您现在的位置是:首页 > 业界业界

蚂蚁集团2021年“绿色计算”减排近3万吨,开放7项相关技术专利

查看 cc博主 的更多文章cc博主2022-04-21【业界】474人已围观

4月21日消息,蚂蚁集团已于今日正式加入“低碳专利承诺”,并首次承诺将7件“绿色计算”相关专利无偿开放。全球任何个人、企业、机构都可以根据该承诺免费使用这些专利来促进节能减排。目前惠普、微软等多家科技公司加入了“低碳专利承诺”。

蚂蚁集团从2019年开始研发“绿色计算”技术,并于去年“双11”期间首次规模化应用,2021年蚂蚁集团的资源利用率已达到2019年的两倍。

在刚刚公开的蚂蚁集团碳中和进展中,经中环联合认证中心(CEC)测算,2021年度蚂蚁集团通过

“绿色计算”的相关能力,合计节电46,769,739度,可供350万辆纯电动汽车行驶100公里;减排

29,591.48吨二氧化碳当量,相当于燃油小客车行驶1亿5千万公里。此次披露是蚂蚁集团在规模

化应用“绿色计算”技术体系后,公布的首份年度技术减排成绩单。

蚂蚁集团2021年“绿色计算”减排近3万吨,开放7项相关技术专利 第1张 测算报告显示,蚂蚁集团这套聚焦于资源提效的“绿色计算”技术体系,来自可信原生、技术风险、原生分布式数据库(OceanBase)、智能引擎等多个技术领域。

可信原生是蚂蚁集团基于对下一代金融基础设施的诉求而搭建的一整套基础设施技术体系,包括了基础设施技术里的云原生技术、安全容器、机密计算、可信硬件等技术栈,具备稳定、安全、高效易用的特性。“绿色计算”主要用到了其中三个核心技术,分别是在离线混合部署技术、云原生分时调度、AI弹性容量。

其中,在离线混合部署技术,通过应用自研的Kata 安全容器的隔离技术,当CPU利用率达到很高水平时,在线业务和离线业务依然互不干扰,解决了在线和离线业务独立部署造成的浪费,目前Kata相关技术已开源;云原生分时调度技术,利用类似潮汐车道的设计,错峰编排在线和离线业务,把一份资源灵活分配给不同任务从而省下服务器;AI 弹性容量技术,结合自研的图计算流量周期算法和深度学习算法,把 AI 技术应用到业务容量预测,做到了秒级的容量感知和扩缩容,从而减少企业整体的机器保有数量。风险智能技术全面支持了上述资源提效技术的实现,保障提效中的系统稳定。

原生分布式数据库OceanBase,同样具备在离线混合部署、极致无损弹性和智能分时调度的能力,来实现计算、存储和网络方面的资源提效。比如基于LSM-Tree的数据高级压缩技术,在支付宝某业务从Oracle迁移到OceanBase后,数据压缩比提升了三分之二,由100TB压缩到33TB;再比如OceanBase可以做到在大促峰值结束30分钟内释放数千台服务器供其他业务使用,极大缩短资源占用周期,提高资源利用率。OceanBase已于2021年开源。

蚂蚁集团可信原生技术事业部总裁、蚂蚁集团基础设施委员会主席何征宇表示,蚂蚁集团坚持技术自主研发,这在“绿色计算”技术的发展过程中凸显了重要性:“如果科技公司手上的技术都是黑盒,都是购买的,基本上什么都做不了。蚂蚁对自研技术的长期投入在这一刻产生了回报。”

蚂蚁集团2021年“绿色计算”减排近3万吨,开放7项相关技术专利 第2张

随着社会的数字化转型,加之疫情的催化,交通、制造等行业产生越来越多的数据,需要消耗大量能源去获得算力。2021年10月中国信通院发布的《中国算力发展指数白皮书》显示,2020年我国算力总规模达到90EFlops,保持55%的高位增长,远高于全球增速。“绿色计算”就是科技公司针对降低计算能耗而提出的技术概念。中国科学院院士何积丰认为,“绿色计算”包括三个方面:采用高效节能的计算设备和配套设施、在保证可靠性的前提下提高计算资源分配效率、保障低成本低能耗的新型系统与应用。蚂蚁集团选择的技术道路,就侧重于提高资源分配效率,改善服务器使用率。

传统上,互联网科技公司降低能耗的途径主要通过降低数据中心PUE,但边际效应正在下降。中国信通院云计算与大数据研究所所长何宝宏此前撰文表示,“我国数据中心节能降碳效果已逐渐趋缓,部分超大型数据中心已接近极限PUE。”当前,阿里、华为、蚂蚁等部分领先科技企业的PUE已低于1.3,离1的极限只有不足30%进步空间。而据 Gartner 调研,全球数据中心平均使用率不足15%,PUE低于1.1的谷歌,利用率也只有60%。

因此,提前部署着眼于资源提效提升的“绿色计算”技术,将使行业获得更大的节能空间,中国的科技企业正在这一方向不断投入。

雷峰网(公众号:雷峰网)

Tags:机场v2raypc梯子推荐小火箭付费节点购买

文章评论

猜你喜欢

加入组织
广告

   有免费节点资源,我们会通知你!  加入纸飞机订阅群  

×
天气预报查看日历分享网页电报扫码留言评论Telegram