W szybko rozwijającym się świecie technologii oraz świecie centrum danych, wciąż poszukuje się najlepszych rozwiązań związanych z efektywnością energetyczną. Jest to spowodowane większymi podatkami, regulacjami oraz innymi normami, które powodują że pracownicy centrów danych oraz administratorzy poszukują odpowiedniego instrumentu do benchmarkingu. Instrument ten musi być prosty i pozwalać skutecznie porównywać się do innych obiektów w danym czasie. Od 2007 roku, do tego celu używa się wskaźnika PUE (Power Usage Effectiveness), jednak nie wszystkim podoba się ta metoda. Oczywiście istnieją inne alternatywy, jednakże mniej popularne, także nasuwa się pytanie : czy PUE faktycznie jest najlepszym wyborem?

Problem z PUE

Bardzo łatwo zmienić wskaźnik PUE. Na początek przytoczymy bardzo skrajny przypadek, w którym firma aktualizuje sprzęt w centrum danych na nowy, bardziej energooszczędny. Wiemy że wartość PUE jest to stosunek całkowitej ilości energii zużywanej przez zakład do ilości pobieranej przez sprzęt IT ( im wartość bliżej 1 tym lepiej). W wypadku gdy wzrasta nam efektywności sprzętu IT, automatycznie wzrasta wskaźnik PUE, a co za tym idzie…nominalnie wskaźnik PUE pokazuje że nasze centrum staje się mniej skuteczne.

Kolejnym aspektem są częstą następują manipulacje tym wskaźnikiem. PUE nie jest już narzędziem do oszacowania efektywności, a raczej stałą statystyczną dla działu marketingu. Dlatego firmy często czują presję i za wszelką cenę chcą zminimalizować ich poziom ratingów PUE, co często może prowadzić do „polepszania” niektórych danych i liczb ( Na przykład pomijane jest oświetlenie przy liczeniu całkowitej mocy, twierdząc że światło jest dla ludzi a nie dla centrum danych lub PUE jest mierzone w czasie zimy, gdy moc chłodnicza jest minimalna). Jak widać prawdziwe dane dotyczące PUE są znane tylko i wyłącznie firmom których dotyczą. Dla innych szukających prawdziwego punktu odniesienia nie są dostępne i trudno im o porównanie i sprawdzenie na jakim etapie są i jak tak naprawdę wypadają na tle konkurencji.

Niemniej jednak, pomimo swoich wad, PUE wciąż pozostaje liderem w dziedzinie mierzenia efektywności data center i wciąż będzie pokazywany przez sprzedawców takich usług, zamiast innych konkurencyjnych wskaźników.

Problemy wszystkich wskaźników

Pomyśl, w jaki sposób naukowiec może ocenić człowieka dokonując wywiadu? Prawdopodobnie ocena ilorazu inteligencji (IQ) jest najlepszą opracowaną metodą do tej pory. Niestety ocena IQ posiada dużą wadę: nie potrafi ocenić nieosobliwych cech, zupełnie innych, odbiegających od zwykłych standardów.

Aby lepiej zilustrować ten problem, wyobraźmy sobie naukowca który musi ocenić dwie osoby za pomocą IQ: genialny muzyk i utalentowany muzyk. Co w takim wypadku ma zrobić naukowiec? Zadać pytania o muzyce i przetestować muzyczne zdolności? A może zadać pytania o matematyce oraz postawić szereg problemów ilościowo matematycznych? Nieważne jak przeprowadzi testy, jego wynik umieści zarówno muzyka jak i matematyka na podobnym poziomie.

Z PUE jest podobnie. Jedna metoda próbuje oceniać naraz wiele różnych czynników, takich jak wydajność chłodzenia i wydajność infrastruktury IT. Problem w tym że te dwa elementy mogą być wzajemnie powiązane co w konsekwencji rozmywa prawdziwy obraz rzeczywistej sytuacji w naszym data center. Oczywiście nie jest to problem tylko i wyłącznie PUE, konkurencyjne wskaźniki też go mają.

Takie wskaźniki ciągle stają przed wieloma problemami np. co z centrami danych, które korzystają z pomiarów w środku zimy zamiast latem? Można argumentować, że jest to tylko manipulacja systemu, ale kiedy tak naprawdę należy dokonywać pomiarów? Może pomiary powinny być podejmowane przez cały rok, z jakąś formą średniej służącej do usuwania skrajności. Ale pogoda jednego roku może znacznie różnić się od drugiej; ponadto centra danych w chłodniejszych regionach geograficznych będą miały naturalną przewagę nad tymi, w cieplejszych rejonach.

Prawdopodobnie będzie się próbować zawrzeć różne czynniki w jednej metodzie np.: podzielić przez średnią temperaturę otoczenia w centrum danych albo regularnych odczytów metrycznych o różnych porach roku, w różne dni, godziny itp. Ale problem wciąż pozostanie: doskonałość w jednym obszarze może powodować wahania w innych co w ogólnym rozrachunku da kiepski efekt końcowy. Próbę użycia jednego wskaźnika do określenia wydajności można porównać do próby oceny człowieka tylko przy pomocy poziomu IQ: posiada szerokie zastosowanie, ale brakuje jej dokładności.

Nie takie proste rozwiązanie jak się wydaje

Zaletą wskaźnika PUE i podobnych jest ich prostota. Gdy mamy do czynienia z jedną liczbą, która obrazuje sytuacje, w łatwy i szybki sposób można dokonać porównania z innymi. Od razu widać czy Data Center A czy B jest bardziej wydajne ( przynajmniej według metryki). Ta prostota zapewnia wygodne narzędzie marketingowe. Gdy zostaje ona oszacowana np. na poziomie 1.10, często podkreślają ten wynik w mediach i u klientów. Wyobraźmy sobie że zamiast tego, firma musi opisać szereg tabel, wykresów oraz innych danych obrazujących wydajność datacenter. Klienci nie mają tyle cierpliwości i czasu aby je analizować. Potrzebują szybkiej odpowiedzi: jest dobrze czy źle? Dlatego jedna liczba jest o wiele lepsza dla nich.

W rezultacie, Green Grid oraz inni konkurenci podjęli wszelkie wysiłki w celu udoskonalenia swoich wskaźników, ale wszystkie stanęły przed problemem jakim jest trudność opisania złożoności procesów zachodzących w data center i opisania ich za pomocą jednej liczby. Każda alternatywa więc będzie posiadać problemy i będzie narażona na nieuczciwe firmy, które będą manipulować danymi.

Źródło : http://www.datacenterjournal.com/it/is-pue-still-useful/