Команда Yandex Infrastructure сообщила о пересмотре стратегии возведения дата-центров и методов охлаждения техники. Планируется, что строительство «кампусов», объединяющих несколько ЦОД поблизости, а также внедрение систем жидкостного охлаждения (СЖО) ускорят запуск ИИ-сервисов компании.
Идея «кампусов» уже давно используется как в России, так и за границей. Считается, что размещение нескольких ЦОД на одной площадке с общей внешней инфраструктурой позволит рациональнее распоряжаться ресурсами, снизить затраты и увеличить мощность втрое — до 180 МВт (по сравнению с текущими 60 МВт).
Согласно заявлению «Яндекса», это рекордный показатель для России, который даст пользователям возможность гибко наращивать сервисы под свои нужды с высокой надёжностью.
Источник изображения: "Яндекс"
Одновременно компания внедряет в своих ЦОД системы жидкостного охлаждения. Для этих целей были созданы специальные дополнительные стойки-сайдкары с гибридными жидкостно-воздушными радиаторами.
Такое оснащение даёт возможность применять СЖО в дата-центрах с воздушным охлаждением (фрикулингом) без проведения масштабной и трудоёмкой реконструкции. Сочетание технологий помогает эффективно регулировать температуру оборудования и быстрее адаптировать инфраструктуру к увеличению нагрузок, связанных с задачами как самого «Яндекса», так и его внешних партнёров.
Статистика IDC за 2024 год показывала, что уже тогда 22 % дата-центров использовали СЖО. С ростом вычислительных нагрузок из-за активного внедрения ИИ такие системы становятся крайне желательными для более эффективного отвода тепла и уменьшения энергопотребления.
Источник изображения: "Яндекс"
По информации «Яндекса», применение фрикулинга и отказ от доохлаждения обеспечивают показатель PUE на уровне 1,1 — один из лучших в мире среди ЦОД. Внедрение СЖО позволит дополнительно сократить энергозатраты и повысить экологическую безопасность дата-центров.
Коллектив занимается созданием внутренней инфраструктуры «Яндекса», которая требуется для всех продуктов компании: центры обработки данных, сетевое оборудование, масштабные распределённые системы хранения информации, а также инструменты для разработки и внедрения решений и инфраструктура для обучения моделей машинного обучения.
Источник:
