微软沉海服务器,为何微软将服务器沉入海底,而华为挖空大山置放,谁更胜一筹?...

无论是微软的沉海还是华为的挖山,他们都是在为数据中心降低能耗寻找解决方案。而他们两家找的解决方案都是充分利用自然条件来对数据中心进行冷却,从而减少数据中心巨额的制冷费用。至于谁更胜一筹?不太好下定论,我们可以从下面几个方面对比一下:

5bd4ce8620f63e7df62d829f92f06a04.png

1、从降温效果来看

2017年,华为选址在贵州贵安新区建设全球最大的数据中心,该数据中心直接将一座小山挖空,然后通过当地的天然的低温环境来对数据中心进行降温。贵州属于低纬度高海拔的高原地区,兼有高原性和季风性气候特点,气温变化小,冬暖夏凉,气候宜人。贵阳全年平均气温才15.7℃,非常贴合数据中心运行要求的温度18℃-25℃。

f948b5a81b0f06c94bf0748565731d9d.png

从上图全年温度曲线来看,华为数据中心选择在贵州,全年只有2个月超过了25℃。而且,在山洞里的温度相对恒定,就连夏天也可以稳定在25℃左右。其他月份就更不必说了。所以,在这样的山洞里建数据中心,基本全年都可以采用风机自然冷切。非常少的时间需要用一下空调。相比北上广深、减少了大量的空调制冷。至少可以节约80%的制冷费用。

abe4fc9c79e013aa1e8a05f0b2688dc5.png

在2018年,微软将一个装载了864台服务器的Northern Isles数据中心沉入苏格兰北部的海域中。试验海底数据中心,尝试利用海水对数据中心进行降温。根据数据显示,世界三大洋表面年平均水温约为17.4℃,水温一般随深度的增加而降低,在深度1000米处的水温约为4~5℃。对微软来说,完全可以在浅海中找到1个全年不用空调降温的地方。这个降温效果和华为挖山的相差不大。

2、从建设角度来看

华为的挖山数据中心和我们挖隧道建房子差不多。一次性基建工程投入比较大。而微软的沉海数据中心,则需要生产使用类似集装箱一体化数据中心,然后再用圆形的潜水器将集装箱一体化数据中心放置在里面。并在这里部署海水换热系统。从建设速度来看,微软沉海数据中心可以工厂规模化生产,而且海底位置非常广阔,建设时间比较短,成本也会较低。而华为的挖山数据中心,基建时间比较长,但一次性建设好,可以放置较多服务器。从建设角度来看,微软略胜一筹。

56ce3385b0b1a622f284889aebd5f010.png

3、从使用维护角度看

华为的挖山数据中心使用和我们平常的数据中心一样,使用和维护都非常方便。而微软沉海数据中心就麻烦很多了。主要体现在以下几个方面:人员需要潜水下去才能进行例行检查和故障排除等动作。深潜可不是一件容易的事情。

电力线缆和网络线缆入水接入数据中心,有可能招到海洋动物的破坏,从而影响数据中心的运行。

数据中心的外壳也可能受到大型海洋动物的破坏,或者海啸、强洋流的破坏。

而华为的挖山数据中心就没有这些问题。所以,从使用维护上来看,华为略胜一筹。

8d5caa912f42d857fcd15865c869c85a.png

总结

无论是微软沉海数据中心,还是华为挖山数据中心。他们都有共同的目标就是降低数据中心制冷的能源消耗,做到节能环保。两者的节能降温效果是差不多的。建设上微软的沉海数据中心似乎速度更快些,而使用维护上,则华为的挖山数据中心更强很多。感谢阅读!我是数智风,用经验回答问题,欢迎关注评论。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值