数据中心的那些规模庞大、但却其貌不扬的建筑在成为全球经济的强大引擎，并为经济动脉源源不断的输送血液的同时，也消耗了巨大的能量早已经不是什么秘密了。但是，尽管我们对于数据中心的这些基础设施及其规模化处理能力的疯狂增长存在着依赖，事实证明，整体而言，数据中心行业提高能源效率作为其规模化扩展的能力则是非凡的。
根据美国政府近期所公布的一项最新的数据中心能源使用情况的调研结果显示，在过去的五年中，美国的数据中心的容量需求大幅增长，但总的数据中心能源消费的增长幅度却并不大。该项调研是首次对全美国数据中心行业近十年来的能源使用情况的全面分析。
根据这项研究显示，在2014年，全美国数据中心行业共计消耗了大约700亿千瓦时的电力资源，占全美国能源消费总量的2%。这相当于该年度约640万户美国普通家庭能源消耗的数量。而从2010年至2014年，全美国数据中心行业总能耗增长了大约4%，该能耗较之前一个五年可以说是发生了巨大的变化，在此期间，全美国数据中心行业总能耗增长了24%，而其甚至较之本世纪最初的五年的能耗也发生了一个更大的变化，彼时的能源消耗增长了近90%。
根据这项由美国能源部与来自斯坦福大学、西北大学和卡内基·梅隆大学的研究人员共同进行的能源合作研究显示，效率的提高已经在控制整个数据中心行业的能源消费增长速度方面发挥了巨大的作用。如果没有这些效率的提升，仍然停留在2010年的能效水平的话，整个数据中心会消耗接近400亿千瓦时，远远超过他们在2014年执行相同的工作量所消耗的能源。
根据该项研究预测，在2010年到2020年之间，能源效率的提升将帮助节省6200亿千瓦时的能源。研究人员预计，从现在到2020年，全美国总的数据中心的能源消耗量将增长4%，他们预测未来五年的能源消耗量的增长率与过去五年是相同的，将达到约730亿千瓦时。
上面这幅图表显示了从2000年到2020年，全美国数据中心总的能源消耗的增长情况。其还说明了如果该行业并没有自2010年以来采取任何相应的效率提升措施的话，整个数据中心行业能耗增长将如何更快。(数据来源：美国能源部，劳伦斯伯克利国家实验室)
能耗增速放缓
在世纪之交，围绕着数据中心的能耗情况逐渐开始引起了很多公众的关注。随着互联网是快速发展，许多人开始询问其在国家能源使用大局中所扮演的角色的问题。
许多人，包括政府部门的官员们，也纷纷开始敲响了警钟，担心互联网企业能耗的持续增长将很快将成为一个大问题。这些担忧很快就由于煤炭集团的游说而变得愈演愈烈。这些煤炭集团资助了一些动机可疑的“专家”们所进行的伪科学研究。他们表示，互联网企业的能耗已经失去了控制，而如果社会希望其得到继续的生长的话，那么继续关闭燃煤发电厂是不明智的。
美国能源部(DOE)首次决定尝试量化数据中心行业到底消耗了多少能源，其结果报告发表在2008年的国会报告中，可以说是对这方面不断升温的关注的响应。其结果表明：的确，数据中心的基础设施消耗了大量的能源，而且能源的消耗还在继续迅速增长，但问题并没有上述研究“专家”们所描述的那样严重。
“DOE最新的研究…真的是对于全美国数据中心行业的能源使用情况在某些方面的首次量化。”美国能源部的劳伦斯伯克利国家实验室的研究科学家、及最新研究报告的主要撰稿人Arman Shehabi在接受Data Center Knowledge网站的记者专访时表示说。
这些2008年、及今年的调研报告的撰稿人们所没有预料到的是：整个数据中心行业能源使用总量的增长曲线从2008年到现在的扁平化。这是Shehabi和他的同事们在分析最新的调研数据时所发现的最大的惊喜。
“整个数据中心行业能源使用总量的增速正在放缓，而现在增长的速率则相当稳定。”他说。 “现在，数据中心需要处理更多的业务量，数据中心的处理能力则更高效了。”
更少的服务器
关于该能耗增长曲线扁平化有一份完整的因素清单列表，但其中最为明显的因素是：数据中心所部署的服务器的数量没有如过去一样快速增长。服务器已经变得更为强大且更加有效，该行业已经想出了各种不同的方法来充分利用每台服务器更多的总容量，而其中最主要的方法便是通过服务器虚拟化，该方法使得一台单一的物理服务器能够托管许多的虚拟机。
该研究报告援引市场研究公司IDC的服务器出货量估计，在2000年至2005年间，企业每年所采购的服务器的数量都比上年度的服务器的平均数量增加了15%。在这五年间，数据中心的服务器的部署总量只增加了一倍。
在过去五年，每年的服务器出货量增长速度下降到5%，部分原因是由于2008年以来的市场大跌崩溃，同时也是由于在此期间出现的服务器虚拟化。自2010以来，每年的服务器出货量增长下降到3%，而研究者预计其将继续维持在这一水平直到至少2020年。
超大规模数据中心的因素
从过去的十年至今，我们也同时看到了超大规模数据中心的趋势开始兴起，庞大的基础设施被设计用于最大限度的提升效率。而这些都是由云服务和互联网巨头所打造的，包括诸如谷歌，Facebook，微软和亚马逊，以及数据中心提供商，专注于设计和建设数据中心并租赁给他人的服务商。
根据美国能源部的研究，占到每年3%的年度出货量增长的服务器中的绝大部分都已经进入了超大规模的数据中心。云服务巨头们已经创造了一种科学，以最大限度地提高服务器的利用率和数据中心的效率，并使其成为了整个数据中心行业整体能源使用量减缓的一大重要的方式;而数据中心供应商在他们的基础设施运营效率、设备功能和冷却方面也取得了巨大的改善。这两方面的因素都很好的激励了数据中心运营商们积极的提高效率，因为其直接影响到他们的利润。
企业组织机构在云中、以及在数据中心提供商的基础设施中所部署的应用程序的量也开始不断增长。根据Uptime Institute最新的一项调查发现，企业自有的数据中心托管了当今企业组织71%的IT资产，20%的IT资产是由数据中心提供商托管，剩下的9%则是在云中托管。
上面的图表显示了：随着时间的推移，不同类型的数据中心的能源使用比例状况。SP数据中心是由服务供应商所运营的数据中心，包括主机托管商和云服务提供商，而内部数据中心是典型的单用户企业数据中心。(数据来源：美国能源部，劳伦斯伯克利国家实验室)
此外，不仅企业组织机构现如今正在部署更少量的服务器，而且每台服务器所需的功率量也并没有像其过去那样迅速增长。从2000年到2005年服务器的功率要求有所增加，但从那时起，就一直相对稳定，根据美国能源部介绍。当运行闲置服务器或维持低利用率时，服务器在降低功耗方面变得更有效，而底层的数据中心的电源和冷却基础设施也变得更有效。存储设备和网络硬件也得到了显着的效率提升。从IT机柜到超大规模的设施
为了能够更好的分析数据中心行业所消耗的能源数据，了解数据中心产业的发展轨迹是相当重要的。早在2007年，这仍然是一个非常年轻的领域，彼时，美国能源部门才首次发布其研究结果，Shehabi表示说。不久之前，我们根本没有需要数据中心的必要，彼时，企业组织没有数据中心，只需要购置一台服务器安置在某位员工的办公桌旁边。但很快，他们将需要添加另一台新的服务器，随后又不断添置服务器，直到他们需要一个单独的机房或机柜来安置这些服务器。最终，所需服务器的数量已经发展到需要专用的设施的地步。
这一切都发生得非常快，首批数据中心运营商们所主要关注的点则是如何能够跟上企业业务发展的需求，而不是尽可能的减少能耗，并遵守能源法案。 “而到了现在，数据中心的规模是如此之大，数据中心是从整个系统的视角来设计的，数据中心运营商们需要找寻到一种方法，让他们更有效率的运行，并尽可能富有成效，而这一找寻的过程也为我们带来了很多在我们这份新的报告中所看到的效率的提升。”Shehabi说。
效率也不是最终的答案
虽然数据中心行业作为一个整体已经在设法尽量使其能源使用的增长曲线扁平化，但更为重要的是要记住：所有现有的软件中的相当大的一部分，仍然运行在非常低效的数据中心，某些小企业的IT基础设施是在十年前或更早的时候所建立的，而这些IT基础设施还需要继续用于支持医院，银行，保险公司等等的应用程序。“这些规模非常小的数据中心的效率问题无疑是迫切需要解决的问题。”Shehabi说。 “即使他们发展的速度不是很快...但在这些数据中心仍然拥有数以百万计的服务器，而这些服务器的运行都只是非常低效的。”展望未来，找寻到一种方法要么能够使得这些较小规模的数据中心变得更高效;要么用高效的超大规模基础设施来替换它们将是非常重要的。
而较之美国能源部的第一份数据中心行业调研报告，最新的调研结果则是相当令人鼓舞的。当然，最新的调研也并未表明，整个数据中心行业已经有效地解决了他们在未来可能面临的能源问题。您的数据中心仅仅只能通过几个方式来提高效率——您可以通过设计出更高效的基础设施，并提高服务器的利用率——而世界上最大规模的数据中心运营商们已经在这两方面做出了相当多的努力了，但鉴于数据中心服务的需求不断增加，而且也没有迹象表明这种需求将在任何时候会有所放缓。“我们只能尽量实现百分之百的效率。”Shehabi说。
在撰写这份调研报告的过程中，他和他的同事们警告说，随着信息和通信技术的不断发展，未来的新的系统和服务的部署很可能“无需太多考虑能源方面的影响”。但是，不同于15年前，该行业现在已经积累了大量关于如何有效地部署这些系统的知识。故而一味的等待具体有效的部署计划的确定可能只会导致您企业未来的挫折。
“数据中心服务的潜力，特别是从全球范围来看，目前仍处于一个相当初级的阶段，而随着我们目前继续实施了一系列最大化的提高能源利用效率的战略措施之后，未来的需求可能会增加。了解这种转变是否会发生，何时可能发生，以及数据中心可以采取何种措施来尽量减少他们的成本和并减少对环境影响的方式，将是整个行业在今后的重要研究方向。”
====================================分割线================================
本文转自d1net（转载）