本文主要介绍计算流体动力学(CFD)和DCIM的应用。

集成计算流体动力学的DCIM

在一些实例中，DCIM产品试图为其容量规划和分析功能提供附加模块。其中一些模块可以作为计算流体力学(CFD)，通过分析原始驱动，可以不误导数据中心的经营者。计算流体力学是一种功能强大且备受行业推崇的工具，是一种用于研究气流和传热的科学。然而在数据中心行业，计算流体力学(CFD)经常被误用和误解。

在数据中心采用计算流体力学(CFD)，可以对其中的一些功能进行更详细的讨论。图1显示了基于一个独立的CFD软件集成的DCIM工作流模型。

图1 修改后的DCIM工作流模型和集成的CFD软件包

使用湍流模型和数值模拟预测气流和温度是一个复杂的问题，也是人们一直在研究的课题。湍流模型表示的时间平均动量和连续性方程(见图1)中未解决的问题一直是研究的主题，在过去的30年中，技术的进步促使更强大的计算流体力学求解器和网格技术的发展。更多的往往是作为DCIM的附加模块，像采用CFD基于插值(趋势)预测变化。例如将服务器安装到机柜中，并预测其温度效应。在许多DCIM附加的插值模型通过以前的状态假定固定的条件来预测未来的状态，这往往会产生错误的结果。

计算流体力学与俄罗斯方块效应

CFD在设计阶段的应用，研究了不同的冷却方案、负荷密度、新技术、气流遏制和开放式机架，这是很好理解的。而其面临的挑战是在运营阶段，即在IT设备可以部署的三个标准基础上，也就是说是空间、功率和冷却。数据中心空间和电源的可用性是比较容易确定的，从U型槽柜的标识和配置的电源分配单元(PDU)可以确定电源容量。而数据中心的冷却能力却难以确定。

图2 俄罗斯方块效应与数据中心规划业务相似：(a)前期用方块玩俄罗斯方块，(b)用随机块序列玩俄罗斯方块。

IT管理人员部署服务器填补数据中心的空间，但同时对数据中心冷却能力是比较盲目的。其结果是，在其配置的空间中的变化通常是不可见的工程和设施团队。其结果就像俄罗斯方块效应(见图2)一样，现在想象盲目地实施一个基于方形街区的计划，而忽略了这个事实，该区块正在改变。数据中心运营商通常遵循一个计划，尽管IT单位(块)发生变化。最终的结果是，运营商的数据大厅设计的冷却能力100%，设计发电能力的70%，如图2b所示，在本系列的前面部分提到的，数据中心所有者关心的是使用他们的设备的最大容量。如果他们设计和建造了一个电力容量为1000千瓦的设施，而他们计划全部使用所有的功率。

图3 数据中心的设施链和不同学科的动机

为了有效地运用空间、电力和冷却决定，必须解决信息和设施之间的交流以及IT领域必须解决的问题(参见图3)。如果此通信发生故障时，其造成的后果是灾难性的，从而导致在图2b中所示的在IT能力部署中的俄罗斯方块效应。

数据大厅气流的复杂性

这个误解是从地板格栅输出的空气来冷却服务器。他们可能会在气流控制策略的正确应用这样做，但在IT服务器从阻力最小的路径吸入空气。对于一个典型的地板格栅(600毫米的正方形)的气流可在300升/秒至600升/秒之间变化。在一般情况下，在格栅背后的静压越大，其气流更大，静压越小，气流越小(见图4)。在散热方面，这种情况下每个格栅可以提到3到6千瓦冷却能力，一般都低于300升/秒，可为冷却服务器机柜提供足够的压力;任何超过600升/秒的冷却能力可能只能采用旁路柜的方式。

图4 地板格栅空气流动的静压原理

图5演示了其原理。在图5(a)的数据大厅左侧的冷却单元在地板上的空隙引起的气流，这会影响在图5(b)确定的低静压区域。这些区域以减少空气流量的影响，与地板格栅图5(c)相关。

图5 地板格栅影响气流的因素：(a)地板气流速度，(b)地板静态压力，(c)格栅气流。

这里关注的是在解决地板的高速气流的冷却装置问题。其他常见的考虑因素包括相对于IT负载的地砖的管理。例如，确定层板格栅的合适数量，以保持从机柜的前面冷通道合理的静压。太多格栅可以降低地板的空隙的静压力。

必须解决的第二个复杂性是温度。在数据中心的温度分布取决于几个因素，如冷却设备的配置，气流，服务器和负载密度的空间配置。数据中心的业主在自己的数据大厅通常安装冷通道遏制系统。这种方法通常宣称节能或通过降低冷暖空气混合，以增加工作温度较高的可靠性。更多的往往不是这样的安装，盲目地影响数据大厅其他地方的冷却能力的可用性，这对于数据中心拥有者可能会有一个表面的投资回报率(投资回报率)。图6示出了这样一个例子，其中该密封冷通道过冷至18℃，而遗留区域的设备接近24℃-26℃。在这种情况下，接近传统设备的冷却单元比冷通道密封的工作更加简单，从而在地板的空隙中观察到的温度差。

图6 空气遏制柜和开放式架构的设备之间复杂的相互作用

使用计算流体力学的挑战

即使是最成熟的CFD软件包也通常会面临挑战。第一个也是最明显的问题是计算能力，这是一个比较突出的问题。而随着湍流模型和网格技术的发展，而采用高规格的处理器、充足的内存和显卡的笔记本电脑可以相对快速地进行实施计算流体力学。需要明确的是，这里指的是小时，而不是秒，有些厂商宣称，如果输出需要数分钟到数秒，则有可能使用短切的，原始的网格划分和分析，这可能会导致不可靠的结果。

图7 计算流体力学的工作流程

使用非稳态常计算流体模型可以计算在数据大厅行为的时间，例如分析在数据中心电力中断后，其温度上升的速度。虽然这也可以进行使用相同的硬件进行处理，但是需要更多的计算时间。

下一个重要的挑战是校准。一般来说从CFD模型输出可以是非常详细的，但它是基于许多假设的。在数据中心的设计阶段，这种情况是可以接受的。但在模型建设过程中，该模型需要校准的设施参数，建立开始的基线。这种努力可能包括从格栅匹配风量，其次是温度以及冷却单元流量的参数，对模型匹配。如果跳过校准过程，可能会导致将不可靠的信息传送到数据中心运营商，并可能会对他们的经营产生不利的影响。

最常见的问题是独立的第三方开展了为期六个月的CFD分析和容量规划，热点等建议。这种做法的结果重复的，会花费不必要的成本，由于现代数据中心的快速变化，校准模型的失效日期不能超过2到3周的时间。

使用计算流体力学作为一种操作工具

工程的原因和效果的一个重要组成部分是空间变化(即设备维护)，可能导致IT设备不良的后果，反之亦然。例如，在数据大厅内的电源插板的维修。并且在维护模式中，分析N个冷却单元对环境的影响。使用计算流体力学评估这样的场景对数据大厅的影响，在实施之前是有据可查的。其中最重要的操作流程是定期评估空间、电力和冷却能力，以及确定在哪里安装新的服务器。

图8 使用计算流体力学来测试IT部署策略：(a)设施模型和IT库存，(b)更新的服务器电源图，(c)预测的机柜的空气入口温度。

在图8(a)中，数据中心运营商有一个虚拟的设施模型和IT库存。IT经理确定新的服务器被部署的要求，并为它们分配机柜上的可用空间和电力容量(图8b)。而通过虚拟设备模型预测发现，这样的配置将出现散热问题，如图8(c)所示，其中的圆圈区域表示服务器的空气平均进气温度大于27摄氏度，设施人员可以其确定适当的位置，并通过这些服务器的虚拟模型与IT经理进行协调。这方面的努力可能涉及到几个迭代的工作流模型，如图7所示。其最终的结果是设施将得到不断发展，如图9所示的冷却地图，显示了在不同的机柜位置的冷却可用性。

不用说，在某些情况下，如统一应用气流遏制或数据大厅热通道返回到冷却单元厅(没有混合气流)，通常这还有很长的路要走。对于那些开放空气和混合气流控制与传统设备交错部署的情况下，计算流体力学作为一个操作工具并不太适合，但有必要充分利用数据中心设计IT负载。

图9 释放闲置容量。数据厅制冷分配和现有安装的服务器可用机架容量。

结论

本文重点介绍了一些数据中心的挑战，并正确使用计算流体力学。这项技术解决了智能化在IT团队和运营团队之间的双向传递问题。

文中讨论了集成包对于现有DCIM产品的重要性，而不是一个附加模块。行业厂商开发的计算流体力学可以适应不同的数据中心环境。然而，即使是最成熟的CFD软件包，也很难解决数据大厅复杂的气流物理问题。

计算流体力学(CFD)对于数据中心运营商来说是很好的一个运作规划工具。这种方法允许运营商定期预测的数据中心在不同的情况下的物理响应，并在一个安全的离线环境下部署。但更重要的是，其在部署规划时助于避免产生经典的俄罗斯方块效应。

编辑：Harris