沉入海底 2 年的微软数据中心浮出水面:故障率只有陆地上的 1/8,除了长点贝类和藻类完全没问题...

水下数据中心:开启未来科技新篇章 相信随着科技的不断进步,水下数据中心将在未来发挥更加重要的作用,推动数字化时代的发展。空间利用率高:地球表面的70%都是水,而陆地资源有限,部署水下数据中心能够充分利用水域资源,提高数据中心的空间利用率,满足不断增长的数据存储需求。低延迟传输:水下数据中心可以靠近用户,减少数据传输的距离,从而实现低延迟的数据传输和高速网络连接,提供更好的用户体验。低延迟传输:水下数据中心能够靠近用户,减少数据传输的距离,实现低延迟的数据传输和高速网络连接,提供更好的用户体验。的函数,用于模拟水下数据传输的过程。 阅读详情
点上方“菜鸟学Python”,选择“星标”
450篇原创干货,第一时间送达

2014年微软首次提出了水下数据中心概念,当时认为这个概念有望为沿海人口提供高速云服务,并节省能源。

2015年,微软在太平洋开展为期105天的部署过程中证明了水下数据中心概念是切实可行的。

2018年,微软把一个数据中心沉入苏格兰北部冰冷的海底。

2020年9月份,微软将沉入海底经过两年试运行的数据中心从海床上捞了回来,研究人员对其进行了评估,得出的第一个结论就是:水下数据中心的服务器故障率比传统数据中心更低。

整个过程简单描述一下:

下水前的样子:

两年后

使用龙门起重机从苏格兰奥克尼群岛附近的海底吊起了“北方群岛”数据中心:

近距离能看到表面有变化:

拖到了奥克尼斯特罗姆内斯的一个码头:

数据中心外面长出了一层海藻、藤壶和海葵:

充满压载物的底座的隐蔽角落里长出来的海葵:

开始强力清洗“北方群岛”水下数据中心:

露出真容,数据中心密封前充满了干燥的氮气,将数据中心与充满压载物的底座分开来,准备运到陆地:

移除水下数据中心的管端盖板:

检查水下数据中心的内部:

从水下数据中心移除一台服务器,研究人员将对该服务器进行分析,帮助查明水下数据中心中服务器的可靠性为何比陆地同样数据中心中的服务器高8倍。

开始移除12个服务器机架和相关的冷却系统基础架构:

微软表示,目前微软研究的重点是如何解决金属舱体腐蚀和生物污损问题,毕竟长期放在海水里金属会被慢慢腐蚀从而影响数据安全。

首先,当然是保持数据中心大型钢容器内部的干燥;其次是找出利用周围海水冷却内部服务器的最佳方法;最后还有一个问题是,如何处理会不可避免地粘在水下容器上的藤壶及其他海洋附着生物。

目前,Ben Cutler表示水下数据中心已经迈过了科学实验的阶段,但还有一个值得深思的问题:是设计一个大的水下数据中心还是小的水下数据中心?

另外,对于水下数据中心何时能商业化,微软表示将持谨慎态度,且也有信心证明这个想法的最终价值。

@科学探索猫专门做了一期视频探讨:微软为何将数据中心放在海底?挺有意思,一起看看:

希望能够出现更多这些看似荒谬无稽实则效果卓群的数据存储方式。毕竟如今社会飞速发展,数据化已是不可避免的趋势,越来越多的数据意味着越来越大的负载,只有出现更多稳定长效的贮藏方式,才能对数据的维护和留存有更好的解决方案,这对于未来人类文明的传承也是重要的一步。

转自:直观学机械、蓝点网

推荐阅读:
入门: 最全的零基础学Python的问题  | 零基础学了8个月的Python  | 实战项目 |学Python就是这条捷径
干货:爬取豆瓣短评,电影《后来的我们》 | 38年NBA最佳球员分析 |   从万众期待到口碑扑街!唐探3令人失望  | 笑看新倚天屠龙记 | 灯谜答题王 |用Python做个海量小姐姐素描图 |
趣味:弹球游戏  | 九宫格  | 漂亮的花 | 两百行Python《天天酷跑》游戏!
AI: 会做诗的机器人 | 给图片上色 | 预测收入 | 碟中谍这么火,我用机器学习做个迷你推荐系统电影

年度爆款文案

点阅读原文,领廖雪峰大数据视频资料!
GWAS与eQTL相结合,进一步筛选疾病相关基因 欢迎关注”生信修炼手册”!在GWAS分析结果中,大部分显著的SNP位点都位于非编码区,很难直接挖掘这些位点的调控机制。通常假设与疾病关联的SNP位点通过调控基因表达来发挥作用,而eQTL... 阅读详情

相关推荐

《AI应用架构师必学:企业AI能力地图构建的高级技巧》

企业AI能力地图,简单来说,是一种可视化工具,它展示了企业在AI领域所具备的各种能力及其相互关系。就如同城市地图展示城市的街道、建筑和设施一样,AI能力地图呈现了企业在数据处理、模型开发、算法应用等多个方面的能力布局。

AGI×大数据,开启智能时代的认知跃迁;解码AGI,赋能数据驱动的智能革命。 819

浅谈:微软将服务器沉入海底

2018年6月1日,美国著名的的跨国电脑科技公司微软将一个长约12米,直径接近3米的胶囊状海底舱数据中心沉入苏格兰水域。 据了解到,这部海底舱数据中心长越12米,直径约为3米,体积与海运集装箱一般大小,因为所沉海底的深度大约为35.6米,肯定需要有极佳的密封性能,所以该数据舱设计成了子弹造型。如下图: 这个在海底嗡嗡作响的Northern Isles数据中心一共装载了864台服务器,存储空...

李公子的博客 3539

物联网开发笔记(34)- 使用Micropython开发ESP32开发板之控制步进电机(28BYJ-48)

使用Micropython开发ESP32开发板之控制步进电机(28BYJ-48)

zhusongziye的博客 1万+

微软海底数据中心:辉煌还是疯狂?

对于海底云计算,你准备好了吗?微软公司已经建立和部署了海底数据中心,该数据中心部署在潜水容器中,其服务器将在海底运行三个月时间。该研究原型被称为纳提克项目,是微软公司不断追求寻找负担得起的方式,来部署可持续的云数据中心计划的一部分。 纳提克项目代表着一个部署数据中心的容量全新的方法,这可能使微软的数据中心的模块化设计,从陆地转移到海上。在数据中心设计取得...

weixin_33943836的博客 643

一文带你弄懂thermal governor IPA

当current temp < target temp时,使用k_pu,当current temp >= target temp时,使用k_po。如果current_temperature = switch_on_temp时,则k_p = k_pu,这时Pmax。如果current_temperature = target_temp时,则k_p = k_po,这时Pmax。2、解析dts,获得switch_on_temp和target_temp。3、初始化k_pu/k_po/k_i/k_d的常数。

yxw0609131056的博客 1245

抖音直播参数逆向实战:手把手教你用Python获取ttwid和x-bogus(附完整代码)

本文深入解析抖音直播接口的反爬机制,重点剖析核心防护参数ttwid和x-bogus的生成原理与作用。通过Python实战,手把手教你逆向获取ttwid、webid等关键参数,并构建稳定的数据采集方案,为开发者提供企业级数据获取能力。

weixin_29196891的博客 1044

把数据中心建在海底,“水中捞月”的微软是怎么想的?

“小提示:后台回复关键词“2.0图谱”可获取《2021中国数据智能产业图谱2.0版》高清PDF版原图。未来数据猿还将继续升级迭代3.0版产业图谱,如对本图谱有异议或申报参与3.0版,请与文...

数据猿 962

【保姆级教程/代码】GNSS反演大气可降水量(Precipitable Water Vapor, PWV)

GPS精密单点定位(PPP)是一种采用精密卫星星历和卫星钟差进行非差单点定位的方法,在观测过程中采用双频载波相位观测法以确保高精度定位精度。本文利用PPP技术来求解天顶对流层延迟(zenith tropospheric delay,ZTD)。ZTD由湿延迟(ZWD)和干延迟(ZHD)组成,其中占比90%的ZHD与地面测站高程、大气压和测站纬度等参数有良好的相关性,可以通过Saastamoinen模型精确求出;

weixin_43910227的博客 2926

沉入海底2年的微软数据中心浮出水面:故障率只有陆地上的1/8,除了长点贝类和藻类完全没问题...

2014年微软首次提出了水下数据中心概念,当时认为这个概念有望为沿海人口提供高速云服务,并节省能源。2015年,微软在太平洋开展为期105天的部署过程中证明了水下数据中心概念是切实可行的。...

数据中心运维管理 538

【视频讲解】Python量子计算聚类Q-means:量子k-means算法分析电路数据实现可视化...

全文链接:https://tecdat.cn/?p=37821分析师:Yifan Zhang量子计算在近期已然成为一个频繁出现的热门概念。尽管它在大众认知以及互联网社区中备受瞩目,热度极高,然而就其实际能力而言,当前仍然存在诸多局限(点击文末“阅读原文”获取完整代码数据)。量子计算作为一个全新的领域,带来了相较于传统经典计算模式的重大范式转变。在量子计算的体系中,传统的 0 或 1 的经典比特被一...

拓端研究室TRL 1456

YOLO11实战优化:长尾分布解决 | 引入Seesaw Loss配合YOLO11分类头,完美应对类别极其不平衡的现实业务场景

摘要: YOLO11在工业缺陷检测等长尾分布场景中面临尾部类别检测失效的问题,根源在于头部类别样本的负样本梯度压制了尾部类别的学习。传统方法如重采样、Focal Loss等效果有限。Seesaw Loss通过动态调整缓解因子和补偿因子,平衡类别间的梯度分布,结合YOLO11的解耦分类头、Anchor-Free设计和C2PSA/C3K2模块,显著提升尾部类别识别能力。文章详细解析了Seesaw Loss的数学原理,并提供了可直接集成到YOLO11的PyTorch实现代码,为长尾分布下的目标检测提供了实用解决方

2601_95807009的博客 252
上一篇: Python刷题之路,怎样做才能让技术突飞猛进
下一篇: 用Python绘制北京近一年来空气质量热力图,看看北京的沙尘暴真的多吗?
菜鸟学Python
博客等级 码龄9年 8062粉丝 571原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值