大数据中心pue大数据中心运维服务1、pue
powerusageeffectiveness的缩写，是点评大数据中心电力能源高效率的指标值，是大数据中心耗费的全部电力能源与it负荷应用的电力能源比例，是dcie(datacenterinfrastructureefficiency)的反比。
网站直达
pue=大数据中心总机器设备耗能/it机器设备耗能，pue是一个比率，标准是2，越贴近1说明能耗等级水准越高。
pue(powerusageeffectiveness，开关电源应用高效率)值早已变成国际性上较为行驶的大数据中心电力工程应用高效率的考量指标值。pue值就是指大数据中心耗费的全部电力能源与it负荷耗费的电力能源比例。pue值越贴近于1，表达一个大数据中心的生态化水平越高。
2、功效
在一个理想化的状况下，全部键入大数据中心的输出功率运用于实际操作it负载（网络服务器、储存设备和互联网）。假如人们觉得全部进到大数据中心的输出功率均耗费到大数据中心经营上边，那麼从而造成的pue即是理想化情况的1。殊不知，事实上，这种电力工程的一部分要被迁移到适用致冷、照明灯具和别的适用基础设施建设。也有一部分剩下用电量因为在供电系统的损害而耗费，随后才算是那一部分用作服务项目it负荷的电力工程。
测算pue
想个办法，进到大数据中心的开关电源为100kw（电度表安防测量），it负荷所耗费的电力工程负载为50kw（在ups的輸出端测出），pue的计算方法以下：
pue=100/50=2.0
pue数值2.0针对大数据中心而言是很平时的。这代表，供货一台功率为1瓦的网络服务器，具体必须耗费2瓦的供电系统。而因为进到大数据中心的每一度电，我们是要付款花费的，附加的花销就代表附加的花费。降低这类花销将降低大数据中心的总体经营成本。
人们所详细介绍的这二种能够为提升大数据中心电力能源高效率产生更改的方式 包含：
降低适用基础设施建设的开关电源
降低供电系统中的损害
那样人们就能够保证让尽量多的开关电源进到大数据中心的it负荷，从而提升大数据中心电力能源高效率和降低的pue。
pue指标值并不是一直理想化情况
应用pue做为安防测量大数据中心高效率的指标值是不是有缺点呢？大数据中心主管们面临极大的在控制成本的另外维持与别的企业汇报的pue环比增长的工作压力。感到遗憾，这并不是一直好的方式 ，而且有将会造成不良影响。假如大数据中心主管只重视减少pue值得话，她们将会会无意间地应用大量的电力能源从而提升大数据中心的成本费。
比如，一家大数据中心的键入输出功率为100kw，在其中50kw用作出示给it机器设备。如同前边图示，这将超过人们安防开始的pue值2.0。
如今假定一家公司决策将一些网络服务器执行虚拟化技术。实际上，相较同样总数的大数据中心的总体功率，根据布署虚拟化技术可以取得成功降低it机器设备的开关电源达25kw。pue在这样的事情下能产生哪些？
pue（执行虚拟化技术后）=75/25=3.0
但这一更高的标值难道说不更是人们要防止的吗？不一定。我们一起掌握pue值身后提升或降低的缘故吧。尽管这将会一些模糊不清，一切减少it应用事实上将造成更高的pue值。
这儿是另一个pue的公式计算：
pue=it负荷 基础设施建设负荷/it负荷=1 基础设施建设负荷/it负荷
因而，当it负荷降低，基础设施建设负荷/it负荷一直会提升，可能会导致pue的提升。反过来，提升it负荷，一直会产生pue降低。因此，假如pue值升高就代表大数据中心如今不环保节能吗？反过来，如今的大数据中心更加重视电力能源高效率。人们如今可以保证少掏钱多做事，即：一样的工作中，用越来越少的电力能源和成本费。
大数据中心执行虚拟化技术和未执行虚拟化技术的案例
下边是一个印尼马哈拉施特拉邦电力工程标价信息的事例。
执行虚拟化技术前：
年电力能源使用率=100kwx8760钟头/年=876000千瓦时
本年度电力工程成本费=876000千瓦时xrs.3.10/千瓦时=rs.27，15600
执行虚拟化技术后：
年电力能源使用率=75kwx8760钟头/年=657000千瓦时
本年度电力工程成本费=657000千瓦时xrs.3.10/千瓦时=rs.20，36700
充分考虑大数据中心在执行虚拟化技术前后左右实行同样的劳动量，人们从上边的计算方法能够看见，布署虚拟化技术能协助大数据中心明显提升电力能源高效率。实际上，大数据中心虚拟化技术能够更高效率环保节能，降低相符合的it负荷。
假如人们不清楚怎么使用pue来考量大数据中心的转变的結果，那麼pue将变成一个毫无价值的大数字。掌握到虚拟化技术安防后会提升人们大数据中心的pue值，人们是不是应当防止布署虚拟化技术呢？不，实际上，当你思考人们大数据中心的pue值一段时间以后，人们也应当考虑到在大数据中心执行布署虚拟化技术了。
电力能源高效率的别的自变量
除开追踪人们大数据中心pue值的转变，人们还务必追踪一切将会在it基础设施建设或it负荷关联的转变。除此之外，也有很多别的要素将会危害pue。比如，数据冗余将提升pue。一直必须在易用性和电力能源高效率中间开展衡量。大数据中心的机器设备：从冷冻设备到ups到网络服务器开关电源供货系统软件-当他们负荷大量是就能更合理地运作。
道德底线是pue，考量大数据中心电力能源高效率一个关键的指标值。pue只是组成一家大数据中心全方位的能源管理方案的一个构成，您务必见到钱币的双面：it和设备。
