ICS35.240.01 CCSL61DB23 黑龙江省地方标准 DB23/T3512—2023 大数据中心算力评估规范 2023-07-05发布 2023-08-04实施 黑龙江省市场监督管理局 发布 DB23/T3512—2023 I前言 本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定 起草。 请注意本文件的某些内容可能涉及专利，本文件的发布机构不承担识别专利的责任。 本文件由黑龙江省互联网信息办公室提出并归口。 本文件起草单位：黑龙江省大数据产业协会、哈尔滨鹏博普华科技发展有限责任公司、黑龙江省交 投信息科技有限责任公司、黑龙江护理高等专科学校、哈尔滨财富通科技发展有限公司、黑龙江亿林网 络股份有限公司、黑龙江省网络空间研究中心、哈尔滨智路科技开发有限公司、黑龙江省交投千方科技 有限公司、哈尔滨工业大学软件工程股份有限公司、哈尔滨双创网络孵化器服务有限公司。 本文件主要起草人：石见昕、杨明、盛晟、赵达阳、孙传友、孙甲子、李璐昆、纪云龙、肖鸿江、 宋成龙、王保龙、李冰冷、叶爽、李文才、乔凤仪、冯冬鑫、姜子寒、王唯合。 DB23/T3512—2023 1大数据中心算力评估规范 1范围 本文件规定了大数据中心算力评估方法。 本文件适用于大数据中心算力评估、并为大数据系统研发、测试、生产、应用提供数据参考，同时 可作为大数据中心能力的评价依据。 2规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件， 仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本 文件。 GB40879-2021数据中心能效限定值及能效等级 GB50174-2017数据中心设计规范 GB50462-2015数据中心基础设施施工及验收规范 3术语和定义 GB40879-2021、GB50174-2017、GB50462-2015界定的以及下列术语和定义适用于本文件。 3.1 算力 是指某一运算精度下的计算速度，单位是FLOPS。 3.2 数据中心算力 是数据中心的服务器通过对数据进行处理后实现结果输出的一种能力。 3.3 通用算力 由CPU为代表的通用计算能力，本文使用平均单机架“每秒浮点运算次数”来评估数据中心的通用 算力，单位采用TFLOPS（FP64，双精度浮点算力）。 3.4 智能算力 由GPU、AI芯片为代表的智能计算能力，本文使用平均单机架“浮点运算次数”来评估数据中心的 智能算力，单位采用TFLOPs（FP32/FP16，单精度/半精度浮点算力）。 3.5 算效能力 为数据中心算力与所有IT设备功耗的比值，是同时考虑数据中心计算性能与功率的一种效率。 DB23/T3512—2023 23.6 存储能力 采用存储容量（TB）和每秒读写次数（Input/OutputOperationsPerSecond，IOPS）来衡量存储 的能力。 3.7 网络能力 采用网络带宽速度来衡量网络的性能，单位为Gbit/s，即每秒传输的比特位数。 4大数据中心算力评估方法 4.1大数据中心算力“五力”模型 选取五个指标对数据中心算力进行评估，分别为：通用算力、智能算力、算效能力、网络能力、存 储能力。大数据中心算力（ComputationalPower，CP）的模型，其中CP=f（通用算力，智能算力， 算效能力，存储能力，网络能力）见图1。 图1大数据中心算力图 4.2大数据中心算力指标分级标准 大数据中心算力分项指标分级标准见表1。 DB23/T3512—2023 3表1大数据中心算力分项指标分级标准 编号 等级1 等级2 等级3 等级4 等级5 通用算力 /TFLOPS0～100（不含）100～200（不含）200～500（不含）500～1000（不含）1000以上 智能算力 /TFLOPs0～1000（不含）1000～1500（不含）1500～2500（不含）2500～5000（不含）5000以上 算效能力 /GFL0PS/W0～10（不含）10～20（不含）20～30（不含）30～50（不含） 50以上 网络能力 /Gbit/S0～1（不含）1～10（不含）10～100（不含）100～1000（不含）1000以上 存储能力 /KIOPS0～1（不含）1～10（不含）10～100（不含）100～1000（不含）1000以上 4.3星级标准参照表 根据大数据中心分项指标约束，建立大数据中心最优组合星级标准参照表见表2。 表2大数据中心最优组合星级标准参照表 数据中心通用算力智能算力算效能力网络能力存储能力 星级 DC1 等级1 等级1 等级1 等级1 等级1 ★ DC2 等级2 等级2 等级2 等级2 等级2 ★★ DC3 等级3 等级3 等级3 等级3 等级3 ★★★ DC4 等级4 等级4 等级4 等级4 等级4 ★★★★ DC5 等级5 等级5 等级5 等级5 等级5 ★★★★★ 注：“DC”代表评测的数据中心，星级越高越好，五星为最高。数值为表1中的等级。 4.4大数据中心算力综合指标评估方法TOPSIS 4.4.1评估方法TOPSIS TOPSIS是一种常用的综合评价方法，其能充分利用原始数据的信息，其结果能精确地反映各评价 方案之间的差距。 4.4.2使用TOPSIS评估法计算 TOPSIS评估法见附录A。 4.4.3综合指标星级评定对应表 综合指标星级评定对应表见表3。 DB23/T3512—2023 4表3综合指标星级评定对应表 相对对应度 TOPSIS计算结果与星级评定对应表 值范围0～0.25（不含）0.25～0.50（不含）0.50～0.70（不含）0.70～0.85（不含）0.85～1.00 等级 ★ ★★ ★★★ ★★★★ ★★★★★ 注：星级越高越好，五星为最高。 5大数据中心算力评估程序 大数据中心算力评估程序见附录B。 DB23/T3512—2023 5AB（资料性） C数据中心算力评估程 附录A （资料性） 大数据中心算力综合指标TOPSIS评估法 大数据中心算力综合指标TOPSIS评估法 TOPSIS是一种常用的综合评价方法，其能充分利用原始数据的信息，其结果能精确地反映各评价 方案之间的差距。当已知n个样本和m个指标的数据时，需要进行评价决策时我们就可以采用TOPSIS 法来分析解决。具体算法见图A.1。 标引序号说明：  ih──正理想解的欧式距离；  ih──负理想解的欧式距离； ──分项指标； ──分项值1-5； iQ──相对接近度。 DB23/T3512—2023 6图A.1TOPSIS评估法 示例： 步骤一理清指标的数据类型 四种指标类型，先将已知的指标确定其类型即可，具体指标类型有以下四种： 极大型:数值越大越好；极小型:数值越小越好 区间型:数值在一定范围内最好；中间型:接近中间数值最好 大数据中心的指标类型都为数值越大越好，因此数据类型选择为极大型。 步骤二将指标数据正向化 确定指标类型之后，接着我们将对应的数据进行正向化即可，换算方法如下： 因为大数据中心分项评估指标为极大型不需要换算，所有此步骤可省略。 步骤三将正向化后的数据进行标准化 指标的不一致，其对应的数据单位也不一样，将数据标准化可以消除量纲的影响，具体数学表达式如下： 即：每一个元素除以根号下对应列的所有元素平方和 大数据中心的综合指标计算，采用的是大数据中心分项指标的等级数据，已经是标准化数据，可直接使用。 步骤四计算每一个样本的得分 第一步：计算最大值最小值向量 对于n*5的矩阵（n个样本，5个指标），我们先找出每一列的最大值得出一个行向量5，然后找出每一列的最小值 得出一个行向量1。 在大数据中心算力评估中，为避免不同的样本组合参照不同，在充分调研的基础上选择最大值和最小值，其各项指 标都在其区间内。选定评估范围确定最大值与最小值。本标准使用大数据中心分项指标全为5为最大值，以数据中心 各分项指标全为1作为最小值。 第二步：计算样本与最大值最小值的距离 定义第i（i=1….n）个样本与最大值（最小值）的距离：