Opties voor het meten van energieverbruik in datacenters

Oplossingen voor het meten van het energieverbruik van datacenters

Stroommeting is niet zomaar een technisch detail: het vormt de basis van elke slimme infrastructuurbeslissing die we nemen.

Na maanden van samenwerking met de technische teams van Cisco, ben ik verheugd om een driedelige serie whitepapers te delen waarin een van de meest over het hoofd geziene uitdagingen in de bedrijfsinfrastructuur wordt aangepakt: het nauwkeurig meten van het energieverbruik.

Waarom is dit zo belangrijk? Simpelweg omdat je niet kunt optimaliseren wat je niet nauwkeurig kunt meten. En nu AI-datacenters alleen al aan energie 350 miljoen dollar per jaar kosten, is precisie geen optie meer, maar een noodzaak.

De oorzaak van onnauwkeurigheid bij vermogensmetingen achterhalen

Met de overtuiging dat de ICT-industrie een gemeenschappelijke taal voor energie-evaluatie verdient, hebben we duizenden uren aan testen uitgevoerd in verschillende scenario’s. Speciale erkenning gaat uit naar de hoofdauteurs van het artikel, die het technisch onderzoek hebben geleid en de nieuwe methodologie hebben ontwikkeld: Beth Kochuparambil, hoofdingenieur en technisch hoofd; Joel Goergen, lid van Cisco; en Anna Fessler-Hoffman, duurzaamheidsspecialist.

Uit het onderzoek van dit team is gebleken dat de meeste ICT-organisaties vermogen verkeerd meten. Traditionele methoden op basis van industriestandaarden zoals de Alliance for Telecommunications Industry Solutions (ATIS) Telecommunications Energy Efficiency Ratio (TEER) slagen er niet in om onderscheid te maken tussen ‘schijnbare’ en ‘echte’ macht. Zonder de juiste kalibratie kunnen softwaremetingen uiterst onnauwkeurig zijn, waardoor in sommige gevallen foutenpercentages tot wel 50% kunnen optreden.

Om dit probleem aan te pakken, hebben we een gestandaardiseerde methodologie ontwikkeld die verder gaat dan TEER om verkeerspatronen, temperatuurschommelingen, load-balancing-dynamiek en andere reële variabiliteit vast te leggen. Door foutpatronen te begrijpen en systematische correcties door te voeren, kunnen we nu een nauwkeurigheid van +/- 2% bereiken in softwaremetingen. Vergeleken met de typische nauwkeurigheid van +/- 30% die met traditionele methoden wordt bereikt, vertegenwoordigen de resultaten die via de nieuwe methodologie van het team worden behaald een aanzienlijke vooruitgang.

AI is een overtuigend argument voor betere gegevens over energieverbruik

“Nauwkeurige vermogensmeting is cruciaal voor het nemen van goede technische beslissingen”, zegt Goergen. “Als onze teams het werkelijke energieverbruik kunnen zien in plaats van aannames te doen, kunnen ze het systeemontwerp van de grond af aan optimaliseren. Deze mate van meetnauwkeurigheid moet worden ingebouwd in elke stap van ons engineeringproces, van het initiële chipontwerp tot de implementatie van het datacenter. Op deze manier bouwen we efficiëntie in de architectuur zelf, zonder deze later te hoeven upgraden.”

Deze verbetering kan een directe impact hebben op alle aspecten van het bedrijf:

Datacenterexploitanten kunnen de capaciteitsplanning en infrastructuurbeslissingen verbeteren.

Operationele kosten kunnen worden verlaagd door het energieverbruik te optimaliseren.

De rapportage op het gebied van milieu, maatschappij en bestuur (ESG) en de CO2-voetafdruk kunnen nauwkeuriger worden.

Investeringen in AI-infrastructuur kunnen strategischer worden gepland met betrouwbare gegevens.

“Nauwkeurige vermogensmeting gaat niet alleen over efficiëntie – het gaat ook over het mogelijk maken van de volgende generatie AI-infrastructuur”, zegt Martin Lund, executive vice president van Cisco’s Common Hardware Group. “Terwijl we het silicium en de systemen ontwerpen die de datacenters van morgen van stroom zullen voorzien, is het hebben van nauwkeurige energietelemetrie op hardwareniveau van cruciaal belang voor het leveren van prestaties en duurzaamheid. Dit werk biedt de meetbasis waarmee onze hardware-innovaties optimaal kunnen presteren en tegelijkertijd kunnen voldoen aan de strenge energievereisten die vereist zijn voor AI-workloads.”

Bekijk een voorproefje van de toekomst van machtstelemetrie

Ben je klaar om te stoppen met aannames maken over het energieverbruik van je infrastructuur? Leer meer over de methodologie, implementatie en toekomst van energietelemetrie door middel van deze innovatieve serie whitepapers:

Wat is jouw grootste uitdaging op het gebied van de nauwkeurigheid van vermogensmetingen? Laat hieronder een reactie achter en deel jouw ervaring.