本篇文章2254字,读完约6分钟

曾宪龙:“数据中心位置白皮书(2017)”解读 首先是位置数据库。我们的数据来源包括气象局、地震局、国土资源局、国家电网、地方政府等相应的权威数据来源。我们的样本对象主要是18个城市,包括北京、上海、深圳、广州、哈尔滨、呼和浩特、鄂尔多斯、厦门、重庆等。如果把这18个城市放在地图上,它们基本上覆盖了全国所有地区。通过调查,我们发现这18个城市基本覆盖了全国80%以上的数据中心。对18个城市数据源进行了大量的数据收集和整理工作,形成了一个数据库。我将截取数据库的内容来解释如下。

曾宪龙:“数据中心位置白皮书(2017)”解读

大家下午好!以下是关于ODCC白皮书的报告。

说到数据中心的位置,人们或多或少会遇到一些问题。首先,如何获得与城市位置相关的数据,如城市的气候条件,气候温度和湿度,如他们的电价和其他支持相关数据。第二,在我们获得一些城市数据后,我们如何比较它们的优缺点?第三,我们都知道业务属性对数据中心位置有很大的影响,那么业务属性最终会如何影响位置。第四,我们在行业中经常听到各种节能方案,那么应用节能方案可以节约多少能源。如果你遇到上述问题,我想我们的白皮书可以给你一些帮助。

曾宪龙:“数据中心位置白皮书(2017)”解读

白皮书包括以下内容。首先,它为18个城市提供了200多种分类和量化信息,并有一个数据库。在这个数据库中,我们还附上了9项节能技术和18个城市的具体节能估算,因此我们的白皮书是一份非常实用的选址白皮书。其次,我们还综合了十多位权威专家的意见,给出了两个网站选择模板。第三,我们最后给出了一个相对简单的选址结果,最后对两个城市进行了深入的选址。我们将从这些方面进一步解释。

曾宪龙:“数据中心位置白皮书(2017)”解读

首先是位置数据库。我们的数据来源包括气象局、地震局、国土资源局、国家电网、地方政府等相应的权威数据来源。我们的样本对象主要是18个城市,包括北京、上海、深圳、广州、哈尔滨、呼和浩特、鄂尔多斯、厦门、重庆等。如果把这18个城市放在地图上,它们基本上覆盖了全国所有地区。通过调查,我们发现这18个城市基本覆盖了全国80%以上的数据中心。对18个城市数据源进行了大量的数据收集和整理工作,形成了一个数据库。我将截取数据库的内容来解释如下。

曾宪龙:“数据中心位置白皮书(2017)”解读

例如,就人均国内生产总值而言,我们还调查了该市大约800个机柜数据中心的数量。我们可以发现,在18个城市中,大约70%位于北部、顶部、底部和顶部。下表显示了18个城市的现有机架尺寸。可以看出,北方、上海、广州和深圳仍然相对领先。这是18个城市的自然地震指数和它们周围20年的地震情况。与此同时,为了更直观地显示这些数据,我们通过某些步骤在地图上绘制表格中的数字,红色原点代表更高水平的抗震保护。下面是地质灾害因素,比如一年中每个城市登陆的台风数量,因为这是地理位置和气候的因素,我们希望气温越低越好。例如,贵阳的日平均气温为15度,最热的月平均气温为25度,最冷的月平均气温为3.5度。像这样的城市更适合数据中心。同样,在地图中,我们加权并计算了按小时分布的温度值。

曾宪龙:“数据中心位置白皮书(2017)”解读

以下是湿度因素,如相对湿度和湿度,以及其他因素,如雪的具体厚度。另一个是关于电力条件下的装机容量,因为现场的位置应确认该区域的电力是否可以满足。此外,如果我们专门去一个城市进行选址,我们会向电网公司或当地政府询问电网部署计划。然而,由于保密问题,去这个城市的可能性相对较低。我们可以看到,北京和上海虽然电力供应相对紧张,但电网实力相对较好。目前,该表是各城市交通设施的配套设备。与此同时,我们还对每个城市主要行业的用电量的峰谷区间进行了分类,并对区间内的具体电价以及所在城市的需求进行了分类。这是这些城市所在的中专学校、金融企业和互联网企业的数量。这些数字用于衡量当地的人才环境和市场环境。最后,根据最新的智能方案,根据不同的室内温度和不同的网络源温度,计算了这些城市的数值和CIF值,根据不同城市的日照情况,计算了光伏发电的数值。所以我们量化了这么多的数据,形成了一个巨大的数据库供大家参考。

曾宪龙:“数据中心位置白皮书(2017)”解读

我认为数据中心的位置有以下特点:一是可量化,数据库包含具体的数字,而不是一般的模式。第二个特征是可验证的。这些数字的准确性可以在官方网站上找到。第三,它可以反复更新。有了数据库之后,我们也希望有个性化和多样化的模型,这样两者结合就可以得到一个完整的数据库。我们将评估模型分为成本优先和市场优先的数据中心位置。选址因素总结为12项和25项。对于成本优先的数据中心,电力资源匹配的比例约为19%,其次是网络匹配,占17%,第三是电力成本,占16%,最后是气象条件13%。在发布版本中,我们隐藏了分数的最终结果,但是我们可以给出一个总体的评价。如贵阳、鄂尔多斯、呼和浩特、成都、中卫、乌鲁木齐、哈尔滨等城市更适合建设成本第一的数据中心,而北京、上海等城市更适合建设市场第一的数据中心,因此网络条件越好越好。这是从两个模型判断的结果。同样,我们可以根据我们的选址因素得出结论。例如,条件较好的城市包括贵阳和中卫,电力资源较好的城市包括鄂尔多斯和呼和浩特。不同类型的数据中心考虑的因素不同。我们的白皮书没有涵盖所有业务类型的数据中心,因此我们可以结合自己的业务特征和数据库,为自己的数据中心设计模型,然后获得我们想要知道的结果。

曾宪龙:“数据中心位置白皮书(2017)”解读

最后,我们还在白皮书中用了两大页来给出北京和贵阳的案例研究。当我们从几个城市中选择两三个城市时,我们会去实地调查。在调查过程中,我们可以参考这部分内容进行深入的选址。以上是我想分享的白皮书的基本信息。有关具体信息,请注意我们的公开号码。我们将在公共号码上公布。谢谢你!

标题:曾宪龙:“数据中心位置白皮书(2017)”解读

地址:http://www.yunqingbao.cn/yqbxx/1324.html