ODCC数据中心位置白皮书项目经理、腾讯数据中心架构师曾宪龙:“钓鱼”和熊掌

本篇文章3344字，读完约8分钟

ODCC数据中心位置白皮书项目经理、腾讯数据中心架构师曾宪龙:“钓鱼”和熊掌——数据中心位置白皮书 9月27日，在开放数据中心委员会的主持下，由百度、腾讯、阿里巴巴、中国电信、中国移动、中国信息通信研究院和英特尔共同主办的2016ODCC开放数据中心峰会在北京隆重举行。下午，ODCC数据中心位置白皮书项目经理、腾讯数据中心架构师曾宪龙发表了题为《鱼与熊掌兼论数据中心位置白皮书》的演讲。 9月27日，在开放委员会的主持下，由百度、腾讯、阿里巴巴、中国电信、中国移动、中国信息通信研究院和英特尔共同主办的2016ODCC开放数据中心峰会在北京隆重举行。下午，ODCC数据中心位置白皮书项目经理、腾讯数据中心架构师曾宪龙发表了题为《鱼熊掌兼数据中心位置白皮书》的演讲。以下是演讲的全文:

ODCC数据中心选址白皮书项目经理、腾讯数据中心架构师曾宪龙

让我向您报告我们关于ODCC数据中心位置的白皮书的工作情况。首先，让我们看看我们是否遇到了以下问题。例如，某个城市的天气状况、水价以及数据中心支持资源的具体数据是什么，或者a城市的天气更好，b城市的电价更低，c城市的网络更成熟，那么哪个城市更适合建设自己的数据中心呢？或者，我们的数据中心定位工作如何揭示我们业务的本质？此外，当我们经常与制造商沟通时，我们会面临一个问题，即如果采用新技术，它在一个城市的具体反应是什么，如果每个人都遇到过类似的问题，我相信我们的选址白皮书会为我们解决这些问题提供一些帮助。

我们的白皮书提供了详细的位置数据库。对于18个城市，我们提供了200多个分类量化数据以及各种节能方案的位置计算数据。我们尽力为选址提供合适的参考书。白皮书为选址提供了一个参考模型。我们将十多位权威专家的意见整合到两个相对通用的模板中，以供参考。同时，基于上述数据库和模型，我们也将给出一个综合的评价参考。最后，我们还附上了一个深入选址的案例。通过这个案例，我们希望能够帮助每个人将我们的白皮书应用到一个特定城市的实地调查中。

上述试点也是我们白皮书的主要内容。

让我们在这里做一个解释。我们白皮书中的数据主要来自第三方平台，如统计局和气象局。相对透明和开放的数据分布在18个城市。通过统计和调查发现，18个城市数据中心的规模约占全国数据中心规模的80%。因此，我们白皮书中的样本相对充足。

让我们进一步看看白皮书的内容。我认为有必要对中国数据中心的当前分布有一个总体的了解。这个数字是2009年中国数据中心分布的趋势图。在图中，我们用红、绿、蓝点来代表我们研究数据的大小。我们可以看到，2009年我们的数据中心主要分布在该国北部和上部的几个城市。我们也可以看到向周边城市蔓延的趋势。今年，我们可以看到数据中心从第一线转移到第二线和第三线。让我们看看已经在运行的数据中心的运行时间。一线城市57%的数据中心是在2014年后建成的，二线和三线城市的这一比例高达74%。因此，这些数据也证实了我们之前看到的趋势。

接下来，让我们看看PUE目前的选址情况。一线城市中PUE低于1.6的计算机房不到16%，二线城市中PUE低于1.6的计算机房不到14%。至少在设计方面，我们认为二线城市将由于优越的自然条件而更加节能。一线城市中的PUE非常相似，但二线城市中PUE小于或等于1.6的计算机房远低于设计的60%。原因是什么？对机柜中心的利用率进行分析，发现一线城市不足6.1个机房机柜的利用率没有达到50%，而二线和三线城市的利用率达到39.1%，即39.1%的机房利用率没有达到50%。因此，这是因为实际操作的能量效率由于其机柜利用率不足而达不到预期。

难道三线城市中没有适合建设数据中心的一线城市吗？我们跳出来看看海外入侵。像脸书这样的公司的数据中心经常被选在二线和三线城市，甚至更偏远的地方，而且他们已经取得了更好的结果。为什么中国和外国有这样的差异？带着这样的疑问，让我们回顾一下我们刚刚获得的信息。二级和三级城市数据中心的实际PUE尚未达到设定值，因为一级城市约93.8%的数据机柜利用率高于50%，而二级和三级城市只有61%。另一方面，海外大公司显然更喜欢自然条件优越、电价优惠的二、三线城市，可以取得非常理想的效果。这就是为什么国内数据中心面临着矛盾的情况。

至于目前的情况，我们认为有几个主要原因。第一个原因是盲目建设和对选址不够重视。第二个原因是简短的版本是显而易见的。没有充分考虑选址因素。第三个原因是土壤和水不满足，充分考虑了各种因素。然而，这些因素之间的权重是不平衡的。最后，还有一些僵化的现象和地方优势没有得到利用。

我们认为非常有必要对数据中心位置的要素进行全面分析。首先，第一个元素。让我们把第一个要素看作地质灾害。我们认为第一个因素是地震。考虑地震因素的一个依据主要是每个城市的抗震水平和过去20年的宣誓地震情况，包括地震的深度和地震的次数。第二个是洪水，过去10年受洪水影响地区的年平均值。

第二类是气象条件。第一类是温度。温度对计算机房有很大的影响。我们主要考虑温度条件对其逐时温度分布数据进行统计，并对该数据采用一定的分段加权算法。每个城市的温度权重值用于衡量该城市是否要建立数据中心。

第二个因素是小时数，可以和重庆、成都、贵阳等城市相比。

第三类是能量匹配。从电力资源的三个维度来看，首先是电力自给率，即该城市或该地区的总发电量作为总用电量，可以衡量整个城市或地区的电力充足性。第二个基础是电力负荷的最大自给率，第三个是变电站的数量，因为功率密度的问题，第四个是配套的基础设施。我们选择每个城市到主干节点的距离。同时，城市中连接到互联网的用户总数是最好的，但是这并不容易打开。

第二个因素是交通，因为我们主要安排从机场出发的航班和高速列车的数量。匹配的第三个因素是空气体质量，因为空气体质量更受人为因素的影响，所以我们也把它放在这里进行匹配。我们对空气体质量的考虑主要基于三个基础，一个是AQI，另一个是PPB，第三个是PM2.5的值。目前，在深圳、厦门、贵阳、广州等城市，似乎空气体质量更好。还有几个因素。总结出选址模型中需要考虑的因素至少包括地质灾害、气象条件、能源设施、基础设施、人才环境、能源价格、市场需求环境、政策环境等九大类。在这里，我们只完成了我们的选址白皮书的第一项工作，即选址研究。我们需要量化这些因素，以形成一个网站选择数据库，这也是我们白皮书的一个重要部分，所以这只是一个截图。我们的数据库为每个城市提供了18个城市的基本信息，以及每个城市的抗震情况，例如地震加速度值和最近地震的深度，以及最近的台风情况、温度情况、湿热数据和电力数据，包括清洁能源的比例、该区域的总装机容量等。，以及电网的两个费率等。还有网络、交通相关数据和空气体质量。当然，还有更关心的电价，以及变压器容量费等等。因此，白皮书中关于网站选择的数据库是我们分析的重要基础。最后，我们希望能够为18个城市形成各自的评价指标。索引由两部分组成。第一部分是刚才看到的各种元素的分数，可以在我们的数据库中获得。另外，每个元素的权重值可以基于专家在白皮书中的评估，该评估是通过使用我们常用的城市分析系列方法获得的。如果国际数据中心不同，将进行适当的调整。

最后，我们的白皮书将给出一个建议供分析和参考。然而，当前版本主要是针对成本第一和市场第一的数据中心给出的最终结果。不同的用户可以根据自己的业务特点，参考我们白皮书的方法和思路，调整每个元素的结构及其权重值，选择自己的权重IDC，然后结合白皮书提供的网站选择数据库，得到自己的网站选择结果。

我们认为，该数据库中的选址需要根据不同的水质条件进行适当调整，并且我们认为该数据库是熊掌，这是我们分析问题的基础，因此我们需要创建一份关于“钓鱼”和熊掌的选址白皮书。此外，我们还在白皮书中附上了一个深入的选址分析案例。目前以贵阳和上海为例。在这一部分，我们想告诉您如何在特定的城市进行实地调查和研究，并结合使用我们的白皮书。

我们的白皮书提供了详细的网站选择数据库、参考网站选择评估模型、综合评估参考建议以及深入的网站选择案例分析。如果您对我们的白皮书感兴趣，请联系我，谢谢。