Umweltaspekte von vernetzter IT und Cloud Computing

Transkript

1 Umweltaspekte von vernetzter IT und Cloud Computing 3. Jahrestagung des Wissenschaftsforum Green IT Berlin, 13. Dezember 2012 Dr. phil. Lutz Stobbe Fraunhofer-Institut für Zuverlässigkeit und Mikrointegration (IZM)

2 Übergeordnete Fragestellung Wird das Cloud Computing und die zunehmende Vernetzung von IKT zur Energie- und Ressourceneinsparung beitragen oder nicht? Bilanzierung der Umweltauswirkungen (Energie & Ressourcen)

3 Umweltbilanzen Stand der Technik Umweltbilanzen in unterschiedlicher Auflösung (Granularität) sind Stand der Technik (LCA-Methoden sind standardisiert). Detaillierte Produktbewertungen Stark aggregierte Bewertungen ganzer Sektoren Die Datenbeschaffung ist aufgrund der hohen technischen Komplexität von IKT Produkten / Systemen eine Herausforderung

4 Umweltbilanzen haben einen Zeitstempel Technologien, Technikbestand, deren Nutzung und entsprechende Umweltauswirkungen verändern sich über relativ kurze Zeiträume

5 Spezifische Fragestellungen Umweltauswirkungen der IKT: In welchen Bezugsrahmen wird diese Fragestellung untersucht? Ökonomisch: z.b. global, national, Unternehmen, privater Haushalt Technisch: z.b. Endgeräte, Rechenzentren, Telekommunikation, übergreifend Zeitlich: Vergangenheit, Gegenwart, mittlere und ferne Zukunft Welche Wirkungskategorien und kausalen Zusammenhänge werden untersucht? Energie: z.b. elektrischer Strombedarf, fossile Brennstoffe, alternative Energien, Ressourcen: z.b. Bedarf an spezifischen Materialien, Recyclingfähigkeit, Lebenszyklus: Carbon Footprint Fertigungs- vs. Nutzungsphase

6 Verknüpfte Umweltbilanzen Welche technischen, ökonomischen und regulativen Entwicklungen beeinflussen signifikant Größenordnungen in der Umweltbilanz? Wechselwirkungen und Größenordnungen (technisch, ökonomisch, regulativ)

7 Schematisches Sachbilanzmodell Realität t Sachbilanzmodell: Verknüpfung von Produktbereichen u. Aggregationsebenen Aggregations-Ebenen: (Network Traffic Model) Equipment-Ebene: (Product Inventory Model)

8 Modellbildung (Aggregationsebenen) Architektur: Betriebsbereiche Technologiebasis Netzmodell Topologie: Produktgruppen Equipment Bestand (Skalierung) Betrieb: Datenverkehr Auslastung Lebensdauer

9 Modellbildung (Produktebene) Technik: Leistungsparameter Betriebszustände Konfiguration Lebenszyklus: Produktion Nutzung End-of-Life Nutzungsmuster: Active Idle Low Power MeNA Home Desktop PC 2010 Value Active Idle LowP 1 LowP 2 LowP 3 LowP 4 LowP 5 Total Power (W) 70,0 50,0 0,0 4,7 4,0 2,2 1,5 Stock Use hours (h/d) 3,0 2,0 0,0 19,0 0,0 0,0 0,0 24,0 365 d/a Mode Power (Wh/d) 210,0 100,0 0,0 89,3 0,0 0,0 0,0 399,3 131 million TEC Unit/year (kwh/a) 76,7 36,5 0,0 32,6 0,0 0,0 0,0 145,7 Stock per year (TWh/a) 10,0 4,8 0,0 4,3 0,0 0,0 0,0 19,1 HiNA Home Desktop PC 2010 Value Active Idle LowP 1 LowP 2 LowP 3 LowP 4 LowP 5 Total Power (W) 70,0 50,0 0,0 4,7 4,0 2,2 1,5 Stock Use hours (h/d) 3,0 21,0 0,0 0,0 0,0 0,0 0,0 24,0 365 d/a Mode Power (Wh/d) 210,0 1050,0 0,0 0,0 0,0 0,0 0,0 1260,0 131 million TEC Unit/year (kwh/a) 76,7 383,3 0,0 0,0 0,0 0,0 0,0 459,9 Stock per year (TWh/a) 10,0 50,2 0,0 0,0 0,0 0,0 0,0 60,2

10 Cloud Computing Szenario Arbeitsthesen: EG: Reduktion der HW-Ausstattung von Fat zu Thin Clients RZ: Höhere Auslastung der existierenden Server- und Speicherkapazitäten bei gleichzeitig energieeffizienterer Technik TK: Erhöhter Datenverkehr mit stärker symmetrischer Auslastung und Spitzenlasten Internet SaaS / PaaS / IaaS Fat Clients Thin Clients

11 Cloud Computing: Private Endkunden Trends bezüglich privates Cloud Computing: Viele Anwendungen als Cloud Service (noch) nicht verfügbar Benötige Rechenleistung steigt kaum (was kommt nach HD/3D??) HW relativ kostengünstig / SW Lizenzen teuer (aber Open Source) Universalschnittstellen bietet Möglichkeit zur funktionalen Konvergenz und individuellen Skalierbarkeit der IKT (HW Einsparung möglich) Bedarf an Bandbreite im Heimzugang wird steigen: 100 Mbps 10 Gbps Internet SaaS

12 Cloud Computing: Trends Unternehmen / Büro: Anwendungen: Standard-Office-Anwendungen, Simulationen Bedarf an Rechenleistung + Speicher steigen insbesonders durch Simulationen (HW Bedarf) Einbindung in Private / Interne Clouds möglich, da Bandbreite meist vorhanden: 10 Gbps 100 Gbps (Enterprise-Zugang) Latenzzeiten bei Thin Client-Lösungen ggf. problematisch (Arbeitsspeicher-Zugriff) Internet SaaS / PaaS / IaaS

13 Endgeräte (Carbon Footprint) Prozessor- und Speicherperformance bestimmen den HW Carbon Footprint: Herstellung (kgco2eq)* Nutzung (kwh/a)** PCF 4 Jahre (kgco2eq)*** Desk PC Notebook Thin Client [% Server] Server**** [Anteil TC] Ø Server [ohne PUE] * Gerundete Werte auf Basis existierender Produkt LCAs ** Gerundete Werte nach EnergyStar TEC Class A und C PC: 6h active/idle (60W), 18h low power/standby (4W), 365d/a = 158kWh/a TC: 6h active/idle (10W), 18h low power/standby (2W), 365d/a = 35kWh/a *** Umrechnungsfaktor (Energiemix Deutschland 2010) 100kWh = 59 kgco2 **** 47,5 Thin Clients pro Server (90% SBC, 10% HVD) Quellen u.a.: Bitkom / Borderstep

14 Vergleich Energieeffizienz Server Avg. Server 2009 Hewlett-Packard Company ProLiant DL385 G6 Performance to Power h/d Wh/d Performance Power Workload ssj_ops (W) 100% Ratio % % % % % % % % % Active Idle Performance /W ssj_ops / power = 1394,71 kwh/a: 1323,49 Ø 564,0 30% constant workload: kwh/a: 1471,68 Ø 953,0 Workload 30% Workload 100 0, , , , , , , , , , , ,00 24 Avg. Server 2012 Performance Power Target Load ssj_ops (W) Supermicro SYS-7047R-72RF Performance to Power h/d Wh/d 100% Ratio % % % % % % % % % Active Idle Performance/ W ssj_ops / power = 3145,53 kwh/a: 1657,83 Ø 2510,5 50% constant workload: kwh/a: 1760,76 Ø 50% Workload , , , , , , , , , , , ,00 24 Quelle: SPECpower Datenbank ( )

15 Technisches Verbesserungspotential Moore s Law + Auslastung Moore s Law 4,45 Auslastung 2,34 1,92

16 Koomey s Law Moore s Law (1): Moore s Law hat in der Vergangenheit und träge noch zu einer periodischen Verbesserung der Energieeffizienz bei Koomey s Law: Energieeffizienz verdoppelt sich alle 18 Monate Wird dieser Trend anhalten? Picture source: Koomey (Stanford), Berard (Microsoft), Sanchez (Carnegie Mellon) Wong (Intel): ASSESSING TRENDS IN THE ELECTRICAL EFFICIENCY OF COMPUTATION OVER TIME, 2009

17 Grenzen des Mooreschen Gesetzes Moore s Law (2): Die Kosten für FuE, Fertigung und Tests wachsen mit jeder neuen Fab-Generation parallel zu Moore s Law (Rock s Law) Technische Herausforderungen: hohe Energiedichte, Spannungsanpassung im Grenzbereich, Elektromigration, etc. Studien zeigen zudem auch ökonomische Grenzen von Moore s Law um 2020 Picture source: Rupp K., Selberherr, S.: The Economic Limit to Moore s Law, IEEE Transactions on Semiconductor Manufacturing, VOL. 24, NO. 1; February 2011

18 Telekommunikation (Modell) DE Backbone Aggregation Access User Equipment Bestand (Deutschland) ~50 Units IP/MPLS Router, Optical Link, ~10 4 Units Nodes to Internet ~10 5 Units Skalierung: ca. 1 : ~10 8 Units CPE + PC, NB, TC, Leistung (W) Equipment W (kaum lastadaptiv) W (kaum lastadaptiv) W (kaum lastadaptiv) W (lastadaptiv) Modern IP/WDM & Legacy Equipment

19 TK-Netze sind auf Lastspitzen ausgelegt DE-CIX-Internet-Knoten Frankfurt 09/2012: Spitzenlast bis zu zwei Terabit pro Sekunde Tbps Tbps

20 Zusammenfassung Datenverkehr wächst mit und ohne Cloud Computing (Video, Big Data) Hardware-Bedarf im Zugangsnetz skaliert mit dem Bandbreitenbedarf der Endnutzer Ausbau optischer Technologien (FTTH) Hardware-Bedarf im Kernnetz skaliert mit der Spitzlast Lastverschiebung / intelligentes Routing Da die Umweltbilanz maßgeblich von der Nutzungsphase bestimmt wird, könnte ein lastadaptiver Betrieb und die Nutzbarmachung regenerativer Energien die Umweltlast im TK-Bereich senken Thin Clients haben Potential zur Senkung des Carbon Footprints, wenn das Leistungs-Energie-Verhältnis von Server weiter sich verbessert Kurze Latenzzeiten (Geschwindigkeit/Bandbreite vom Chip zum Terminal) und lokal vorgehaltene Dienste (Forward Caching) können Thin Clients und Cloud Computing effizient machen Prozessor, Speicher und Komplexität der Leiterplatte bestimmen die Umweltlast jeglicher IKT-Hardware (Lebenszyklus orientiertes Design)

21 Vielen Dank für Ihre Aufmerksamkeit Dr. phil. Lutz Stobbe Fraunhofer-Institut für Zuverlässigkeit und Mikrointegration (IZM) Abt. Environmental and Reliability Engineering Tel.: +49 (0)