraestrutura do data center é a Eficácia do Uso da Energia, ou PUE (o recíproco da PUE se chama DCiE, e também é usado como medida). Em muitos data centers, a energia consumida pela infraestrutura física é maior do que a energia utilizada pelas cargas de TI (PUE> 2). Schneider Electric Centro Científico de Data Centers White Paper 161 Rev 1 3

4 Portanto, a redução do consumo de energia pela infraestrutura física, em porcentagem, é quase tão importante quanto reduzir a carga de TI. O objetivo é fornecer os dados necessários para identificar e quantificar as oportunidades de fazer alterações em equipamentos, configurações ou parâmetros para possivelmente reduzir o consumo de energia sem afetar negativamente a carga de TI. A oportunidade de economizar energia e reduzir os impactos de carbono em um data center típico através da gestão da infraestrutura física de TI para obter eficiência energética é grande, variando de 10 a 40%, dependendo das condições, das configurações, dos parâmetros e da carga do datacenter. Dois dos objetivos descritos na seção anterior a alocação dos custos de energia para a TI e a gestão do consumo de energia pela infraestrutura física oferecem consideráveis oportunidades de redução de energia e carbono no data center típico. Ao considerar o objetivo geral de reduzir o uso da energia e os impactos de carbono em um data center específico, é preciso antes decidir qual desses dois objetivos (ou ambos) será escolhido. Escolha do objetivo A discussão anterior sobre os três objetivos de eficiência energética e medições do impacto de carbono nos data centers indica as seguintes observações fundamentais: Há grandes oportunidades para reduzir o consumo de energia dos data centers típicos, na ordem de 20 a 90% de economia de energia e carbono, quando os comportamentos da TI e a infraestrutura física forem gerenciados juntos. A aferição, por si só, não melhora nada. Ela não pode ser considerada uma peça central de um plano de redução de energia e de carbono. Ela é útil principalmente para ajudar a determinar a quantidade de recursos que devem ser aplicados à gestão da energia. A alocação de energia e de carbono aos usuários de TI lhes dá as ferramentas para tomar decisões racionais de economia de energia nas implementações de TI. Tanto a (a) alocação dos custos de energia à TI como a (b) gestão do uso da energia pela infraestrutura física oferecem oportunidades substanciais de economia, mas a oportunidade é maior que a soma das partes quando os dois objetivos são combinados. Se o objetivo for uma redução global do consumo de energia e do impacto de carbono, uma combinação dos objetivos acima, com foco menor na aferição, é a melhor estratégia. Contemplar todos esses objetivos em conjunto seria uma empreitada complexa, cara e de grande porte? Um esforço dessa natureza teria um ROI aceitável? A resposta é que, quando o problema é visto da maneira certa, é extremamente simples e econômico atingir todos esses objetivos. Não apenas isso, mas os operadores de data centers podem começar a gerar resultados imediatamente. O restante deste artigo explica como isso é possível. Medir ou modelar A maioria das conversas sobre informações para gestão energética se concentra na medição da energia. No entanto, qualquer abordagem racional de gestão da energia exige um pouco de interpretação, ou significado, do consumo de energia medido. Para fazer melhorias ou tomar qualquer medida, é necessário entender um pouco como as diversas mudanças afetam o consumo de energia. Deve haver um modelo de como o data center funciona para que possamos entender como podemos usar as medições para identificar e quantificar oportunidades de melhoria. Uma medição da energia elétrica consumida por uma bomba de água gelada, por si só, não diz nada sobre se a bomba está funcionando dentro dos parâmetros de desempenho esperados, Schneider Electric Centro Científico de Data Centers White Paper 161 Rev 1 4

5 se ela foi corretamente dimensionada (antes de qualquer coisa), se alguma válvula ou alteração de programação poderia reduzir seu consumo de energia, ou se uma bomba diferente pode realizar a mesma função consumindo menos energia. Para entender as oportunidades de redução do consumo de energia, precisamos ter tanto modelos implícitos (conhecimento de especialistas experientes) ou modelos explícitos (ferramentas de software). Até mesmo o objetivo de alocar os custos de energia aos usuários de TI exige modelos. Embora o consumo de energia dos servidores possa ser medido diretamente e possivelmente associado aos usuários de TI, a maior parte da energia em um data center é usada por cargas que não são os servidores, e é necessário um modelo para associar esses usos da energia aos usuários de TI. Um processo genérico de gestão de energia em um data center é mostrado na Figura 2: Figura 2 Fluxograma de informação de um processo de gestão de energia em um data center, mostrando como o modelo e as funções de análise se integram às atividades de planejamento existentes de TI e de infraestrutura, resultando em alterações que reduzem o consumo de energia No processo de gestão de energia da Figura 1, há dois caminhos principais de melhoria. Na parte superior do diagrama, as alterações de TI são feitas respondendo aos dados de energia e carbono a partir do modelo do data center. Na parte inferior do diagrama, as alterações na infraestrutura física são implementadas respondendo às orientações de energia geradas pelo modelo. Em ambos os casos, a medição é utilizada, mas é o modelo que gera a interpretação e a orientação para obter as melhorias. Perceba que o sistema descrito pelo diagrama acima incorpora os três objetivos de gestão de energia em data centers descritos na seção anterior: Ele fornece dados para aferição, atribui energia e carbono à TI, e oferece orientação em relação às melhorias na infraestrutura física. Medições sem um modelo e um processo valem pouco. No entanto, os modelos até mesmo os mais simples podem ter um valor considerável, mesmo com medições incompletas. Link para a fonte White Paper 154 Eficiência Elétrica Medição para data centers Em resumo, um objetivo fundamental de medir a eficiência de um data center é obter informações que contribuam para criar um modelo exato para esse data center. É o modelo que fornece informações práticas sobre a eficiência do data center, não a medição. Uma discussão mais completa sobre esse assunto pode ser encontrada no White Paper 154, Medição da Eficiência Elétrica nos Data Centers. Schneider Electric Centro Científico de Data Centers White Paper 161 Rev 1 5

6 Modelagem auxiliada por medição Se fosse possível criar um modelo perfeito de data center, não haveria necessidade de fazer nenhuma medição. O modelo teria informações completas sobre a natureza, a quantidade e as condições operacionais da carga de TI; ele conteria as características e as condições operacionais de todos os equipamentos de infraestrutura; e aceitaria receber dados climáticos históricos. O modelo poderia simplesmente calcular todos os fluxos de energia. No mundo prático, não é possível obter um modelo tão perfeito em virtude da dificuldade de obter dados exatos sobre as configurações dos dispositivos de TI e as condições operacionais; as interfaces e condições de funcionamento da infraestrutura; e condições operacionais inesperadas, tais como defeitos, filtros entupidos, ou condicionadores de ar que interagem uns com os outros. Embora um modelo perfeito de data center possa exigir uma quantidade enorme de programação personalizada e manutenção de dados, um modelo surpreendentemente bom pode ser criado usando apenas um inventário aproximado da infraestrutura e dos equipamentos de TI instalados, informações sobre sua configuração (N+1, 2N, etc), e alguns conhecimentos básicos sobre as características elétricas dos equipamentos e da infraestrutura de TI. Um exemplo da implementação de software de um modelo simplificado para a infraestrutura física de um data center típico é mostrado na Figura 3. Figura 3 Exemplo de uma ferramenta de modelagem de infraestrutura para configurações típicas de data centers (ferramenta grátis na Web) É claro que algum tipo de modelo de data center é necessário para gerenciar e reduzir o consumo de energia. Esse modelo pode realmente eliminar a necessidade de medição, ou simplificar essa tarefa? Um modelo pode ser simples? Quantas medições são necessárias para gerar as informações necessárias para gerenciar com sucesso o uso de energia infraestrutura e alocar os custos de energia e o carbono aos usuários de TI? A resposta é que um modelo extremamente simples, com pouquíssimas medições, pode oferecer uma precisão aceitável para um programa de gestão de energia. Schneider Electric Centro Científico de Data Centers White Paper 161 Rev 1 6

7 Quantos pontos é preciso medir? Um princípio básico das medições é que não se deve começar a medir algo a menos que se compreenda como os dados serão usados. Uma medição feita no momento errado, com precisão insuficiente ou sem detalhes sobre as condições pode, depois, vir a ser insuficiente ou inútil. Por outro lado, uma medição excessiva com precisão extrema pode ser extremamente custosa e trabalhosa, além de gerar poucos benefícios adicionais em comparação com uma medição simples. Todos esses problemas surgem quando os operadores de data centers tentam desenvolver seus próprios sistemas de gestão de energia. O objetivo de um sistema de medição é utilizar o protocolo de medição mais simples e econômico capaz de atingir o objetivo do sistema de gestão. Qual a complexidade do sistema necessário para gerar informações completas sobre o uso da energia em um data center? Qual o nível de simplicidade que um sistema de medição pode ter? Para entender o problema, podemos contrastar as capacidades de dois casos extremos: um sistema abrangente de medição de energia contra um sistema de estimativa aproximada. Figura 4 Estimativa aproximada? Ferramentas completas de medição e software Comparação das abordagens de medição de energia Essencialmente grátis Grandes erros Nenhuma visão dos detalhes dos problemas Caro e complexo Alta precisão Possibilidade de análise de ROI e cenários Extremo 1: Um sistema de coleta total de dados É incompleto falar sobre medição em um sistema de gestão sem levar em conta a precisão e a frequência das medições, fatores que podem ter enormes consequências em termos de complexidade e custo. Como referência, podemos considerar o caso de um sistema de medição de energia em tempo real, que mede e registra o consumo de energia de cada dispositivo e circuito de um data center, com uma exigência de precisão de 2%. Uma estimativa dos requisitos e do custo de um data center de 1 MW é apresentada na Mesa 1. Com esse sistema extremo de instrumentação, podemos atribuir com precisão o uso da eletricidade a cada equipamento de TI, e informar ou cobrar adequadamente os usuários. Além disso, podemos determinar com precisão o consumo de eletricidade de cada dispositivo de infraestrutura e, a partir disso, podemos tentar compará-lo com os valores esperados para identificar áreas de melhoria. Um sistema assim exige também um sistema de software complexo, com grandes investimentos em configuração e manutenção de dados. Infelizmente, o custo desse sistema representa uma fração considerável do custo total da infraestrutura do data center, além de corresponder a quase a metade do custo total de energia do data center em um ano. Portanto, esse sistema é impraticável com base no retorno esperado do investimento, a menos que o custo desse sistema de medição diminua por um fator de aproximadamente 10. 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 já existente. Schneider Electric Centro Científico de Data Centers White Paper 161 Rev 1 7

8 Portanto, um sistema de coleta total de dados deve ser considerado possível, mas pouco prático. Mesa 1 Custo de um sistema de monitoramento de energia de alta precisão para um data center de 1 MW Circuitos medidos Número Custo unitário (instalado) Subtotal de custo Medir a potência de entrada do data center 1 1 $9.,000 $9.000 Medir os circuitos do subsistema de infraestrutura 80 $1.500 $ Medir os circuitos de derivação de TI $100 $100.,000 Medir os circuitos das tomadas de TI $40 $ Manutenção (10 anos) $ $ Software (licença de 10 anos) $ $ Configurar, operacionalizar, manter o software $ $ Custo total $ Extremo 2: Um sistema gratuito de coleta total de dados Em seguida, vejamos o outro caso extremo, quando não fazemos absolutamente nenhuma medição. Esse sistema é essencialmente grátis. O único subsídio que vamos usar é o número de servidores no data center. Nem sequer suporemos a existência de uma conta mensal de energia elétrica da concessionária, porque muitas vezes não há um medidor específico para o data center. Com base apenas no número de servidores, podemos tentar calcular grosseiramente o consumo de energia do data center por servidor. O consumo de energia do data center por servidor inclui a energia consumida pelos próprios servidores, mas também inclui a energia utilizada pela rede, pelo armazenamento, pelos equipamentos de alimentação, pelos equipamentos de refrigeração, pela iluminação e por dispositivos auxiliares. Sem nenhuma medição, poderíamos usar dados estatísticos médios da base instalada do data center para obter uma estimativa aproximada de quanta energia de refrigeração, iluminação, etc. é normalmente utilizada por cada servidor. Poderíamos pressupor a configuração típica da infraestrutura física utilizada em um data center, informando servidores médios típicos, com uma combinação típica de equipamentos de armazenamento e de rede. Esses palpates podem ser dados por um consultor especializado ou por uma ferramenta de software, como a ferramenta grátis ilustrada na Figura 3 anterior. A combinação dos palpates passa a ser o nosso modelo aproximado para o data center. A precisão desse sistema é resumida na Mesa 2. Com esse sistema sem medição, podemos atribuir os custos de energia e de carbono aos usuários com base em cada servidor médio, mas a precisão seria de apenas +/- 36%. Embora não seja ideal, essa orientação é bastante útil para que os usuários de TI façam mudanças de comportamento, e a maioria dessas mudanças na TI não seria afetada se os custos de energia e de carbono fossem apresentados com mais precisão. No entanto, embora esse sistema gere informações úteis para os usuários de TI, ele não gera nenhuma informação que ajude a orientar as melhorias na infraestrutura de alimentação ou refrigeração do data center, pois todos os dados são calculados com base nas médias do 1 Isso normalmente não pode ser feito com um único medidor exige a soma dos dados de mais de um medidor. Schneider Electric Centro Científico de Data Centers White Paper 161 Rev 1 8

9 setor. No entanto, um benefício extraordinário pode ser obtido sem nenhum custo, e esse sistema sem medição deve ser levado em conta por qualquer operador de data center que queira começar imediatamente a controlar os custos de energia, mas tem pouco tempo e nenhum recurso. Um guia prático de como começar com essa abordagem é apresentado no apêndice ao final deste artigo. Consumo de energia Fração do uso total Precisão da estimativa Efeito sobre a precisão geral 2 Servidor 36% +/- 50% +/- 18% Mesa 2 Precisão de um sistema de monitoramento de energia de baixo custo para um data center de 1 MW Armazenamento 10% +/- 70% +/- 7% Rede 4% +/- 50% +/- 2% Energia 8% +/- 50% +/- 4% Refrigeração 38% +/- 80% +/- 30% Iluminação 2% +/- 60% +/- 1% Auxiliar 2% +/- 80% +/- 2% Precisão combinada da energia total +/- 36% Um sistema suficiente de coleta de dados de energia Naturalmente, os dois exemplos extremos anteriores de estratégias de coleta de dados de energia nos levam a perguntar se há outras estratégias intermediárias de coleta de dados que gerem uma precisão de dados suficiente para atingir os objetivos de gestão de energia, mas que sejam de baixo custo e gerem um alto ROI. Para ajudar a responder essa pergunta, a Mesa 3 mostra como o acréscimo de custo e complexidade a um sistema de gestão de energia aumenta a precisão e o custo. Cada linha da tabela representa o acréscimo de um recurso de modelagem ou medição no sistema de gestão, começando por um sistema sem custo baseado apenas no número de servidores, conforme descrito na seção anterior. À medida que os recursos são adicionados, o erro diminui e o custo do sistema aumenta. O erro de alocação de TI é definido como o erro na atribuição de carbono e energia a uma unidade definida de capacidade de TI, como um servidor padrão. O erro na atribuição da energia a um servidor específico pode ser muito maior do que os erros definidos na tabela. Alguns recursos relacionados na tabela, tais como classificação de servidores e medição de todos os equipamentos de TI, aumentam consideravelmente a precisão na atribuição de energia e carbono a servidores específicos. Isso será discutido com detalhes mais adiante neste artigo. 2 Os erros nas estimativas de energia dos subsistemas são matematicamente ortogonais, de modo que o erro combinado é a raiz quadrada da soma dos quadrados dos erros dos subsistemas Schneider Electric Centro Científico de Data Centers White Paper 161 Rev 1 9

10 Mesa 3 Acrescentar recursos de modelagem e medição afeta a precisão e o custo de um sistema de gerenciamento em um data center de 1 MW Recurso de modelagem e medição acrescentado PUE erro Erro de alocação de TI 3,4 Custo do sistema (por MW) Número de servidores 61% 39% 0 + alimentação por no- break 55% 33% 0 + Inventário aproximado 5 23% 20% 0 + Inventário detalhado 14% 12% $ Classificar os servidores 14% 12% $ Auditar os subsistemas 8% 7% $ Medir os principais subsistemas 6% 4% $ Medir todos os subsistemas 3% 2% $ Medir todos os equipamentos de TI 2% 2% $ Para ter uma noção melhor do equilíbrio entre a precisão da medição e o custo à medida que funções são acrescentadas em sistema de gestão de energia, os dados da Mesa 3 são traçados graficamente na Figura 5. 3 O erro de alocação de TI pode ser menor que o erro da PUE porque o consumo de energia e carbono associado à PUE é apenas uma fração do consumo total de energia. 4 O erro de alocação à TI nesta tabela é a alocação para um servidor padrão médio definido, não para um servidor específico. Erros para servidores específicos são maiores e significativamente reduzidos quando o recurso classificar servidores é acrescentado, conforme descrito mais adiante neste artigo. 5 O inventário aproximado é um inventário da capacidade e do tipo da rede de alimentação, refrigeração e dos equipamentos de TI no data center, que, combinados com dados sobre esses equipamentos, permite refinar consideravelmente as estimativas de consumo de energia. Essa função pode ser fornecida como parte de uma avaliação de energia realizada por especialistas, ou pode ser tentada por um operador diligente de data center. Mais orientações sobre este método são apresentadas em outros white papers relacionados ao final deste artigo. Schneider Electric Centro Científico de Data Centers White Paper 161 Rev 1 10

11 Figura 5 O erro de um sistema de medição de energia em um data center diminui, enquanto o custo aumenta, à medida que se acrescentam recursos de modelagem e medição Measurement Error (%) 60.0% 60% 50.0% 50% 40.0% 40% 30.0% 30% 20.0% 20% 10.0% 10% 0.0% 0% server counts Erro de alocação de TI UPS power crude inventory Erro de PUE detailed inventory classify servers audit subsystems Menor erro atingido sem custos meter all subsystems meter key subsystems Custo do sistema meter all IT devices $600 K $500 K $400 K $300 K $200 K $100 K $0 K Measurement Cost ($) Aumentando os recursos de modelagem e de medição A Figura 5 mostra que precisão de um sistema de medição de energia em um data center aumenta rapidamente no início a um custo baixo à medida que se acrescentam recursos de modelagem e medição simples. No entanto, à medida que se atingem erros inferiores a aproximadamente 10%, o custo aumenta significativamente. Esta análise indica a seguinte estratégia recomendada de medição e modelagem para um programa de gestão de energia em data centers: Um sistema grátis de modelagem de energia com base no número de servidores, leituras de alimentação no no-break e um inventário aproximado bastam para permitir a alocação significativa de energia aos usuários de TI Recursos adicionais de baixo custo podem ser acrescentados ao longo do tempo para melhorar o sistema de gestão de energia, inclusive melhorias no modelo a partir de um inventário detalhado e da classificação dos servidores, além de melhorias de medição por meio de auditorias de energia e medição de subsistemas essenciais Uma medição ampla de todos os subsistemas de infraestrutura e equipamentos de TI agrega pouco valor a um sistema de gestão de energia, com um ROI inadequado Alocação de energia aos usuários de TI A capacidade de TI pode ser mensurada e alocada de várias maneiras, inclusive ciclos de processamento, servidores, núcleos, terabytes, armários de racks, pés quadrados, servidores virtuais, etc. Um modelo ideal de uso de TI pode incluir todos esses fatores na atribuição de custos, energia ou carbono. No entanto, vamos começar com um modelo simples, medindo a capacidade da TI em número de servidores, que é uma maneira popular de medir a capacidade, à qual muitas outras medidas podem ser correlacionadas. Se for possível atribuir vários servidores a um usuário de TI, então, para atribuir energia e carbono a esse usuário, basta atribuir a energia a um servidor e, nesse caso, o consumo total de energia de um usuário de TI é simplesmente o número de servidores atribuídos multiplicado pelo consumo de energia atribuído por servidor. Isso exige a identificação de todos os consumos de energia no data center e a sua alocação individual por servidor. A alocação da energia total de um servidor passa a ser a soma do consumo de energia Schneider Electric Centro Científico de Data Centers White Paper 161 Rev 1 11

12 do próprio servidor e das alocações de consumo de energia para armazenamento, redes, alimentação, refrigeração, iluminação e cargas auxiliares. Essa alocação em um data center típico é mostrada na Figura 6: Figura 6 Um servidor com uma dotação de energia de 930 W, com a discriminação do consumo de energia do data center que foi atribuído ao servidor. A potência real do servidor em si é de apenas 340 W. Iluminação 15 W Auxiliar 15 W O próprio servidor 340 W Refrigeração 360 W Medições de 75 W Rede 35 W Armazenamento 90 W Neste caso, mesmo que a potência real consumida pelo servidor típico seja de 340 W, a potência total alocada ao servidor muito maior: 930 W. Média x equipamento de TI específico O método de atribuição de energia a um usuário de TI com base em unidades de servidor de um servidor médio apresenta uma série de imprecisões, pois esse método pressupõe a utilização uniforme por servidor dos recursos alocados, e pressupõe que todos os servidores em si são idênticos. A potência total real associada a um servidor específico varia de acordo com o tipo de servidor, suas características de gestão de energia, e de como ele usa outros recursos de TI. Nos data centers com uma população de servidores relativamente uniforme, atribuir um custo de energia normalizado por servidor é uma aproximação eficaz. Entretanto, nos data centers com uma ampla gama de tipos de servidores, não é eficaz usar uma unidade de servidor padrão para alocar a energia. Por exemplo, considere o caso em que um usuário de TI tem oito blades de servidor como servidores de aplicativos simples, enquanto outro usuário de TI tem oito sistemas de mainframe com muitos terabytes de armazenamento online. Claramente, o usuário de mainframe consome muito mais energia, mas uma alocação de energia com base em um servidor padrão alocaria a mesma energia e o mesmo carbono a ambos os usuários. Embora a energia total atribuída com base nesse método seja precisa, uma parte da energia consumida pelo usuário do mainframe seria injustamente atribuída ao usuário do servidor blade. Em princípio, esse problema poderia ser corrigido através da medição de todos os dispositivos de TI e da atribuição da energia aos usuários de TI com base nessas medições. Já demonstramos que isso é impraticável porque: Grande parte do consumo de energia provém de equipamentos de alimentação, equipamentos de refrigeração, dispositivos de rede e outras cargas, que nem sempre podem ser diretamente associadas a um usuário de TI Schneider Electric Centro Científico de Data Centers White Paper 161 Rev 1 12

13 O custo do sistema de medição para medir todos os dispositivos de TI, além do custo e da complexidade do sistema de software, é elevadíssimo Para resolver esse problema de maneira simples e econômica, os servidores podem ser classificados em uma lista restrita de tipos padrão, cada um com seu próprio perfil de consumo de energia. Em vez de tratar todos os servidores como uma única unidade de servidor padrão, uma lista de classificações de servidores pode ser criada, como mostra a Mesa 4: Mesa 4 Exemplo de uma tabela de classificação de servidores Servidor classe Servidor de aplicativos Servidor potência Rede alocação Armazenamento alocação 250 W 0,2 0,1 Servidor virtual 6 90 W 0,4 0,2 Blade de Web Blade de ERP Computador Central 200 W 0,3 0,1 200 W 0,1 0, W 0,1 0,5 Servidor de 3U a 10U W 0,1 0,1 A lista acima pode ser usada sem alterações (com os valores de potência apropriados), ou pode ser ampliada ou aperfeiçoada para melhor corresponder ao perfil dos usuários em um data center específico. Cada servidor tem um nível básico padrão de potência atribuído, junto com as alocações que representam a fração da potência básica associada à rede e ao armazenamento. Os custos de alimentação, refrigeração e iluminação são atribuídos igualmente por Watt de TI e não variam por classe de servidor. O método para usar o sistema de classificação é o seguinte: Atribuir todos os servidores a uma classe Atribuir a cada usuário de TI uma série de servidores padrão de cada classe Somar a potência calculada de todas as classes de servidores, depois normalizá-la para coincidir com a potência real da carga de TI (determinada com base no modelo ou na medição) Aplicar os dados de PUE a cada classe de servidor Desse modo, o consumo total de energia de um data center pode ser alocado entre várias classes de servidor, que, depois, pode ser atribuído aos usuários de TI. Esse processo pode ser realizado em uma ferramenta de software, como a ferramenta oferecida por fornecedores como a Schneider Electric, ou pode ser realizado numa planilha. 6 Se os servidores virtuais forem uma classe, então o número de servidores alocados ultrapassará o número de servidores físicos. Neste caso, os servidores físicos que hospedam os servidores virtuais não serão alocados a um usuário de TI. Schneider Electric Centro Científico de Data Centers White Paper 161 Rev 1 13

14 Transformação de energia em carbono Depois que determinarmos o consumo de energia pelas cargas de TI ou pelos sistemas de infraestrutura no data center, podemos alocar carbono a eles. Os impactos de carbono dos data centers são indiretos, e são provenientes de três fontes principais: Emissões de carbono criadas durante a fabricação do data center e seus equipamentos de TI e de infraestrutura (o chamado carbono embutido ) Emissões de carbono locais provenientes dos sistemas de aquecimento, geradores de emergência, ou de sistemas de cogeração Emissões de carbono geradas durante a criação da energia elétrica necessária para alimentar o data center Em geral, a maioria das discussões, aferições ou comunicações de relatórios de carbono se limita a essas fontes em virtude das emissões causadas pelas operações. O carbono embutido contribui significativamente para os impactos totais de carbono, mas os métodos e padrões para a avaliação dos impactos do carbono incorporado ainda estão em desenvolvimento. Os data centers não geram diretamente quantidades significativas de dióxido de carbono ou outros gases equivalentes ao CO2. A operação de geradores de emergência representa, normalmente, menos de 0,01% do impacto total de carbono e podem ser ignorada. Os data centers funcionam com uma alta densidade de potência e quase nunca exigem calor complementar. Portanto, o carbono relacionado ao aquecimento também pode ser ignorado. Muito poucos data centers têm plantas de geração elétrica colocalizadas, de modo que esse não é um fator na maioria dos casos. Neste artigo, vamos limitar as métricas de carbono àquelas associadas ao fornecimento de energia elétrica, que representa mais de 99% do impacto de carbono relacionado com as operações. Equivalência de carbono da energia Dada a energia elétrica utilizada no data center, é possível calcular as emissões de carbono criadas por esse consumo de energia. Uma concessionária de distribuição pode fornecer informações sobre as emissões de carbono para cada quilowatt-hora de geração de energia, com base em seu mix de fontes de energia. (Nota: Uma análise alternativa das emissões de carbono evitadas, com base na fonte de energia apresentada por último, normalmente terá impactos de carbono mais elevados. Isso ocorre porque a energia incremental poupada em uma concessionária existente não reduz igualmente a carga em todos os geradores. Na verdade, as reduções são direcionadas à geração de custo mais elevado, como o gás natural). Se essa informação não estiver disponível junto à concessionária, há dados regionais amplamente disponíveis. Esses dados são expressos em toneladas de CO2 por kwh, e normalmente se enquadram na faixa de 0,1 a 1 tonelada por kwh no gerador. Determinar a carga criada pelo data center no gerador, as perdas de distribuição (normalmente em cerca de 10%) entre o gerador e o data center são somadas ao consumo de energia do data center. A seguinte fórmula gera as emissões de carbono anuais causadas pela carga de uma instalação: Carbono 8760hr 1 AnnualCO2( tons) Carga( kw) kwhr nao (1 DistLoss) Schneider Electric Centro Científico de Data Centers White Paper 161 Rev 1 14

15 Orientação aos usuários de TI Um usuário de TI não precisa entender os princípios e as técnicas descritos neste artigo para integrar a energia ao planejamento de TI e às decisões sobre implementação. O usuários de TI só precisa de um resumo simples do consumo de energia e dos impactos de carbono dos recursos de TI que ele utiliza. Esse relatório para um usuário de TI é apresentado na Mesa 5: Mesa 5 Exemplo das atribuições anuais de energia e carbono a um usuário de TI Servidor classe Servidor de aplicativos com 1U Servidor virtual Total instalado Energia por unidade Carbono por unidade , ,2 Blade de Web ,3 Blade de ERP ,5 Computador Central Servidor de 3U a 10U , ,000 20,0 Energia e carbono totais (por ano) Custo da energia (por ano) kwh $ toneladas Schneider Electric Centro Científico de Data Centers White Paper 161 Rev 1 15

16 Conclusão Este artigo descreveu uma estratégia lógica de alocação de energia e carbono em um data center aos usuários de TI. Modelos simples e gratuitos de consumo de energia podem ser usados para alocar energia e carbono com base em unidades médias padronizadas de capacidade de TI, tais como uma unidade de servidor padrão. Esses modelos não são precisos, mas apresentam precisão suficiente para ser úteis em um sistema de gestão de energia de um data center. Um sistema simples pode ser melhorado ao longo do tempo com o acréscimo de mais recursos de medição e modelagem, aumentando a precisão e gerando mais informações sobre o consumo de energia. Este documento descreve uma sequência racional para implementar esses recursos. Um sistema surpreendentemente eficaz e de baixo custo pode ser implementado com um pequeno número de medidores de energia, combinado com uma auditoria energética especializada do data center e um software simples. Os operadores de data centers não devem pressupor que sistemas de medição complexos e abrangentes são necessários para implementar um sistema eficaz de gestão de energia ou para atribuir energia e carbono aos usuários de TI. Na verdade, sistemas de instrumentação extremos geram um fraco retorno sobre o investimento. Este artigo descreve uma abordagem inicial que qualquer operador de data center, grande ou pequeno, pode implementar imediatamente, sem nenhum custo. Cada watt desnecessário de energia consumida por um data center representa uma perda irrecuperável. Um sistema de gestão de energia aproximado, mas simples, implementado hoje é muito mais eficaz do que um sistema ideal implementado mais tarde, porque, independentemente da eficácia de um sistema de gestão de energia, ele não consegue recuperar a energia que já se perdeu. Sobre o Autor: Neil Rasmussen é vice-presidente sênior de Inovação da Schneider Electric. Ele estabelece os rumos de tecnologia do maior orçamento de P&D do mundo dedicado à alimentação, à refrigeração e à infraestrutura de racks para redes essenciais. Neil detém 19 patentes relacionadas à infraestrutura de alimentação e refrigeração de alta eficiência e alta densidade para data centers, e já publicou mais de 50 white papers relacionados a sistemas de alimentação e refrigeração, muitos deles publicados em mais de 10 idiomas, mais recentemente com foco na melhoria da eficiência energética. Ele é um palestrante internacionalmente reconhecido em matéria de data centers de alta eficiência. Atualmente, Neil está trabalhando para promover a ciência das soluções de infraestrutura do data center de alta eficiência, alta densidade e dimensionáveis, além de ser arquiteto principal do sistema APC InfraStruXure. Antes de fundar a APC em 1981, Neil obteve seus diplomas de bacharel e mestre em engenharia elétrica pelo MIT, onde escreveu sua tese sobre a análise de uma fonte de alimentação de 200 MW para um reator de fusão Tokamak. De 1979 a 1981 ele trabalhou para a MIT Lincoln Laboratories em sistemas de armazenamento de energia flywheel e sistemas de energia elétrica solar. Schneider Electric Centro Científico de Data Centers White Paper 161 Rev 1 16

17 Recursos Clique no ícone para linkar a pesquisa Medição de Eficiência Elétrica de Data Centers White paper 154 Orientação para o Cálculo de Eficiência (PUE) em Data Centers Reais White paper 158 Modelagem de Eficiência Elétrica de Data Centers White paper 113 Implantação de data centers com eficiência energética White paper 114 Explore todos os White Papers whitepapers.apc.com Explore todas as ferramentas TradeOff tools.apc.com Entre em contato Para incluir comentários sobre o conteúdo deste White Paper: Data Center Science Center DCSC@Schneider-Electric.com Se você é cliente e tem perguntas relacionadas especificamente com o data center que está projetando: Entre em contato com seu representante de Schneider Electric Schneider Electric Centro Científico de Data Centers White Paper 161 Rev 1 17

18 Anexo: Determinação simples da alocação de energia e carbono em um data center Este artigo descreveu uma abordagem simples para a alocação dos custos de energia e dos impactos de carbono às cargas de TI em data centers, incluindo vários recursos de medição e modelagem que podem ser usados para aumentar precisão com custos cada vez maiores. Os métodos mais simples têm custo praticamente zero, mas podem, no entanto, gerar uma precisão surpreendentemente boa e podem ser eficazes no apoio a um programa de gestão de energia. Este apêndice mostra como qualquer data center pode implementar imediatamente um sistema de alocação de energia e carbono a cargas de TI, com uma precisão da ordem de +/- 20%. O método descrito aqui corresponde ao nível de recurso de inventário aproximado indicado no artigo. Este é o nível máximo que um operador de data center típico pode alcançar sem alguma forma de apoio especializado. Este método utiliza ferramentas de software grátis desenvolvidas pela APC, mas outras ferramentas podem ser desenvolvidas para realizar a mesma função. O fluxo do processo é descrito na Figura A1 abaixo: Figura A1 Um panorama do processo usado para estabelecer alocações de energia e impactos de carbono às cargas de TI de um data center Saída de energia do no-break Informações de configuração do sistema básico Contagem do servidor Calculadora de Eficiência do Data Center PUE Calculadora de Alocação de Emissões de Carbono e de Energia para TI Alocações de energia e carbono para IT O usuário fornece informações básicas sobre a configuração do data center e o número de servidores, além das leituras atuais da energia da carga do no-break extraídas do próprio nobreak (uma das únicas leituras de energia disponíveis em praticamente qualquer data center). As ferramentas de software solicitam as informações relevantes, informações que qualquer data center ou profissional de TI deve ser capaz de obter ou determinar através de um processo simples. A primeira ferramenta calcula a PUE do data center. A segunda ferramenta aceita a PUE determinada pela primeira ferramenta e calcula as alocações de energia e carbono à TI por servidor individual, com base em um servidor médio. Essas unidades de servidor médias são, então, atribuídas aos usuários de TI, usando um método escolhido de acordo com o modelo de negócios. A documentação de ajuda acompanha as ferramentas de software. A Figura A2 mostra uma tela da ferramenta de alocação. Neste exemplo, foram atribuídos US$ de eletricidade e 15,4 toneladas de CO2 por ano a cada unidade de servidor. Para um usuário de TI com 100 servidores, isso significaria uma alocação anual de US$ e toneladas por ano. Schneider Electric Centro Científico de Data Centers White Paper 161 Rev 1 18

19 Figura A2 Um exemplo de tela da Calculadora de Alocação de Carbono e Energia de TI Este exemplo foi fornecido devido à simplicidade da sua implementação. Ele é bastante útil e pode ajudar na conscientização e na promoção de melhorias no comportamento da TI. No entanto, ele tem limitações importantes, entre elas: Ele tem precisão de apenas +/- 20%. Portanto, provavelmente não deva ser usado para realmente cobrar os clientes; recomendam-se alguns dos recursos mais elevados descritos no artigo. Ele atribui os custos e o carbono a um servidor médio e não atribui os custos com precisão quando alguns usuários de TI usam blades e outros usam mainframes; o recurso de classificação de servidores descrito neste trabalho é necessário para resolver este problema. Ele não realiza nenhuma discriminação precisa das perdas no sistema de infraestrutura, por isso oferece pouca orientação sobre possíveis melhorias na infraestrutura. Auditorias de infraestrutura e a medição de sistemas essenciais de infraestrutura, conforme descrito no artigo, são necessárias para fornecer esses recursos. Schneider Electric Centro Científico de Data Centers White Paper 161 Rev 1 19