Опубликовано: 02.10.2026 | Источник: CNews (новости)

Охлаждение дата-центров в ВКР: от мезопористого силикагеля до метрик PUE

Поддомен: Cloud/DevOps (на стыке с Data Engineering). Роль эксперта: DevOps/SRE-инженер.

Введение

26 марта 2026 года в CNews вышла новость: специалисты ФИЦ «Институт катализа СО РАН» исследовали структуры на основе мезопористого силикагеля для систем охлаждения дата-центров. Простыми словами — учёные работают над тем, чтобы тепло от стоек уходило эффективнее, а значит, росла плотность вычислений и падал расход энергии на охлаждение. Для вас это не абстрактная химия: PUE, WUE и тепловые бюджеты стоек уже сегодня спрашивают на защитах и в техсобесах. Пока одни рисуют ER-диаграммы, другие считают, сколько киловатт уходит «в воздух». В этой статье — как выжать из этой темы защищаемую ВКР: с архитектурой, метриками, схемами и кодом приёма телеметрии с датчиков. Даже если вы не материаловед.

Основная часть: три сценария ВКР и как их реализовать

Химия силикагеля вам в диплом не нужна — нужен он как повод построить ИТ-систему вокруг физического процесса. Ниже три темы, которые реально защитить на кафедре ИТ/ИВТ, с актуальностью, целью, задачами и структурой. Ниже в таблице — их «скелет».

Тема ВКР	Актуальность (отсылка к статье)	Глава 1	Глава 2	Глава 3
Система мониторинга PUE для дата-центра на IoT-датчиках	Новый теплоноситель на пористом силикагеле требует более точного контроля температурного поля стоек; существующие DCIM-решения дороги и негибки	Анализ метрик PUE/WUE, обзор ASHRAE-диапазонов, обзор OpenTelemetry	Проектирование шины телеметрии (MQTT → Prometheus → Grafana), C4-диаграмма контейнеров	Расчёт PUE на модели нагрузки, сравнение с базовым сценарием, тестирование деградации
ML-прогноз тепловой нагрузки стойки для предиктивного управления охлаждением	Переход на новые пористые структуры меняет тепловую инерцию контура — классические PID-регуляторы «плывут»	Обзор методов прогнозирования временных рядов, постановка задачи регрессии	Пайплайн сбора данных, обучение LSTM/Prophet-модели, UML-диаграмма классов сервиса	Метрики MAE/RMSE, сравнение с наивным прогнозом, оценка экономии кВт·ч
Цифровой двойник теплового контура ЦОД для моделирования теплоносителей	Испытания новых сорбентов невозможно «в боевом» ЦОД — нужна песочница для CFD-сценариев	Анализ CFD-инструментов (OpenFOAM), обзор подходов к цифровым двойникам	Архитектура микросервисов двойника (Kubernetes, API-шлюз), схема данных	Валидация на реальных логах, замер задержки отклика, сценарии отказа

Шаг 1. Что вытащить из статьи в первую главу

Глава 1 — это не пересказ новости. Возьмите из публикации три конкретных факта: сам материал (мезопористый силикагель), цель исследования (интенсификация теплоотвода) и прикладной контекст (энергоэффективность ЦОД). Оформите как «анализ современного состояния вопроса»: 2–3 страницы текста + таблица сравнения теплоносителей (вода, воздух, иммерсионная жидкость, пористые структуры) по критериям теплоёмкость / стоимость / сложность обслуживания. Здесь же уместно сослаться на ISO/IEC 25010 в части характеристики performance efficiency, когда будете формулировать требования к системе мониторинга.

Шаг 2. Проектирование и диаграммы (вторая глава)

Что рисовать, чтобы нормоконтроль не взвыл и комиссия поняла:

C4 Level 1–2 — контекст системы и контейнеры: датчики, брокер MQTT, сервис-приёмник, TSDB, дашборд, нотификатор.
UML Sequence — путь одного замера температуры от датчика до алерта при превышении порога.
UML Component — разбиение на модули сбора, нормализации, агрегации и хранения.
ASCII-схема тепловой карты стойки (если нет нормального инструмента):

Стойка 42U — карта температур (t°C по датчикам)
┌──────┬──────┬──────┬──────┐
│ 21.4 │ 22.0 │ 23.1 │ 24.8 │  U1–U10  (вход холод. коридора)
├──────┼──────┼──────┼──────┤
│ 24.0 │ 25.2 │ 27.8 │ 30.1 │  U11–U20
├──────┼──────┼──────┼──────┤
│ 28.7 │ 31.4 │ 33.9 │ 35.2 │  U21–U30 (застойная зона)
├──────┼──────┼──────┼──────┤
│ 30.1 │ 32.8 │ 34.5 │ 36.0 │  U31–U42 (выход горяч. коридора)
└──────┴──────┴──────┴──────┘

Порог ASHRAE для класса A1 — 32 °C на входе, так что нижний правый угол — прямой кандидат на перекладку кабельной организации или замену теплоносителя. Вот вам живая привязка к статье.

Шаг 3. Код и метрики (третья глава)

Минимальный работоспособный приёмник телеметрии, который можно показать в приложении к ВКР. Пример на Python с OpenTelemetry-совместимым экспортом:

import paho.mqtt.client as mqtt
from prometheus_client import start_http_server, Gauge

TEMP = Gauge('rack_inlet_temp_celsius', 'Температура на входе стойки', ['rack', 'u'])
POWER = Gauge('rack_power_watts', 'Потребляемая мощность', ['rack'])

def on_message(client, userdata, msg):
    # topic: dc/rack01/sensor/t_in, payload: JSON {"rack":"r01","u":17,"t":23.4}
    data = json.loads(msg.payload)
    TEMP.labels(data['rack'], str(data['u'])).set(data['t'])
    # PUE считаем не тут, а на агрегаторе раз в 60 с

client = mqtt.Client()
client.on_message = on_message
client.connect('mqtt-broker.dc.local', 1883)
client.subscribe('dc/+/sensor/#')
start_http_server(9100)
client.loop_forever()

Метрики, которые обязаны попасть в главу 3:

PUE = общее потребление ЦОД / потребление ИТ-оборудования. Норма — 1.2–1.4 для современных площадок, 2.0+ — повод для статьи.
WUE — литры на кВт·ч, если контур испарительный.
Задержка отклика телеметрии — p50/p95/p99, снимается через OpenTelemetry-трейсы.
Точность прогноза — MAE/RMSE для ML-темы, обязательно с baseline (наивный предыдущий час).

Шаг 4. Требования и нормоконтроль

ТЗ по ГОСТ 34.602 — если у вас АС, по ГОСТ 19.201 — если ПП. Схемы — по 19.701. Диаграммы C4 вставляйте как приложение или в главу 2 с подписью «Рисунок N — ...». Часто вузы просят ещё и UML по нотации OMG — уточняйте на кафедре заранее, это спасёт неделю переделок. Если нужна помощь с оформлением или вы хотите заказать диплом под консультацией профильного инженера — это ровно тот случай, когда экономия времени важнее самолюбия.

FAQ: что реально спрашивают на консультациях

Где взять реальные данные по температурам ЦОД, если у меня нет доступа к серверной?

Три пути. Первый — публичные датасеты: Telemetry из Azure Trace, датасеты конференций по Green Data Center. Второй — эмулятор: поднимаете стенд из двух машин, кладёте нагрузку через stress-ng, снимаете lm-sensors и IPMI. Третий — симулятор CFD (OpenFOAM, 6SigmaET trial) и генерация синтетики по фактическим тепловым профилям из статьи. В ВКР обязательно опишите методику генерации — это защищаемый пункт.

Обязательно ли считать PUE? Кафедра гуманитарная, могут не понять.

Не обязательно, но выгодно. PUE — универсальный язык: он конвертирует «интересную физику» в «деньги и энергоэффективность». Даже на профильной кафедре формулу никто не оспорит, она из стандарта ISO/IEC 30134-2. Если совсем не хочется — замените на относительный показатель «энергия на 1 транзакцию», но логика та же.

Какой стек выбрать — Prometheus+Grafana или самописный на Flask?

Prometheus + Grafana, если хотите масштабируемость и не хотите писать алертинг самому. Самописный Flask — если кафедра просит «свою разработку» и готова принять 150 строк как достаточную. Компромисс: приём данных на FastAPI, хранение в TimescaleDB, визуализация — Grafana. Так у вас и «свой код», и не изобретённый заново мониторинг.

Насколько «умной» должна быть ML-модель в ВКР бакалавра?

Достаточно линейной регрессии с лагами и одного градиентного бустинга для сравнения. Никто не требует трансформеров. Важнее — корректный временной сплит (без утечки будущего), метрики и интерпретация. LSTM — плюс к «вау», но не обязателен. Помните: комиссия спросит, почему выбрали именно эту архитектуру, и «потому что модно» — плохой ответ.

Чек-лист «Что проверить перед сдачей»

Каждая задача из введения отражена хотя бы одной главой и одним выводом — прослеживаемость не на словах, а в тексте.
PUE/WUE/MAE посчитаны на конкретных числах; указано, откуда данные и как считали.
C4/UML/ASCII-схемы подписаны как «Рисунок N», есть ссылки из текста.
Код в приложениях компилируется, зависимости зафиксированы (requirements.txt или Dockerfile).
Ссылки на источник и стандарты оформлены по ГОСТ Р 7.0.5-2008, дата обращения указана.
Проверка на антиплагиат пройдена, техническая часть переписана своими словами, а не скопирована из документации.
ТЗ и руководство пользователя соответствуют ГОСТ 34.602 / 19.505, если это АС/ПП.

Типичные ошибки студентов на этой теме:

1. Физика ради физики. Половина работы — пересказ химии силикагеля, а ИТ-часть — два абзаца. Комиссия ИТ-кафедры такое не примет. Держите пропорцию 20/80 в пользу вашей системы.

2. Метрики без методики. «PUE стал лучше» — не результат. Покажите формулу, окно усреднения, источник данных и погрешность. Иначе первый же вопрос «а как вы это измерили?» — и защита посыпалась.

3. Игнорирование статьи как источника. Новость от 2026-03-26 — свежая, и на неё можно и нужно ссылаться во введении и первой главе. Это показывает, что вы работаете с актуальным состоянием области, а не с учебником 2015 года.

Если тема кажется «сырой» и непонятно, как связать химию с вашей специальностью — это нормально, с этого начинают почти все. Наши инженеры помогут сформулировать гипотезу, подобрать стек и выстроить структуру так, чтобы работа была защищаемой. Первая консультация — бесплатная, объём помощи — от 120 часов. Пишите, разберёмся вместе.

Материал подготовлен экспертами компании [Название сайта]. Мы помогаем студентам с 2010 года. Если вам нужна помощь в разработке темы или оформлении работы, наши специалисты готовы подсказать.

Последнее обновление: 2026-10-02

Источник: Химики совершенствуют технологию охлаждения оборудования дата-центров (опубликовано 2026-03-26)