减少数据中心的超额配置和搁浅容量，实现可持续发展_System_电路_航空_汽车_电子_消费电子_芯片_UM

减少数据中心的超额配置和搁浅容量，实现可持续发展

本文翻译转载于：Cadence blog

作者：Hassan Moezzi

在不断发展变化的数据中心领域中，搁浅容量（stranded capacity）问题已成为运营商的一个重大关注点。搁浅容量指的是资源的未充分利用的状况。由于其影响巨大，将其比喻为“数据中心的大象”也不为过。

特别是在企业数据中心，这种搁浅容量的损失甚至超过了 40%。这不仅会造成资金浪费，还会阻碍效率提升和可持续发展。

值得注意的是，虽然一部分搁浅容量是数据中心设计阶段的超额配置造成的，但大部分损失是在数据中心运行过程中逐渐累积发生的。

为了有效解决这一问题，目前数据中心运营商越来越多地转向利用数据中心的“数字孪生”技术解决方案，将其作为设计和运营生命周期管理平台，从而大大提高了容量利用率，往往能超过 30%。

在本文中，我们将探讨数字孪生技术如何彻底改变数据中心的运营，并大幅减少搁浅容量。

了解搁浅容量

首先，让我们来了解一下搁浅容量是由哪些原因产生的。数据中心的搁浅容量源于两种不同的现象：

设计超额配置

通常情况下，运营商为了确保能够安全满足峰值需求，会刻意分配比实际需要更多的资源。不过，这在总设计容量的占比相对较小，而且可以调整。

运营过程中空间、供电和制冷容量的碎片化

到目前为止，这三者中最棘手的是制冷的碎片化，因为制冷主要依靠看不见的气流进行，难以掌控。

与超额配置不同，碎片化导致的容量损失是不可避免、不可预测和无法量化的。这不仅带来了巨大的财务影响，还加剧了环境问题，如增加了碳足迹。

数字孪生的力量

数字孪生是物理资产或系统的虚拟复制品，可用于仿真、分析和预测建模。在数据中心的背景下，数字孪生代表整个设施的虚拟副本，包括基础设施、设备和运营特性。通过利用数字孪生的力量，数据中心运营商可以获得有关资源利用率的宝贵见解，优化容量规划，并大大减少超额配置。这些见解在日常运营中尤为重要，因为运营和 IT 团队需要快速做出决策。

通过建模和仿真量化决策的影响

数字孪生的主要优势之一是能够对数据中心的行为进行精确建模和仿真。运营商可结合实时数据和历史趋势，创建一个能够反映物理设施的虚拟模型。利用这个虚拟模型，他们可以测试不同的场景，评估资源分配决策的影响，并识别潜在的超额配置区域。甚至还能够就制冷温度做出明智的决策。

优化资源配置

得益于数字孪生技术，数据中心运营商能够就资源分配做出明智的决策。他们模拟各种场景，运营商可以确定资源可用性和需求之间的最佳平衡。这样做能够确保资源的高效分配，无需过度配置需求。利用数字孪生提供的准确洞察，运营商能够适当调整基础设施规模，避免搁浅容量增长带来的隐患。

实时监控和预测分析

数字孪生还提供了对数据中心内资源使用情况的实时监控。通过集成传感器和数据收集机制，运营商可以持续监控各组件的性能，如功耗、制冷效率和网络带宽。然后使用预测分析算法对这些数据进行分析，确定潜在的瓶颈或未充分利用的区域。通过积极解决这些问题，运营商可以优化资源分配并减少搁浅容量。

降低风险，提高可靠性

除此之外，数字孪生在降低风险和提高数据中心运营可靠性方面也发挥着至关重要的作用。运营商可以模拟不同的故障场景，识别潜在的漏洞，随即制定应急计划。这种积极主动的方法可确保在分配资源时最大限度地降低服务中断的风险，而无需超额配置。准确预测和预防故障的能力有助于减少搁浅容量并提高整体运营效率。

结论

总的来说，为了减少超额配置和搁浅容量，数字孪生已成为数据中心规划和运营中的颠覆性技术。通过提供精确的资源建模、仿真能力、实时监控和预测分析，数字孪生助力运营商优化资源分配并做出明智的决策。现如今，数据中心运营商能够识别潜在的超额配置区域并降低风险，显著减少搁浅容量，进而提高效率、节约成本并增强可持续性。随着数据中心行业的不断发展，在规划和运营过程中应用数字孪生技术有助于优化资源利用率，并使得运营效率最大化。

来源：Cadence楷登

Fidelity 何以成为首选的大涡模拟（LES）求解器

本文翻译转载于：Cadence blog作者：Veena Parthan 由于气动及流场的涡流效应在汽车、船只等设计中的重要性，计算流体力学（CFD）工程师必须要考虑湍流的影响。为此，在 CFD 模拟中需要构建湍流模型，从而实现对真实湍流现象的仿真。具体地说，当计算资源有限和（/或）时间紧张时，应该首选雷诺平均（RANS）模型进行湍流建模。但对于某些流动情况，使用 RANS 湍流模型时模拟结果的准确性会受到影响。为了解决这一难题，大涡模拟（LES）就派上了用场，特别是在处理具有非线性属性的燃烧和化学反应问题时更为明显。但由于硬件算力的限制，很大程度上使得 LES 无法成为一个广泛适用的解决方案。幸运的是，近年来 GPU 加速技术在仿真领域得以快速发展，使得 LES 变得可行且成本可控。由于使用了非线性稳定的数值格式及高效的 GPU 加速技术，Cadence Fidelity 求解器特别适合用于 LES 模型。Cadence LES 模型的开发历程1980 年，斯坦福大学的 Parviz Moin 教授（Cascade Technologies 创始人，Cascade 现已并入 Cadence 公司）对湍流建模进行了许多开创性的研究。当时有大量关于湍流的实验研究，其中图 1 展示了利用边界层中氢气泡进行湍流可视化研究的实验，目的是研究湍流中绚丽、连贯但无序的涡流结构。图 1：仿真结果（Moin & Kim，1981）（左）实验结果（Kim，Klein & Reynolds，1970）（右）Parvis 及其同事在 1981 年的美国物理学会会议上展示了仿真结果，这些计算是在 NASA Ames 使用 ILLAC IV（15 MFlops 设备）完成的。他们通过屏幕拍摄构建可视化图片，这在当时还属于非常规方法，但他们的模拟结果却显示能够在时点上准确地预测纳维-斯托克斯方程所描述的现象，并获取动力学和湍流的统计数据。如今，随着计算能力的巨大进步，算力已经超越了 mega、giga、tera、peta 和 exa 的量级，实现了更强大的仿真能力。LES 模型已经能够用于真实系统的预测，并且以更高的精度和速度进行湍流建模。它的应用不再只局限于科研机构，而是被越来越多地用于真实的工业设计领域中。为什么 LES 开始被关注？四项不同的技术促使高精度大涡模拟仿真成为可能，或者说走向实用，其中包括：1.网格离散涉及到瞬态模拟时，生成高质量和相对各向同性网格非常关键。虽然靠近壁面的各向异性网格可以节省计算资源，但让网格在整个模拟过程中保持相对一致的质量水平仍然非常重要。2.数值方法鲁棒性、非线性稳定的数值方法和精确代表流动物理现象的先进物理模型对仿真至关重要。3.数据分析由于计算生成的数据量非常庞大，快速可视化和数据分析的能力非常重要。4.可扩展性高并行效率和更快的周转时间对于 LES 的推广至关重要。多年来，LES 模拟的关键是需要低耗散的数值格式。然而，这些低耗散格式却很难满足多物理场应用和复杂几何的处理。虽然高雷诺数的实际粘性较低，但 CFD 代码中的数值耗散通常却非常高。使用 Fidelity LES 求解器，可以获得稳定的低耗散数值格式。对于网格划分，Fidelity LES 求解器可生成具有不同分辨率区域和过渡区的多面体网格。这个网格生成方法本质上是基于一组特定点创建的 3D Voronoi 图。当这些点以有序的方式排布时，就能生成高度均匀性的网格。这使得 Fidelity LES 求解器能够便捷地生成适合 LES 的网格。高精度多物理场 LES 仿真近年来， LES 应用的一个典型成功案例是湍流火焰射流的研究（Sandia D 火焰射流）。如图 2 所示，甲烷燃料从中心注入，与周围同向流动的空气混合，经过射流扩散、燃烧反应，达到最高温度，然后从同向流动中混合更多空气不断冷却。求解器的低数值耗散格式和高效燃烧模型在一系列网格尺寸范围内提供的结果具有很好的鲁棒性。事实上，从 40 万单元到 1600 万单元的不同分辨率并不会显著影响沿火焰中心线温度分布的时均及均方根值，如图 2 所示。这个例子证明了 LES 在解决湍流混合和非线性多物理场等重要复杂问题的有效性。图 2：Sandia D 喷射火焰的 LES 仿真结果网格分辨率从 0.4M 单元到 16M 单元的变化不会显著影响预测的火焰结构（左）或中心线温度分布（右）用于 LES 的 GPU/CPU 加速技术LES 模型的计算代价非常高昂。例如，在公有云或内部部署机群上使用基于 CPU 的硬件执行燃烧动力学的高精度模拟，单次模拟的成本可能高达 1 万美元，每次计算需要大约 100 万核时的量级，特别是需要执行数百个算例时，这个费用可以说是天文数字。尽管目前已经开发出基于 CPU 高扩展性且在一天内能够完成计算的代码，但高成本依旧是在工业和设计领域中广泛推广 LES 的最大阻碍。值得庆幸的是，快速发展的 GPU 技术正在改变现状。随着 GPU 加速的出现，仿真成本显著降低，计算效率明显提升（图 3）。图 3：相同的硬件成本下，GPU 可以提供 CPU 大约 9 倍的算力，或者与 CPU 相同算力的条件下，成本降低 9 倍且能耗降低 17 倍由于气动及流场的涡流效应在汽车、船只等设计中的重要性，计算流体力学（CFD）工程师必须要考虑湍流的影响。但到目前为止，硬件算力的瓶颈限制了 LES 成为一种广泛适用的解决方案。通过利用 GPU 加速技术，Cadence Fidelity 使 LES 模拟更容易实现，从而提高计算效率并显著降低计算成本。来源：Cadence楷登