最近，两位计算机科学家有了一个想法：如果计算机使用能量来进行计算，那么存储的数据是否可以成为一种存储的能量？为什么不把计算作为一种储存能量的方式呢？事实证明，这个想法并不像它听起来那样牵强。在最近的一篇论文中阐述的"信息电池"概念，将在电力便宜的时候提前进行某些计算，比如在阳光明媚或风和日丽的时候，并将结果缓存起来备用。
这个过程可以帮助数据中心用剩余的可再生能源取代其30%的能源使用。该系统的优点是它不需要专门的硬件，而且开销很小。
"信息电池旨在与现有的数据中心一起工作，"作者Jennifer Switzer（加州大学圣地亚哥分校的一名博士生）和Barath Raghavan（南加州大学的一名助理教授）写道。"一些非常有限的处理能力被保留给IB[信息电池]管理器，它管理着实时计算任务和预计算的调度。一组机器或虚拟机被指定用于预计算。存储这些预计算结果的IB缓存被保存在本地，以便快速检索，这些过程不需要额外的基础设施"。
并非每项计算任务都适合采用信息电池的方法，但对于许多数据中心来说，某些负载可以被合理准确地预测，并缓存起来供以后检索。例如，像Netflix这样的公司，可能会以一种格式摄取视频，然后对其进行转码，为各种设备进行优化，这一过程并不总是时间敏感的。训练机器学习算法时也是如此--计算机科学家可以排队训练数据，让信息电池管理员决定何时进行训练。几年来，Google一直在使用这样的系统，以寻求减少其碳排放。
图为Google的环保数据中心
信息电池管理器在某些方面模仿了PC或智能手机操作系统中的调度器。在那里，调度器优化通过CPU和其他芯片的数据流，以保持计算过程顺利进行。根据任务和对系统的要求，调度器可能会保持界面对用户输入的响应，或者它可能会优先考虑计算密集型的工作，使其更快完成。
在信息电池的工作形态下，管理者根据电价和可以提前执行的任务的可用性来优化工作负荷。管理器有三个主要部分--价格预测引擎、预计算引擎和调度器。为了决定运行哪些任务，调度器权衡了来自价格预测和预计算引擎的信息。价格预测引擎使用一个神经网络来预测未来的电价，而预计算引擎使用一个不同的神经网络来预测未来的计算需求。
在Switzer和Raghavan为测试这一概念而创建的模型中，IB经理每隔五分钟，也就是运营商提供的最小时间间隔就向电网运营商查询一次电价，为其预测提供信息。当价格低于设定的阈值时，管理员就会启动一批运算过程，并将其缓存起来备用。
该系统在减少对昂贵的"电网电力"的需求方面相当有效，正如作者所称，即使预计算引擎在预测哪些任务在不久的将来会被需要方面做得比较差。只要有30%的准确率，管理者就可以开始充分利用所谓的"机会电力"，当有多余的风能或太阳能时就会产生。
作者写道，在一个典型的大型数据中心，可以提前90分钟左右预测工作负载，准确率约为90%。他们说："用一个更保守的60分钟的预测窗口，"这样一个数据中心可以储存150兆瓦时，大大超过大多数电网规模的电池存储项目。他们指出，一个同等规模的电网电池将花费大约5000万美元。
虽然作者没有提供一个信息电池运行成本的估计，但它可能会大大便宜，因为它依赖于现有的基础设施，并通过软件实现，可以根据电力价格和数据中心的计算需求进行优化。
今天，风力或太阳能过剩的时候并不多，例如加州夏天阳光特别充足的时候，以及德克萨斯州风特别大的时候。但在不久的将来，当电网上有更多的风能和太阳能时，负电价可能会变得更加普遍，信息电池可能变得既可行又普遍。
"IB方法的关键是，它不是一个通用的解决方案，但可能对许多常见的工作负载有效，"作者写道。鉴于数据中心消耗了美国所有用电的2%左右--这个数字几乎肯定会增长--信息电池可能成为大规模和昂贵的电池的一个具有成本效益的替代品。
了解更多:
https://raghavan.usc.edu/papers/infobatteries-eir21.pdf
访问:
阿里云 - 最高1888元通用代金券立即可用