Balancing Bits and Drops: Stress-Adjusted Water Management for Data Centers
本文引入了一个压力调节水框架，用于量化数据中心用水在空间和时间上的环境影响，从而能够分析诸如工作负载调度、雨水收集和干冷技术等策略，以优化水效率与碳效率。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
不要把互联网想象成漂浮在空中的云朵，而要把它想象成一座由位于巨大仓库中的服务器组成的、嗡嗡作响的庞大且隐形的城市。这些数据中心是我们数字生活的引擎，为从你最喜欢的视频游戏到为你撰写论文的人工智能的一切事物提供动力。但就像任何繁忙的城市一样，它们对资源有着巨大的胃口。我们经常听说它们吞噬了多少电力，但还有一个更安静、更渴求的问题：它们喝掉了大量的水。
把水压力想象成办公室里一个拥挤的饮水机。如果饮水机是满的，你拿走一杯水并没什么大不了的。但如果饮水机快空了，而其他人都在流汗，你这时再拿走同样的一杯水，你就给其他人制造了一个巨大的问题。长期以来，人们看待数据中心用水的方式就像第一种情景——仅仅计算使用的总加仑数，仿佛雨林里的一滴水和沙漠里的一滴水是一样的。本文认为，我们需要观察这些水是在“何时”以及“何地”被取走的，因为一滴水的“成本”取决于当地环境有多么干渴。
这项研究背后的研究人员是一支由计算机科学家和工程师组成的团队，他们致力于修复衡量这种“渴求”的方式。他们构建了一个新的“压力调整后”的框架，这个框架就像一个智能水表。它不再只是计数水滴，而是根据特定县在特定时间的缺水程度来衡量每一滴水的重量。他们还意识到，数据中心不仅直接“喝”水，还会通过使用电力间接“喝”水，而发电通常需要远在数英里外的发电厂消耗大量水资源。通过将这些直接和间接的饮水量与水资源稀缺性地图相结合，他们创造了一个更真实的关于数据中心环境足迹的图景。
利用这个新的视角，该团队在美国境内成千上万个数据中心位置进行了模拟，以观察是否可以在不减慢互联网速度的情况下提高其可持续性。他们测试了三种主要策略：像玩抢椅子游戏一样移动数字工作负载、收集雨水来冷却服务器，以及切换到完全不用水的空气冷却技术。
以下是他们的发现。首先，他们发现仅仅将工作负载移动到不同的地点或时间，就可以减少高达 25% 的“压力调整后”用水量，同时降低碳排放。事实证明，如果你等待几个小时，或者将一项任务移动到更凉爽、更湿润的地点，你就可以节省大量的“渴求型”水资源。然而，他们也警告说，如果只是试图节省最多的加仑数而不检查当地的压力水平，可能会让情况变得更糟，因为你可能会不小心将工作转移到一个水资源已经极度匮乏的地方。
其次，他们研究了收集雨水。在像太平洋西北地区这样降雨量充沛的地方，雨水收集理论上可以替代高达 100% 的冷却用水。但在像亚利桑那州这样干旱的地区，根本没有足够的雨水可以收集，因此节省的量要小得多。
最后，他们测试了“干冷却”技术，即使用空气而非水来冷却服务器。虽然这阻止了数据中心直接“喝”水，但它迫使发电厂必须更加努力工作，这通常意味着会在其他地方消耗“更多”的水。研究表明，这种权衡仅在非常特定的情况下才是值得的：即如果当地水资源极其稀缺，且能源惩罚（能耗代价）不会太高。如果能源惩罚过高，干冷却实际上可能会增加全球水供应的总压力。
简而言之，这篇论文指出，要在数字时代节约用水，我们不能仅仅计算加仑数。我们必须对地理位置和时间保持聪明，将水视为一种珍贵的、具有地域特性的资源，而不是一种统一的商品。通过这样做，我们可以让我们的数字世界持续运行，而不至于耗尽我们物理世界生存所需的资源。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。