京公网安备 11010802034615号
经营许可证编号:京B2-20210330
探访腾讯北方最大数据中心:马化腾有多在乎你的数据安全
腾讯现今最大数据中心
在贵安数据中心的承载的业务量增长起来之前,雷锋网跟随数字中国万里行团队本次探访的腾讯天津数据中心仍是目前腾讯业务承载量最大的数据中心。就在2018年5月,腾讯天津数据中心服务器数量突破10万台,成为国内第一个单园区服务器数量突破10万的数据中心。
腾讯天津数据中心投产于2010年11月,是腾讯第一个全自建超大规模数据中心,也是目前中国规模最大的已建成数据中心,腾讯天津数据中心共四栋大楼,总建筑面积约92777平方米,其中2号楼为办公楼,另外三栋楼均为机房楼,建设时间和采用的技术均有差异。
腾讯天津数据中心实拍
1号楼投产于2010年,建筑面积约20446平方米,设计机架数1300个,设计总用电量18MW,单机架功耗8KW;
3号楼投产于2014年,建筑面积约38971平方米,设计机架数2300个,设计总用电量36MW,单机架功耗6.5KW;
4号楼投产于2017年,建筑面积约22516平方米,设计机架数1200个,设计总用电量18MW,单机架功耗6.5KW。
腾讯前三代数据中心经历了由厂房改建(传统方式)→自建园区(高压直流+free cooling)→模块化数据中心(采用MDC)的变化,2010年投产的1号楼是腾讯的第二代数据中心,实际负载在四年前已达9MW。2014年投产的3号楼属于腾讯的第三代数据中心。
单说10万台服务器服务器可能不太直观,我们以“数据存储”或“数据备份”来看,考虑到腾讯天津数据中心服役时间比较长,服务器新旧不一,假定硬盘的平均容量为4TB,每台2U服务器12个硬盘计算,可提供总容量480万TB,或者4800PB,或者4.8EB的数据。
再以该园区2号办公楼运营着的腾讯视频业务举例,倘若一部2个小时的蓝光高清电影按30GB来计算,相当于1.6亿部电影,要看3.2亿个小时,一个人36530年才能看完,这还只是一个数据中心的数据存储量。
如果把这些硬盘都换成12TB的希捷Exos X12氦气密封企业级硬盘,这个总存储容量会达到上面所说的三倍,功耗还可以下降10%-20%,甚至更多。如果折算成单位容量的功耗,那就可以低至三分之一以下。
作为腾讯如今最大的数据中心,如此之大的数据保有量,保证物理安全十分重要,为此,腾讯设立了五个防护圈,分别是红外周界、园区出入控制、大楼出入控制、楼内门禁控制以及生物识别控制,保护腾讯数据中心的数据。
从一号楼和三号楼数据中心的平面布局图可以看出,三号楼的功能区域分类明显比一号楼少,因为三号楼使用了MDC技术,在设计最初就把空调间、UPS间和电池间全都砍掉,相应的功能分布到MDC中,更为灵活、高效。
何谓MDC?据腾讯官方资料,模块化数据中心(Modular Data Center)是以微模块(Micro Module)为独立单位进行工厂预制、快速部署的数据中心,其中可包含多个不同功能、功率的微模块(Micro Module)配合使用,满足业务需求。
腾讯定制的TMDC=Frame&机柜(框架及机柜)+RPP(电源头柜)+HVDC(高压直流系统)+Inrow(精密空调),占地不过15平米的微模块却高度集成化,减少现场施工环节。
腾讯天津数据中心经理栗权告诉雷锋网(公众号:雷锋网),传统数据中心存在不少弊端,比如节能系统依靠建筑设计,很难更改;整体交付周期冗长(最快6-9个月),机架资源的储备度往往不能跟上业务增长的速度;施工单位众多,施工质量难以控制;由于一次性完成设计,后续较难适应因服务器侧的快速变化带来的变更需求,灵活性差;土建和IT建设紧耦合。拿地后需要立即启动土建设计和IT设计,两部分设计往往进度不匹配;UPS系统等存在事故隐患,也降低了电力转换效率。
采用TMDC技术的数据中心在很大程度上就能解决以上问题:
节能方面:TMDC颗粒度相对较小,便于综合多种节能措施,从而很好起到节能效果;
快速交付:微模块最快4周交付,快速的IT部署能力使低成本方式储备大量资源成为可能;
质量可控:通过在工厂预制,大幅度减少工程建设环节,减少安全事故风险;
生命周期:以微模块为单位,可灵活调整功耗、容量等配置;服务器生命周期结束后,也可以微模块为单位整体退役;
土建和IT建设分离。第一阶段只做土建部分,按简单厂房报建,预留标准接口给IT部分;
初期投资土建(不到20%)小,IT部分按需分期投入,分段验收;
高压直流彻底取代UPS,确保安全且效率高。
腾讯天津数据中心实拍
微模块技术最大的优势还在于节能,TMDC同时采用了通道封闭(5%-10%)、行间制冷(>4%)、HVDC+市电直供(8%)以及配电架构简化技术(4%),括号内数字即为该技术可节能比例。传统数据中心封闭冷通道或者热通道以提升效率,腾讯采用TMDC实现全通道封闭形成自循环,行间制冷可缩短内部送风距离,HVDC+市电直供减少了两次电力转换,效率更高,配电架构简化可减少前端线损1%,配电部分能耗已无需配套制冷,相应制冷能耗节约3%。
配电架构简化示例
栗权表示,若一个传统数据中心,原来PUE(PowerUsageEffectiveness,电源使用效率)=2.0,合理使用MDC后技术综合节能约24%,理论PUE可以降低至约1.5。
10万台服务器供电和散热是很大的一笔开销,这就要求各厂商们都在追求更低的PUE。以一台配备2个英特尔至强金牌5118处理器(至强可扩展处理器家族在中国企业级市场上销量最好的一款)的双路服务器作为参考模型,满载功耗约400瓦,那么,10万台服务器一年的电费就是3.5亿度
如果PUE=1.5,每年电费支出就是5.25亿度;如果PUE降到1.2,每年就可以节约超过1亿度电。
栗权展示出了腾讯天津数据中心1号楼和3号楼的实际PUE数据对比,可以明显的看出,一年周期内采用了MDC技术的数据中心节能效果明显优于上一代,3号楼冬天关闭冷机是PUE低至1.2。
1号楼和3号楼实际PUE对比
在2015年腾讯云召开了“腾讯云2015年渠道伙伴大会”,会议地点正是腾讯天津数据中心,此举也被业界理解为秀肌肉的表现,毕竟一家公有云厂商如果连自建数据中心都没有,说话气势都要比其他云厂商弱一截。
腾讯天津数据中心实拍
腾讯在数据中心领域起步比较早,早在2006年就在深圳租了一栋楼开始尝试数据中心的建设和创新,2007年便开始了第一个20万规模数据中心的设计与建设,也就是现在天津数据中心的原型。2014年开始腾讯在深汕合作区和上海青浦也同时在建两个10万量级的数据中心。天津数据中心为腾讯独立建设与运营,深汕和青浦数据中心则是和运营商合作建设的大规模数据中心。
据国际行业研究&咨询机构Forrester发布的《2018年中国全栈公有云开发平台Wave报告》,腾讯云凭借优秀的产品服务能力、前瞻性战略视野,突出的市场表现,以3.76分的综合评分位列中国厂商第二名;此外IDC数据显示,腾讯云在2017年中国公有云IaaS厂商中稳居第二,市场份额超过10%。
腾讯云的市场表现离不开全球范围内数据中心的支撑,腾讯云在全球 25 个地理区域内运营着 48 个可用区,地理区域扩张是腾讯云全球化布局的首要任务,今年腾讯云还计划陆续上线多个区域和可用区。
如果腾讯天津数据中心的10万台服务器全部用于腾讯云业务,考虑到腾讯云已经在至强可扩展处理器这一代开始向英特尔定制规格较高的至强金牌61系列处理器,用于云计算的服务器存储、网络等配置又普遍较高,一台服务器的功耗可以达到600瓦,前述所列的支出还要增加一半。
在动辄上亿的开销下,哪怕“只是”1%的效率改善也意味着上百万的成本节省,这也是腾讯仍在深化数据中心自研道路的缘由所在。
贵安七星数据中心将采用T-block技术,T-block是由腾讯历时两年自主研发的第四代数据中心技术,外观是形似集装箱体的“方仓”,由办公箱、供电模块箱、两个IT模块箱、制冷模块箱A和制冷模块箱B六大模块组成。而通过这些方仓的标准化对外接口,可以实现便捷快速的大规模拼装对接。采用“搭积木”方式,全数据中心建设实现模块化配置及快速拼装,贵安七星数据中心施工周期还要更短。
与传统集装箱数据中心不同的是,T-block可以采用集装箱并柜或是钢架结构拼接等多个方式实现,拓宽了T-block的应用场景。2016年4月26日工信部电信研究院对腾讯T-block进行了24小时不间断带载测试,测得日电度PUE=1.0955,当然实际PUE存在偏差。
马化腾在各种公开场合曾经不止一次的谈及腾讯的数据中心和云计算,其最被广泛传播的话是在2010年的深圳IT峰会上,马化腾表示云计算要几百年后、一千年后才有可能到达阿凡达那种现象,这时候做云计算还显得过早。说归说,做归做,腾讯云的快速转变让业界柞措手不及,云计算业务在马化腾的支持下站在腾讯集团中央,要钱有钱要人有人,五到十年内投入100亿,这还不算前期投资。
马化腾两次为腾讯天津数据中心站台,腾讯全国各地数据中心落地仪式他也多次出席,腾讯其实早已有一个关于数据中心的“梦想”。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14