En desarrollo desde hace dos años, la quinta generación del rack de servidores de OVHcloud ha sido totalmente rediseñada para dar cabida a las nuevas generaciones de servidores y reforzar el compromiso del grupo con un cloud respetuoso con el medio ambiente. El cambio más significativo es la disposición de los servidores en clústeres, conectados en serie para su refrigeración, mientras que los servidores de cada clúster siguen organizados en paralelo, lo que facilita su mantenimiento. Este nuevo diseño optimiza la disposición de los componentes, incluidos los tradicionalmente voluminosos como el CDU inrack, y contribuye a reducir el consumo eléctrico del rack.
Inteligente y autónomo, el rack funciona con una configuración hidráulica de tipo «pull», de modo que cada servidor que lo compone dispone del caudal y la presión de agua adecuados para sus necesidades de refrigeración. Los componentes de hardware, como la CPU y la GPU, se refrigeran mediante bloques de agua directos al chip diseñados por OVHcloud, que disipan el calor a través de un circuito de agua cerrado que se extiende a un único circuito de refrigeración en todo el data center.
El módulo de refrigeración (también denominado «Cooling Module» o CDU) es ahora en torno a un 50% más compacto y se encuentra fuera del rack. Capaz de refrigerar varias filas de racks, cuenta con más de treinta sensores que supervisan los parámetros del agua procedente de los racks: presión, velocidad y temperatura, para ajustar la refrigeración en tiempo real. Los sensores permiten que el rack sea «consciente» de su entorno inmediato y de las temperaturas del data center y, gracias a estos nuevos datos, el módulo de refrigeración inteligente se puede adaptar automáticamente a la carga de trabajo de los servidores. Esta optimización prolonga considerablemente la vida útil de los equipos y ayuda a optimizar el consumo energético de la infraestructura.
El Smart Dry Cooler, situado en el exterior, es el último componente de refrigeración del circuito cerrado de agua, que ocupa la mitad del espacio y cuenta con la mitad de los ventiladores que necesitaba la generación anterior de equipos. Esto ayuda a reducir el consumo de energía de refrigeración hasta en un 50%, al tiempo que reduce el nivel de ruido ambiental.
El consumo de agua se reduce hasta en un 30% gracias a la IA
Mediante el análisis constante de su entorno y del comportamiento de sus componentes clave, los nuevos Smart Racks de OVHcloud se autorregulan y recopilan datos operativos a diario. Los datos procedentes de los racks, los módulos de refrigeración y los Dry Coolers se introducen en un datalake para que unos algoritmos complejos determinen comportamientos predictivos que contribuyan a optimizar el mantenimiento y a aumentar la durabilidad de los equipos. El sistema también puede conectarse a una estación meteorológica local para enriquecer los datalakes. La precisión de los modelos es tal que son capaces de dosificar con exactitud el volumen de agua necesario para inyectar en el sistema de «cooling pad» adiabática de los Dry Coolers para permitir el intercambio de calor con el exterior.
Así, el nuevo diseño del Dry Cooler supone una reducción del 30% en el consumo de agua, lo que podría mejorar significativamente el ya eficaz índice WUE de OVHcloud. Además, a diferencia de los sistemas adiabáticos tradicionales, el sistema de «cooling pad» no se basa en un circuito de recirculación: se eliminan las complejas unidades hidráulicas, como bombas, depósitos y sensores de nivel, lo que reduce la complejidad de la infraestructura y simplifica el mantenimiento.
Una IA predictiva y adaptativa al servicio del data center y del medio ambiente
La IA predictiva que acompaña a los Smart Racks de OVHcloud ahora puede anticipar y reaccionar a las dimensiones operativas a nivel de infraestructura, incluyendo la velocidad de la bomba (y, por lo tanto, el flujo de agua), la velocidad de los ventiladores e incluso la apertura de las válvulas para optimizar rápidamente la configuración.
El rendimiento del rack también se puede ajustar en función de las limitaciones externas, como los límites de ruido, la disponibilidad de agua o el coste de la energía. De este modo, el algoritmo puede optar por consumir más electricidad para favorecer la conservación del agua o ajustar los niveles sonoros para adaptarse a los entornos urbanos.
