AI 데이터센터를 위한 보다 지속 가능한 미래를 개척하세요

AI, HPC 및 ML을 위한 에너지 소비 및 데이터 센터 지속 가능성

조직이 더 빠르고 강력한 컴퓨팅 환경으로 이동함에 따라 최신 GPU 프로세서와 솔리드 스테이트 스토리지는 모두 이전 기술보다 훨씬 더 많은 작동 전력을 필요로 합니다.경우에 따라 이러한 대규모 데이터 센터의 전력 요구 사항이 소도시의 전력 요구 사항에 필적할 수 있으며, 이로 인해 모든 규모의 조직은 이러한 소비 증가를 상쇄할 수 있는 대안을 모색하고 있습니다.

에너지 효율성에 대한 관심은 PUE (전력 사용 효율성) 라는 전력 관련 지표에 대한 새로운 관심을 불러일으켰습니다. 이 지표는 오랫동안 미국 에너지부 (Department of Energy) 와 같은 대규모 컴퓨팅 리소스 사용자가 실행하는 고성능 컴퓨팅 (HPC) 워크로드와 연관되어 왔습니다.

데이터센터 에너지 효율성

PUE는 데이터 센터에 유입되는 원시 전력량을 측정하고 이를 데이터 센터 내 IT 장비를 가동하는 데 사용되는 전력으로 나누어 데이터 센터의 에너지 효율성을 측정합니다.완벽하게 효율적인 데이터 센터의 PUE는 1.0입니다. 이는 데이터 센터에 유입되는 전력의 100% 가 낭비 없이 필요한 장비에 전력을 공급하는 데 사용되었음을 나타냅니다.

실제로 PUE 계산에서는 냉각 및 전력 변환에 사용되는 전력을 고려해야 합니다.또한 측정치를 연중 평균으로 표시해야 합니다. 여기에는 냉각 요구 사항에 따라 운영에 필요한 전력 요구 사항이 증가하는 무더운 여름철이 포함됩니다.

업타임 인스티튜트 (Uptime Institute) 에 따르면 데이터 센터의 평균 PUE는 1.58이며, 시설의 PUE가 이를 초과할 경우 이를 줄이기 위한 노력을 고려해야 합니다.PUE를 지속적으로 모니터링하면 데이터센터 관리자가 최대 부하 또는 앞서 언급한 계절적 변화 등 시간 경과에 따른 효율성 변화를 식별하여 목표를 설정하고, 현장을 비교하고, 정보에 입각한 에너지 결정을 내릴 수 있습니다.

환경 친화적인 데이터 센터 개발

데이터 센터가 점점 더 크고 복잡해지는 워크로드를 처리해야 할 때 일기 예보부터 암 연구, HPC, 인공 지능 (AI) 및 기계 학습 (ML) 기술 채택에 이르기까지 모든 것이 혁신과 환경에 미치는 영향 사이에 긴장이 조성되어 물 사용량, 전력 소비 및 탄소 발자국에 부담을 줍니다.

물이 필요 없는 냉각 및 에너지 효율적인 서버와 같은 지속 가능한 방식을 구현하면 데이터 센터 인프라의 부담을 최소화할 수 있습니다. 이러한 노력은 지속 가능성을 개선할 뿐만 아니라 운영 비용을 절감하는 데도 도움이 됩니다.

‍

Penguin Solutions에 연락하기 오늘 우리의 접근 방식을 배워봅시다. AI 인프라 설계 에너지 효율성, 통합을 위해 새로운 냉각 기술및 지속 가능성 목표를 지원하면서 데이터 센터 성능을 극대화하는 방법을 소개합니다.