多數據中心能源監測系統的應用與研究

1 數據中心節能及數據中心能源監測系統的重要性

隨著數據中心的規模、數量日益龐大，能源消耗量巨大。地球上的不可再生能源是有限的，現在的可再生能源技術也遠遠沒有達到供需平衡，我國作為目前世界第一的能源消費大國，節能降耗勢在必行。隨著各類綠色數據中心的標準出臺，節能已經成為衡量一個數據中心成功與否的關鍵。

報告指出，我國地熱能產業體系已顯現雛形，淺層地熱能利用快速發展，水熱型地熱能利用持續增長，干熱巖型地熱能資源勘查開發開始起步。

我國最新發布的《國務院關于印發2030 年前碳達峰行動方案的通知》明確指出，將年綜合能耗超過1萬tce的數據中心全部納入重點用能單位能耗在線監測系統。而2020 年由上海市發布的《數據中心能源消耗限額》中也規定了數據中心電能利用效率限額的技術要求，明確了統計范圍、計量要求算法以及節能管理措施。由此，需要有一個能源監測系統進行數據支撐。

通過使用數據中心能源監測系統，可以將數據中心的日常能源消耗以更直觀的數據展現在管理者面前。輔助管理者進行節能項目決策以及對節能項目投入使用后的節能效果進行跟蹤評估。

綜上所述，建設一個覆蓋面全的能源監測系統將在其中起到至關重要的作用。

3.蝦苗投放。投放前將筐浸在水中，讓蝦適應池塘（稻田）水溫，可先投放一筐，看蝦苗入水后是否正常，然后將蝦投放在池塘（稻田）四周，注意不要將蝦苗全部投放在一個位置，蝦苗活動范圍有限。

2 數據中心能源監測系統概述

數據中心能源監測系統是通過中心能源監測平臺（EMS）、末端采集設備、計量表具以及數據傳輸網絡所構成的綜合性的業務平臺。末端采集設備將末端的計量表具的數據通過專用網絡傳輸到中心能源監測平臺，通過平臺中部署的數據分析應用對能耗數據進行分析，最終將分析后的數據通過圖形、圖表的方式在綜合信息平臺上直觀展示，助力節能專員快速決策。當前絕大多數的能源監測系統均為B/S 架構，即瀏覽器和服務器架構模式。

如何構建一個安全、穩定、可靠、高復用、高可擴展的新型應用架構給我們帶來了一定的挑戰。為此我們需要對數據采集、數據傳輸安全、數據處理、數據應用以及數據標準化進行深入的研究。

3 多數據中心能源監測帶來的新挑戰

為了解決這些問題，我們研究了新型的采集架構，如圖2 所示，通過引入消息中間件，使用公共消息隊列，取消采集程序直接與數據庫的交互，將采集數據通過消息隊列中的交換機將數據投遞到已訂閱的數據庫，從而減少數據庫連接的支出。降低數據庫連接數可以有效減少數據庫鎖，大幅提升入庫效率。

相比大型公共建筑的能源監測系統，雖然數據中心的用途較為單一，但在數據的維度、數據的顆粒度以及數據的體量上則比大型公共建筑的能源監測復雜。

4 淺談新型能源監測系統

本文著重從采集傳輸組網、數據分析處理和數據應用方面進行研究。

4.1 采集傳輸組網

傳統的CCR和BCC模型一般用來對同一時間點的效率情況進行橫向比較，對面板數據進行分析的適用性不強，難以發現效率的動態變化和發展趨勢。Malmquist指數可以較好地分析面板數據，對相對效率的動態變化能起到較好的刻畫效果，在分析不同地區或行業歷史數據方面具有較為廣泛的應用［16，17］。 Malmquist指數通過距離函數進行運算，采用定向輸出和定向輸入定義距離函數。輸出變量的距離函數表示為：

他沒有什么愛好，就是喜歡喝酒，喝了之后就發酒瘋、罵人、砸東西，左鄰右舍都已經習以為常了。有一次他喝醉了，吹噓自己血液里流的是酒精。葉曉曉覺得這是他說的最清醒的話了。葉曉曉的媽媽在她幾歲時就去世了，聽說是得了急病，但是個什么急病，葉曉曉一直沒弄明白，家家舅舅也早已不和他家來往，每回問葉之容，他就借著酒勁又哭又鬧。后來葉曉曉大了，也就懶得去問。生活嘛，總要向前看，死了的人總歸是死了，還是活著的老爸要緊。

數據采集分為直接采集和間接采集：直接采集即使用標準TCP/UDP 協議、HTTP 協議等網絡傳輸協議由服務器或前置機、工控機直接與采集末端設備進行數據通信。一臺采集設備可以通過輪詢的方式采集若干能耗監測設備的若干點位信息。直接采集可以針對能源監測特定的數據進行采集，對于能耗所不關心的環境數據進行忽略，數據冗余度較低。

間接采集通過與其他相關的系統進行數據交換、數據共享使用更多，如FTP、SOAP、HTTP 等方式實現，由其他第三方負責能耗監測設備的廠商進行數據封裝打包，采用各系統的結構方式將數據共享給到能源監測平臺，能源監測平臺將所需數據從龐大的數據池中提取出來，進行數據過濾、數據聚合以及數據應用。與直接采集相比，間接采集的建設成本較低，但數據的維護成本較高。

如圖1 所示，傳統數據采集采用端到端多鏈接的方式進行數據入庫，每使用一種新的對接協議，就需要增加一個至多個數據連接，多個數據源接入就可以將數據連接池占滿，從而影響數據寫入的性能。

相對于傳統單一數據中心的能源監測，多數據中心的能源監測從數據的體量、維度有很大的提升。隨著大數據成為國家的基礎戰略資源，數據的安全性也變得更為重要。由于這些原因，使用傳統的單一數據中心的應用架構就有些捉襟見肘了。

湖南省水利廳直屬5座水電站，總裝機30萬kW，職工1 800人，水電站水庫設計灌溉農田230萬畝（15萬hm2），其中有著名的韶山灌區和以英雄歐陽海命名的歐陽海灌區。多年來，水電站電價普遍較低，灌溉用水基本沒收費，水電站為國家創造了很大的社會效益和經濟效益。大多數水電站是20世紀五六十年代建成發電的，基本上都已經運行50年左右，最年輕的南津渡水電站也已運行近20年。這些老水電站資本金較少，底子薄，人員包袱較重，大部分水電站裝機容量沒有變化，發展力度不大，現有設備也亟須更新改造，企業面臨著資產優化、人力資源優化、效益優化等問題迫切需要改革發展。

當今是萬網互聯時代，發展和安全成為了雙輪驅動。在現階段國內互聯網發展的快速進程中，數據安全的問題也是日益嚴峻。

系統如何進行反滲透、安全基線、安全加固，以及數據傳輸加密也被提上日程。在新時代，應對網絡安全帶來了新的挑戰。

如圖3 所示，傳統數據傳輸一般都是基于明文透傳技術，所有的數據在傳輸過程中都沒有任何安全保護，極容易遭到不法分子對傳輸網絡發起的監聽、嗅探攻擊。一旦數據被截獲，不法分子就會直接拿到有用的消息，為進一步的攻擊打下基礎。

大部分的單數據中心能源監測平臺，都是基于垂直應用架構，所需數據應用均需要實時與數據庫進行交互，而隨著數據中心的數量不斷增加，數據量也呈幾何倍數增加。當數據在進行匯總計算時，再進行數據查詢，會造成IO 讀寫瓶頸，各類數據庫鎖的問題層出不窮，帶來數據延遲。而隨著計算量、計算維度的提升，這個延遲的時間也將持續增大，影響了使用。

4.2 數據計算分析

如圖6所示，我們對已經完成入庫的數據，通過消息分發機制使用Redis、MemoryCache等緩存技術解決方案將其保存在內存中，眾所周知，內存的讀寫速度遠遠大于傳統硬盤。對于這些數據先按照不同能源處理方式進行歸類。隨后再通過命令管道模式放入相關的數據處理單元。在與數據庫的交互上減少了一次讀寫的操作，提升了數據使用的效率。

我試了試自己的腿腳，還行。我拔開腿就跑了起來。我朝著那個黑的洞口子跑去。我的心里在這一刻什么都沒有，只有小六子。

此時，需要使用分布式處理的模式進行處理。在新的架構中，我們可以將計算單元進行分解，將數據個體進行拆分，使用多臺相對性能普通的服務器進行平行的數據處理，從而使數據的處理達到高復用、高可擴展。

以不退位減法和退位加法口算廣度為因變量，以年級和性別為自變量，進行多元方差分析．結果表明，小學生減法口算廣度存在顯著的年級差異，但性別差異并不顯著．其中，不退位減法年級間差異顯著（F=40.92，P<0.001），性別間差異不顯著（F=1.86，P=0.18）．退位減法，年級間差異顯著（F=83.83，P<0.001），性別間差異不顯著（F=1.14，P=0.29）．此外，六年級學生的標準差較大，說明六年級學生在減法的口算廣度中存在較大差異．

傳統的數據，使用垂直方式，在數據量巨大的情況下，如果無法快速消化就會造成數據堵塞。而垂直架構又無法通過增加服務器的個數進行程序的橫向擴展，僅通過不斷疊加單臺服務器的性能來滿足要求，其硬件成本極其昂貴。

基于傳統單數據中心的數據處理，由于其僅針對單個數據中心，數據的類型種類增量都是可控的，而不同的數據中心，除了一些基礎的計量外，如水、汽、油等除電以外的數據監測，都有著其個性化的差異。在進行多數據中心集中管理時，這些差異性會使數據處理更為煩瑣。傳統模式都是直接由采集進入數據庫，當需要進行數據匯總時再從數據庫內將數據提取出來進行運算，這樣極大地增加了硬盤讀寫的IO，容易造成超時等故障，見圖5。因此，在進行大規模數據處理之前，對這些數據進行預處理就變得至關重要了。

一杭在護士的帶領下來到母親的病床前，母親的頭上纏著繃帶，并用網狀的頭套固定著，這讓一杭想起小時，母親用網兜裝西瓜。母親眼睛緊閉，靠呼吸機呼吸。一杭走過去，蹲下身，輕輕地握著母親冰涼的手，母親動了一下，吃力地睜開眼，想做出一個笑臉，但嘴上套著吸氧面罩，沒成功?！皨?！”一杭壓抑著哭聲低低地叫了一聲。母親用力握了一下他的手。張著嘴想說話，面罩像一個漏氣的氣球，一鼓一癟的?！搬t生，醫生，我媽好像要說話?！贬t生取下面罩，一杭把耳朵湊近母親的嘴。母親微弱的聲音伴著粗重的喘息傳來：“我……”喘息越來越急促。一杭說：“媽，您有什么吩咐？”

如圖4 所示，通過對使用諸如AES、RSA、ECDH、DSS、ECC 等對稱或非對稱的方式在數據傳輸的過程中將數據加密。數據到達目的地后再進行數據的解密。通過此技術手段保護，攻擊者監聽、嗅探到的數據將不再可直接使用，大幅提高了數據傳輸的安全性。除了通過加密手段對數據加密之外，物理的傳輸鏈路也要做好相關的安全防護。

對此我們需要對應用系統進行以下多項改造：

1)通過讀寫分離，將前端所需要使用到的靜態數據，通過文件存儲、數據庫等方式，部署到資源服務器，通過此改動，與性能數據徹底分離。

2)通過引入Web 緩存與內存緩存相結合的方式，將被讀取的數據進行緩存處理，降低對性能數據庫的讀取，從而極大地改善了數據匯總所造成的數據響應慢的問題。

3)通過引入Sync異步機制，將業務請求與數據業務輸出分離，提升用戶體驗。

由于各類設備廠商有各自不同的定義編碼，各類設備又有各自不同的參數定義，相同類型的設備在不同廠商所制造的設備中所對應的參數名稱也是各有千秋。不同廠家相同設備的精度也有所區別。數據采集測量點的位置也對數據的準確性有著巨大的影響。綜上所述，這些因素所造成的計量誤差也會影響到系統監測的準確性，因此，建立一個數據中心的標準化協議迫在眉睫。

當采用組成數據，通過專用軟件計算天然氣的烴露點時，GB/T 30492-2014《天然氣 烴露點計算的氣相色譜分析要求》要求對于C+6組分的定量分析，當按碳數歸類有交叉的情況時，應將苯、甲苯、環己烷、甲基環己烷等組分進行單獨定量分析[15]。

2020年由上海市經濟和信息化委員會、上海市發展和改革委員會共同提出，由上海市經濟和信息化委員會組織實施的上海市地方標準《數據中心能耗在線監測技術規范》便由此應運而生。該標準不僅對電、水等計量設備的精度提出了要求，同時對計量點的位置進行了規定。對采集系統內不同分類代碼進行了規范。通過對能耗分類的進一步細化，分為水、電、燃氣、燃油、外購冷、對外供熱、可再生能源等7 大類以及14 小類。這些分類基本涵蓋了目前數據中心能源相關的所有信息。

5 結論

通過能源監測系統的多項關鍵技術研究，從數據采集、數據安全傳輸、數據處理以及數據協議的標準化等多方面進行優化設計提升。為構建多數據中心的能源監控應用架構提供有力的技術支撐，為促進數據中心節能工作的開展，提供切實可用的能耗數據。